Estimación y Predicción en Series Temporales (EPST)

En este curso, fundamental dentro de la disciplina procesamiento digital de señales, se aborda el caso en el que los datos a analizar, ya sean señales o series temporales, son de caracter probabilístico/estocásito. El objetivo es presentar las ideas principales y sus herramientas asociadas, de forma que el estudiante pueda aplicarlas a problemas concretos y a su vez tenga acceso a la vasta literatura del área.

Para ver ejemplos  del tipo de cosas que se pueden hacer con las herramientas de este curso, les recomendamos mirar algunos de los trabajos finales de años anteriores al final de esta página.

Información general

• Modalidad:  Grado y Posgrado.
• Créditos: 10
• Docentes:
• Ignacio Ramírez <nacho@fing.edu.uy> (responsable)
• Martín Schmidt <mschmidt@fing.edu.uy>
• Horario de clases: martes y jueves de 8:30 a 10:00
• Lugar físico: salón 310
• Inicio:

  martes 18 de marzo de 2025

Forma de evaluación

• La evaluación consiste en la entrega de cuatro trabajos (preguntas teóricas, ejercicios en máquina) y una prueba final.
• Los trabajos no tienen puntaje mínimo, pero tienen fecha estricta de entrega.
• La actividad final es obligatoria y tiene fecha estricta de entrega.
• Cáda actividad suma una cierta cantidad de puntos.
• Para aprobar es necesario alcanzar un mínimo de 60 puntos en un total de 100.
• La prueba final se considera un examen y pueden por ley pedirse el día para hacerlo. En esta página, abajo, pueden encontrar el formulario de constancia laboral para completar y enviar al docente para su firma.

Conocimientos previos

El curso fue originalmente concebido y aún depende en buena parte de conceptos y métodos de Procesamiento de Señales, en particular, asume conocimiento sobre Señales y Sistemas (sistemas, diagramas de bloque, filtros, análisis frecuencial). Estos son requisitos para grado. Para posgrado, es posible realizar el curso pero es responsabilidad del estudiante dedicar unas horas extra a asimilar las bases de esta temática. El Práctico 1, en la sección Introducción, contiene notebooks autocontenidos sobre este y los otros temas básicos del curso, a saber:

• Cálculo diferencial e integral
• Álgebra lineal
• Probabilidad y estadística
• Procesamiento de señales
• Programación (Python, Matlab, R, etc.)

Se recomienda fuertemente realizar esos notebooks antes de la segunda clase (la primera es introductoria).

Clases teóricas

Las clases teóricas son 100% presenciales y tienen como objetivo reforzar y enfatizar el contenido del curso. El tema de cada clase será anunciado con antelación y se se asume que el estudiante ha repasado dicho tema antes de clase, ya sea del libro, de los slides, de notebooks, o de clases grabadas en años anteriores. Es importante notar que las clases grabadas tienen varios años y el contenido de esas clases no se ajusta 100% al contenido actual. Es más denso y hay algunos temas que ya no se dictan. No ocurre lo contrario (a la fecha de esta edición), por lo que pueden seguirse sin temor a perder contenido.

Materiales

• Tutorial Python-numpy Stanford  [web]
• Tutorial Python for Matlab users [web]
• Tutorial Jupyter Notebook (a.k.a. IPython Notebook) [web]
• The Matrix Cookbook [pdf]
• Notas cálculo vectorial/matricial [pdf]
• Bibliografía básica [zip]
• Clases grabadas (2020-2021) [OpenFing]
• Slides (2021) [owncloud]

Bibliografía

Principal

• "Fundamentals of Statistical Signal Processing", Volume I: Estimation Theory, Steven M. Kay, Prentice Hall PTR; 1 edition (April 5, 1993).
• "Statistical Digital Signal Processing and Modeling", Monson H. Hayes, Wiley, New York, ISBN 0-471 59431-8, 1996.
• "Adaptive Filter Theory", 3rd Edition, Simon Haykin, Prentice-Hall, New Jersey, ISBN 0-13-004052-5, 1995.
• A. Gelman et al., "Bayesian Data Analysis", 3rd. Ed.
• W. Bolstad and J. Curran, "Introduction to Bayesian Statistics", 3rd. Ed. 

Complementaria 

• "Introduction to Random Signals and Applied Kalman Filtering", R. G. Brown and P. Hwang, John Wiley & Sons, New York, ISBN 0-471-12839-2, 1996.
• "Optimum Signal Processing", Sophocles Orphanidis, 2nd Edition, MacMillan, New York, ISBN 0-02-389380-X, 1988.
• "Random Signals, Detection, Estimation and Data Analysis", S. Shanmugan y A. Breeipohl, John Wiley & Sons, New York, ISBN 0-471-81555-1, 1988. 

Encuestas