Guía docente de Modelado de Sistemas y Predicción de Series Temporales (M51/56/3/11)

• Concepto de modelado de sistemas y predicción de series temporales.
• Arquitecturas de Cómputo para modelado y predicción.
• Aspectos prácticos relacionados con la implementación eficiente de algoritmos de optimización de las arquitecturas de cómputo para modelado y predicción.
• Aplicaciones.

Recomendable grado en informática, matemáticas, telecomunicación o electrónica.

Tras superar esta asignatura, el estudiante:

1. Distinguirá distintas técnicas de modelado y arquitecturas de cómputo que  existen para poder extraer un modelo de un fenómeno a partir de datos del mismo.
2. Será consciente de las repercusiones de una mala selección de la arquitectura y de la metodología de optimización para la obtención de modelos y predicción de comportamiento.
3. Podrá enumerar y distinguir entre las diferentes técnicas existentes para la optimización de los parámetros de un modelo y los diferentes criterios de optimización.
4. Será capaz de optimizar de forma eficiente los parámetros de un modelo de sistema dado.
5. Podrá, a partir de un conjunto de datos muestreados en el tiempo de un sistema dado, seleccionar una arquitectura de cómputo que modele el sistema generador de dichos datos, optimizarla de forma eficiente y predecir datos futuros con ella.

• Tema 1.- Introducción: Concepto de modelado de sistemas y predicción de series temporales. Selección de variables y optimización de parámetros.
• Tema 2.- Arquitecturas de Cómputo Clásicas para modelado y predicción: Definiciones y conceptos previos. Modelos lineales enfocados a la predicción. Modelos lineales paramétricos. Método Box-Jenkins para estimación-predicción. Sistemas dinámicos con variables exógenas. Ejemplos de aplicación.
• Tema 3.- Arquitecturas de Cómputo Específicas para Modelado y Predicción. Maldición de la dimensionalidad y overfitting. Extracción de características. Selección de variables. Optimización de parámetros. Ejemplos de aplicación.
• Tema 4.- Aspectos prácticos relacionados con la implementación eficiente de algoritmos de optimización de las arquitecturas de los temas anteriores: Optimización de modelos. Programación eficiente de código. Optimización de código. Implementación en arquitecturas de altas prestaciones.
• Tema 5.- Aplicaciones.

• Práctica 1. Técnicas de regresión básicas aplicadas a predicción de series temporales.
• Práctica 2. Selección de características para predicción de series temporales.
• Práctica 3. Redes Neuronales Recurrentes Profundas para predicción de series temporales.
• Práctica 4. Aplicación a un problema real de predicción de series temporales.

• S.Haykin: Neural Networks and Learning Machines, Prentice Hall, 2009.
• George E. P. Box and Gwilym M. Jenkins: Time Series Analysis: Forecasting and Control. Chichester, England: John Wiley & Sons; 1994.
• Lennart Ljung: System Identification: Theory for the User. Prentice-Hall, Englewood Cliffs, New Jersey, 1987.
• Ian Goodfellow and Yoshua Bengio and Aaron Courville. Deep Learning. MIT Press. 2016.
• Hyndman, R.J., & Athanasopoulos, G. (2021) Forecasting: principles and practice, 3rd edition, OTexts: Melbourne, Australia. OTexts.com/fpp3. 

• Neural Network Toolbox, User's Guide, Matlab.
• Fuzzy Logic Toolbox, User's Guide, Matlab.
• Hamilton, J. D. (1994). Time Series Analysis. Princeton: Princeton University Press.
• S.Makridakis, S.Wheelwright, R.Hyndman: Forecasting: Methods and Applications, John Wiley & Sons, 1998.
• J. A. K. Suykens, T. Van Gestel, J. De Brabanter, B. De Moor, J. Vandewalle, Least Squares Support Vector Machines, World Scientific Pub. Co., Singapore, 2002.

• https://masteres.ugr.es/datcom/
• https://www.neural-forecasting.com/
• https://www.cs.ucr.edu/~eamonn/time_series_data_2018/ 
• https://www.secondmoment.org/time_series.php
• https://www.forecastingprinciples.com/
• https://www.accesowok.fecyt.es/

El artículo 17 de la Normativa de Evaluación y Calificación de los Estudiantes de la Universidad de Granada establece que la convocatoria ordinaria estará basada preferentemente en la evaluación continua del estudiante, excepto para quienes se les haya reconocido el derecho a la evaluación única final.

La metodología de evaluación por defecto según la normativa de la Universidad de Granada es la evaluación continua, que en el caso de esta asignatura se compone de los siguientes elementos:

• Evaluación de la Parte Teórica: exámenes finales o parciales, sesiones de evaluación y entregas de ejercicios sobre el desarrollo y los resultados de las actividades propuestas.
• Evaluación de la Parte Práctica: se realizarán prácticas de laboratorio, resolución de problemas y desarrollo de proyectos (individuales o en grupo), y se valorarán las entregas de los informes/memorias realizados por los alumnos, o en su caso las entrevistas personales con los alumnos y las sesiones de evaluación.
• Evaluación de los Seminarios y otras actividades: se tendrá en cuenta la asistencia, los problemas propuestos que hayan sido resueltos y entregados por los alumnos, en su caso, las entrevistas efectuadas durante el curso y la presentación oral de los trabajos desarrollados.

El alumno podrá realizar estas pruebas de forma remota en circunstancias excepcionales.

En la siguiente tabla se detalla el porcentaje sobre la calificación final de cada parte:

El artículo 19 de la Normativa de Evaluación y Calificación de los Estudiantes de la Universidad de Granada establece que los estudiantes que no hayan superado la asignatura en la convocatoria ordinaria dispondrán de una convocatoria extraordinaria. A ella podrán concurrir todos los estudiantes, con independencia de haber seguido o no un proceso de evaluación continua. De esta forma, el estudiante que no haya realizado la evaluación continua tendrá la posibilidad de obtener el 100% de la calificación mediante la realización de una prueba y/o trabajo.

La evaluación en la convocatoria extraordinaria se realizará en un solo acto académico. Dicha prueba (evaluada de 0 a 10) incluirá pruebas tanto de tipo teórico como práctico, así como un trabajo de clase que garanticen que el alumno ha adquirido la totalidad de las competencias descritas en esta guía docente. El alumno podrá realizar estas pruebas de forma remota en circunstancias excepcionales.

En la siguiente tabla se detalla el porcentaje sobre la calificación final de cada parte:

El artículo 8 de la Normativa de Evaluación y Calificación de los Estudiantes de la Universidad de Granada establece que podrán acogerse a la evaluación única final, el estudiante que no pueda cumplir con el método de evaluación continua por causas justificadas.

Para acogerse a la evaluación única final, el estudiante, en las dos primeras semanas de impartición de la asignatura o en las dos semanas siguientes a su matriculación si ésta se ha producido con posterioridad al inicio de las clases, lo solicitará, a través del procedimiento electrónico, a la Coordinación del Máster, quien dará traslado al profesorado correspondiente, alegando y acreditando las razones que le asisten para no poder seguir el sistema de evaluación continua.

La evaluación en tal caso consistirá en el mismo procedimiento que el indicado bajo el epígrafe " CONVOCATORIA EXTRAORDINARIA"