El pronóstico de series de tiempo predice valores futuros de una variable —ventas, temperatura, tráfico web— a partir de sus valores históricos, considerando patrones como tendencias de largo plazo, estacionalidad recurrente, y otros factores que influyen en su evolución a lo largo del tiempo.
Sus enfoques principales
Van desde métodos estadísticos clásicos, como el suavizado exponencial o los modelos ARIMA, hasta enfoques de machine learning y deep learning más recientes, que pueden incorporar múltiples variables externas y capturar relaciones más complejas que los métodos tradicionales.