Índice O Que é NBEATS? Como Instalar a NeuralForecast Com e Sem Suporte a GPU Como Preparar a Série Temporal Para o NBEATS Hiperparâmetros do NBEATS n_harmonics n_polynomials stack_types input_size_multiplier learning_rate scaler_type max_steps Como Treinar NBEATS em Python Como Adicionar Variáveis Externas ao NBEATS Baseline Simples Com Sazonalidade Função Objetivo WMAPE no PyTorch O Que é NBEATS? A NBEATS é uma arquitetura de rede neural capaz de prever séries temporais sem depender da criação de features específicas por um especialista....
Como Prever Séries Temporais com Scikit-learn
Prever séries temporais é uma tarefa muito comum no dia a dia de um cientista de dados. Seja prever a demanda futura de um produto, o tráfego de uma cidade ou até mesmo o clima. Com previsões precisas de séries temporais, as empresas podem ajustar suas estratégias de produção, gerenciamento de estoque, alocação de recursos e outras decisões importantes, levando a uma redução significativa de custos e aumento da eficiência....
Como Prever Séries Temporais Com Transformers em Python
Índice O Que São Transformers em Deep Learning? Temporal Fusion Transformers Como Instalar a NeuralForecast Com e Sem Suporte a GPU Como Preparar a Série Temporal Para o TFT Hiperparâmetros do Temporal Fusion Transformer input_size_multiplier hidden_size n_head learning_rate scaler_type max_steps batch_size windows_batch_size Como Treinar Temporal Fusion Transformers em Python Como Adicionar Variáveis Externas ao TFT Baseline Simples Com Sazonalidade Função Objetivo WMAPE no PyTorch O Que São Transformers em Deep Learning?...
Como Prever Séries Temporais Com Redes Neurais Convolucionais em Python
Índice O Que São Redes Neurais Convolucionais? Redes Convolucionais Temporais Como Instalar a NeuralForecast Com e Sem Suporte a GPU Como Preparar a Série Temporal Para A Rede Neural Convolucional Hiperparâmetros e Arquitetura da TCN kernel_size dilations input_size_multiplier encoder_hidden_size context_size decoder_hidden_size learning_rate max_steps batch_size Treinamento da Rede Neural Como Adicionar Variáveis Externas à Rede Neural Convolucional Baseline Simples Com Sazonalidade Função Objetivo WMAPE no PyTorch O Que São Redes Neurais Convolucionais?...
Como Prever Séries Temporais Com Redes Neurais em Python
A modelagem de séries temporais com deep learning (redes neurais) é uma área em constante evolução. Falar de “redes neurais” pode se referir a vários tipos diferentes de técnicas como redes neurais convolucionais, redes neurais recorrentes, redes neurais tradicionais (MLP) e redes neurais com mecanismo de atenção (transformer). Por isso, primeiro vou te dar uma visão geral dessas técnicas, indicando artigos mais detalhados sobre cada uma e depois vou te mostrar como aplicar uma rede neural tradicional (MLP) para prever séries temporais....
Como Prever Séries Temporais Com LSTM em Python
Índice O Que é LSTM (Long Short-Term Memory)? Como Funciona a LSTM? Quando Usar a LSTM? Como Instalar a NeuralForecast Com e Sem Suporte a GPU Como Preparar os Dados Para a LSTM Modelagem Automática com AutoLSTM Arquitetura da LSTM Busca Automática por Hiperparâmetros input_size_multiplier encoder_hidden_size encoder_n_layers decoder_hidden_size learning_rate max_steps batch_size random_seed Código de Treinamento da LSTM em Python Análise dos Resultados da Busca Automática LSTM com Variáveis Adicionais Baseline Simples Com Sazonalidade Loss Function Personalizada com PyTorch (WMAPE) O Que é LSTM (Long Short-Term Memory)?...
Como Prever Séries Temporais Univariadas Usando Python
De todos os tipos de previsão, prever o que ocorrerá no futuro com base em eventos passados pode ser uma das tarefas mais interessantes e desafiadoras. É aí que entra a previsão de séries temporais. Prever uma série temporal começa por supor que os padrões de comportamento observados no passado serão replicados no futuro. Uma das maneiras de fazer estas previsões é usando modelos estatísticos sobre séries univariadas, que é o que você vai aprender neste artigo usando Python....
Validação de Séries Temporais Em Machine Learning Usando Python
Ao usar machine learning para prever séries temporais, você não pode simplesmente dividir seus dados entre treino e validação com um split aleatório. Se você fizer isso, seu modelo vai aprender a prever o passado com base no futuro e te dar uma estimativa altamente otimista (e errada) da performance em dados nunca vistos. Em praticamente todos os projetos reais de machine learning você terá uma dimensão temporal e jamais deve ignorá-la....
Guia Rápido Para Iniciantes Em Séries Temporais (Time Series)
Índice O Que São Séries Temporais? Quais São Os Principais Tipos De Séries Temporais? Diferença Entre Série Temporal Univariada e Multivariada Diferença Entre Série Temporal Estacionária e Não Estacionária Diferença Entre Série Temporal Regular e Irregular Quais São Os Componentes De Uma Série Temporal? Decomposição Aditiva de Séries Temporais Tendência Em Séries Temporais Sazonalidade Em Séries Temporais Ciclo Em Séries Temporais Ruído Em Séries Temporais O Que É Lag Na Análise de Séries Temporais?...
Mean Average Precision (MAP) em Machine Learning
Índice O Que é Mean Average Precision? Qual a Fórmula da Mean Average Precision? Como Interpretar a Mean Average Precision? Como Calcular a Mean Average Precision em Python? Qual a Diferença Entre Mean Average Precision e NDCG? Qual a Diferença Entre Mean Average Precision e Mean Reciprocal Rank? O Que é Mean Average Precision? Mean Average Precision (MAP) é uma métrica de avaliação em machine learning comumente usada para medir a performance de sistemas de recomendação e busca....