[Denny Ceccon]

Sim, mas aí depende do ambiente de execução ser o mesmo. Se você está rodando local, eu te recomendo ir no Colab e ver quais as versões das bibliotecas utilizadas, e construir um ambiente local com as mesmas versões.

[Denny Ceccon]

Olá Ubiratan,

Eu rodei o código do Colab anexado à aula e não teve problemas. Pode ser que você tenha feito alguma alteração. Tenta utilizar o código original.

[Denny Ceccon]

Olá Wandré,

Eu até achei a explicação do professor meio confusa, mas sobre identificar a quantidade de sujeitos no centro ou na periferia da curva, concordo com você, só com duas correções: o cálculo usa a média, não a mediana (ainda que, no caso de distribuições normais, os dois valores tenderem a coincidir), e em relação à periferia, você precisa pegar os pontos que sejam maiores ou iguais à mediana + 1 desvio padrão OU menores ou iguais à mediana – 1 desvio padrão.

`
periferia_da_curva = np.sum((dados_normal >= (np.mean(dados_normal)+np.std(dados_normal)) | dados_normal <= (np.mean(dados_normal)-np.std(dados_normal))))

centro_da_curva = np.sum((dados_normal <= np.mean(dados_normal)+np.std(dados_normal)) & (dados_normal >= np.mean(dados_normal)-np.std(dados_normal)))

`

• This reply was modified 1 year, 11 months ago by Denny Ceccon.
• This reply was modified 1 year, 11 months ago by Denny Ceccon.
• This reply was modified 1 year, 11 months ago by Denny Ceccon.

[Denny Ceccon]

Como não houve mais interação no tópico, acredito que o problema tenha sido resolvido.

[Denny Ceccon]

Como não houve mais interação no tópico, acredito que o problema tenha sido resolvido.

[Denny Ceccon]

Olá aluno,

Supondo que o modelo foi salvo com o nome meu_modelo.h5 e que os dados sejam representados por 5 atributos numéricos:

# Carregue o modelo salvo

model = tf.keras.models.load_model('meu_modelo.h5')

# Crie o novo registro (exemplo)

novo_registro = np.array([[150, 3, 2, 1, 10]])

# Realize a predição

previsao = model.predict(novo_registro)

# Extrai o valor da predição

valor_predito = previsao[0][0]

• This reply was modified 1 year, 11 months ago by Denny Ceccon.
• This reply was modified 1 year, 11 months ago by Denny Ceccon.

[Denny Ceccon]

Como não houve mais interação no tópico, acredito que o problema tenha sido resolvido.

[Denny Ceccon]

Como não houve mais interação no tópico, acredito que o problema tenha sido resolvido.

[Denny Ceccon]

Olá Luis,

Nós estamos desenvolvendo um curso de NumPy onde essas questões serão abordadas, mas por enquanto eu posso te dizer que a grande vantagem de utilizar o NumPy é a performance, ele é muito mais rápido para fazer os cálculos vetoriais que são parte fundamental de muitos algoritmos de machine learning.

[Denny Ceccon]

Olá André,

Tem várias formas de fazer a mesma coisa, se o resultado deu certo você tem a liberdade de escolher o método.

O código dessa aula foi desenvolvido para depender do Pandas 1.5.3, faz o downgrade que deve funcionar.

• This reply was modified 1 year, 11 months ago by Denny Ceccon.

[Denny Ceccon]

Provavelmente Date está sendo utilizado como índice do dataframe, você pode resolver isso fazendo:

acoes_df.reset_index(drop=False, inplace=True)

Assim Date passa a ser uma coluna e a função funciona.

[Denny Ceccon]

Como não houve mais interações neste tópico, estou considerando que o problema foi resolvido.

[Denny Ceccon]

Como não houve mais interações neste tópico, estou considerando que o problema foi resolvido.

Os códigos em Python podem ser executados em qualquer IDE com suporte à linguagem.

[Denny Ceccon]

Sim, as redes neurais convolucionais podem ser utilizadas para analisar qualquer tipo de imagens. Os vídeos de nossos cursos são acompanhados de código, então você pode se basear por eles.

[Denny Ceccon]

Como não houve mais interações neste tópico, estou considerando que o problema foi resolvido.

[Author]

Posts