• Tenemos que decidir que Scripts (Python o R) será el principal para presentar, dado que eso también nos da paso a decidir en donde implementar la presentación de los resultados (RMarkdown, streamlit.io, Shinny, Dash).
• Luego toca limpiar un poco los Scripts escogidos para no tener un análisis largo de cada serie, sino más bien algo organizado, completo y con la misma forma para ambos.
• Completar las temáticas propuestas en el Issue 1 To-Do List para cada Script escogido.

Entre las opciones creo que tenemos que pueden funcionar, nos encontramos las siguientes

Formato Presentación

• PowerPoint
• Google Slides
• Canva

Formato Informe

• R Markdown
• Overleaft

Formato App

• R Markdown Shiny (R)
• Streamlit (Python)

En el siguiente bloque de código para Argos la gráfica del tiempo sale al revés de como debería verse, tendiéramos que corregir ese problema por presentación, pero no supe como hacerlo [Script: ARGOS - LINEA 202 - STL TREND Y ESTACIONALIDAD ]

sibble_serie <- as_tsibble(Apertura)
str(tsibble_serie)

tsibble_lserie <- as_tsibble(logApertura)
str(tsibble_serie)

Solo se creo la copia del documento a partir del .RMD de @Gabriel-P-Casta para Importaciones, toca dejarlo listo con los cambios del código de la madrugada del día Viernes.

Capítulo 2: Descriptivo Primera Entrega

Base: Importaciones

• Estabilización de la varianza @Gabriel-P-Casta
• Estabilización de Yeo-Jhonson @Gabriel-P-Casta
• Estimación de la tendencia @Gabriel-P-Casta
• Promedio móvil @Gabriel-P-Casta
• Tendencia desde el STL @Gabriel-P-Casta
  • STL trend y estacionalidad @Gabriel-P-Casta
• Diferencia ordinaria @Gabriel-P-Casta
• Relaciones no-lineales dispersión @Gabriel-P-Casta
  • ACF @Gabriel-P-Casta
  • Índice AMI @Gabriel-P-Casta
• Explorando la estacionalidad subseries @Gabriel-P-Casta
  • Gráfica de cajas @Gabriel-P-Casta
  • Periodograma @Gabriel-P-Casta
  • Ajuste de la estacionalidad con componentes de Fourier y Dummy @Gabriel-P-Casta
• Más acerca de la estacionalidad @sebastiangils
  • Múltiples patrones estacionales @sebastiangils
• Árbol de decisiones
  • Dividir datos
  • Usando penalización
  • Juntar entrenamiento y validación
• Redes neuronales
  • Red de una sola capa (MLP)
  • Red con más de una capa
  • Red Neuronal Recurrente
    • Validación cruzada Secuencial
  • Predicción (comparando modelos)
  • Diagnostico del modelo

Base: Argos

• Estabilización de la varianza @capstast
• Estimación de la tendencia @capstast
• Tendencia desde el STL @capstast
  • STL trend y estacionalidad @capstast
• Diferencia ordinaria @capstast
• Relaciones no-lineales dispersión @capstast
  • ACF @capstast
  • Índice AMI @capstast
• Explorando la estacionalidad subseries @capstast
  • Gráfica de cajas
  • Periodograma @capstast
  • Ajuste de la estacionalidad con componentes de Fourier y Dummy @capstast
• Más acerca de la estacionalidad @sebastiangils
  • Múltiples patrones estacionales @sebastiangils
• Árbol de decisiones
  • Dividir datos
  • Usando penalización
  • Juntar entrenamiento y validación
• Redes neuronales
  • Red de una sola capa (MLP)
  • Red con más de una capa
  • Red Neuronal Recurrente
    • Validación cruzada Secuencial
  • Predicción (comparando modelos)
  • Diagnostico del modelo