Forum Replies Created
- Posts
Olá César,
Pode sim, mas conforme as aplicações vão ficando mais complexas, o mais comum é ir modularizando, por exemplo cria um módulo apenas para tratar pdf e outro para tratar csv, e dentro coloca os scripts de processamento de pdf e csv. Aí o aplicativo em si importa esses módulos para servir através do endpoint. É um assunto mais complexo que ainda não temos um curso sobre, mas o caminho é esse.
Olá Álvaro,
Provavelmente é porque você já tinha carregado o Numpy antes de fazer o downgrade. Tenta instalar a versão anterior antes de importar a biblioteca.
Olá Alessandro,
Na verdade não são valores aleatórios, são resíduos que não são explicados pelos outros dois parâmetros, a tendência e a sazonalidade. Se tendência e sazonalidade explicarem sozinhos o comportamento da série temporal, então os resíduos serão zero, que é o que se observa na figura.
O tamanho do período é determinado experimentalmente, já que a priori, nós não sabemos quando os dados começam a exibir comportamento periódico, que pode ser decomposto em tendência e sazonalidade.
Olá Luna,
Depende da quantidade de dados e de recursos computacionais, se não são muitos dados e seus recursos atendem, é sempre melhor utilizar a melhor quantidade de dados possível.
Nós até cobrimos redes recorrentes (como LSTM) mas não no contexto de investimentos, você deve encontrar nos cursos com foco em redes neurais.
Carlos,
A sua variável
previsoestambém é um array bidimensional, então você precisa aplicar o métodoravelno final também.Olá Alessandro,
Todos os métodos que buscam prever valores futuros, seja no mercado de ações, seja para previsão do tempo, se baseiam no histórico passado. A expectativa é que o comportamento das séries temporais históricas se mantenha, de forma que as previsões tenham algum valor. É claro que não é tão simples, fosse assim todo mundo seria um trader de sucesso, mas a base apresentada no curso é da onde todo mundo parte. Aí vai da engenhosidade individual, de descobrir quais períodos são relevantes, quais indicadores (ou sua combinação) utilizar, ou até criar outros. O que podemos dizer é que, se o comportamento se mantiver, os resultados serão consistentes, mas isso dificilmente ocorre na prática, e é isso que os pesquisadores e traders empenhados na área buscam resolver.
Olá Erenilson,
Sim, você está certo. Tudo depende de como você define o seu problema. Se você quer chegar a conclusões estritamente sobre o grupo de estudo, então esta é sua população, mas se quer estender as conclusões para pessoas fora do grupo, então esta é sua amostra.
Olá Marcelo,
O Anaconda oferece algumas IDEs, como você pode ver na documentação: https://docs.anaconda.com/working-with-conda/ide-tutorials/
Entretanto, você pode instalar a IDE independentemente. Eu, por exemplo, só uso o Anaconda para criar ambientes.
O Google Colab é um ambiente de computação online, que facilita muito a vida principalmente de alunos, já que não requer a instalação de nenhuma ferramenta, é só acessar via navegador. Hoje ele oferece suporte para Python e R.
Olá Bruno,
Você tem razão, o professor fez uma simplificação considerando que a próxima cidade é definida a cada iteração do algoritmo, mas para definir o melhor caminho inteiro, o custo total deve ser considerado.
Olá Marco,
No Colab, você provavelmente não está usando GPU. Acesse as configurações abaixo para configurar.
Olá Moises,
Devido a uma atualização da biblioteca Pandas, agora você deve fazer:
correlations = employee_df.corr(numeric_only=True)Já estou corrigindo no notebook também.
Olá Rafael,
Você pode tratar o desbalanceamento logo no final do pré-processamento, antes de passar os dados para o algoritmo.
Olá Ana,
Não temos nenhum material pronto nesse sentido, mas eu te recomendo visitar o desafio no Kaggle, lá outros usuários costumam publicar suas soluções e explorações com os dados, é uma boa oportunidade de aprendizado.
