O google trends melhora a previsão do desemprego? Veja o que o pessoal do NEOC/UFF anda fazendo...

No final de julho, o Matheus Rabelo (NEOC/UFF) chamou atenção para um aumento da procura pela palavra-chave "emprego" lá no Google Trends. Dei uma pequena ajuda a ele, na forma de tratar os dados do gtrends e chamei atenção para a possibilidade de utilizar essa variação na previsão da taxa de desemprego. Esse, inclusive, tem sido um tema recorrente nesse espaço, por questões óbvias. Será que melhora a modelagem e, consequentemente, a previsão de variáveis macroeconômicas? É o que me perguntei à época, aqui. O Matheus, então, acabou aceitando a proposta e publicou ontem a questão lá no blog do NEOC. O trabalho é preliminar, mas fico muito feliz por o pessoal do NEOC estar usando cada vez mais o  \(\mathbf{R}\) e se empolgando com dados. Sinto uma pontinha de responsabilidade nisso, desde que lancei lá atrás a ideia do GECE na faculdade de economia... Só uma pontinha, claro, porque o mérito é todo do pessoal do NEOC.  Continuem assim, NEOC! E, claro, deem uma olhada no trabalho deles, leitores... 🙂

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Como usar LangGraph e LLMs para prever a inflação no Brasil

Este post apresenta um estudo de caso sobre como utilizar o LangGraph e modelos de linguagem para estruturar um sistema multiagente voltado à previsão do IPCA. O exercício cria um sistema que utiliza-se de personas analíticas que trabalham em paralelo, permitindo validar previsões, calcular métricas de erro e consolidar relatórios automatizados. A abordagem demonstra como fluxos multiagentes podem apoiar a análise econômica, oferecendo múltiplas perspectivas e maior consistência nos resultados.

O que é GraphRAG e implementar usando LangChain

GraphRAG é uma técnica de recuperação de informação para LLMs que utiliza grafos de conhecimento para conectar entidades e relações, permitindo estruturar informações complexas presentes em textos. Neste exercício, mostramos como transformar as atas do Copom em um grafo capaz de compreender essas entidades e relações, respondendo a perguntas complexas de forma contextualizada. Com Python e LangChain, todo o processo se torna automatizado, simples e altamente explorável.

Shiny + Agentes de IA: como criar aplicativos web inteligentes

A combinação de interfaces de usuário interativas com o poder dos grandes modelos de linguagem (LLMs) está abrindo um universo de possibilidades. Imagine criar um aplicativo web que não apenas exibe dados, mas também conversa com o usuário, respondendo a perguntas complexas com base em uma base de conhecimento específica. Usando Shiny para Python e ferramentas de IA como as do Google, isso é mais acessível do que nunca.

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

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.