library(dygraphs)
library(quantmod)
getSymbols('FEDFUNDS', src='FRED')
dygraph(FEDFUNDS, main = 'Comportamento dos FED Funds',
xlab='', ylab='% a.a.') %>%
dyOptions(stackedGraph = TRUE) %>%
dyRangeSelector(dateWindow = c("1954-07-01", "2015-11-01")) %>%
dyShading(from='2008-10-01', to='2015-11-01', color='lightblue')
Receba diretamente em seu e-mail gratuitamente nossas promoções especiais
e conteúdos exclusivos sobre Análise de Dados!
Os microdados dos CAGED fornecem informações detalhadas a nível de cidade, sexo, raça, nível de instrução, idade, salário e outras sobre os trabalhadores formais do Brasil, possibilitando ricas análises regionais de dados. Neste artigo mostramos como acessar, processar e analisar estes dados utilizando o Python.
Neste artigo mostramos como pesquisar e como coletar os dados do portal do ECB através do sistema de API usando a linguagem Python. Este processo permite automatizar rotinas de extração de dados, eliminando trabalho manual e repetitivo de atualização de bases de dados econômicos.
A aprendizagem por transferência (transfer learning) é o reuso de um modelo pré-treinado em um novo problema. Portanto, sua utilização torna-se um avanço enorme para a previsão de diferentes tipos de variáveis, principalmente para aquelas ordenadas no tempo. Mostramos nesta postagem o uso do Transfer Learning com o Python para o caso de Séries Temporais.
comercial@analisemacro.com.br – Rua Visconde de Pirajá, 414, Sala 718
Ipanema, Rio de Janeiro – RJ – CEP: 22410-002
Criação Kamus – Hospedagem HostWP
como podemos ajudar?
Preencha os seus dados abaixo e fale conosco no WhatsApp
Boletim AM
Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.