machine learning

Como identificar os fatores significativos que influenciam a variabilidade nos retornos de ações individuais? Como comparar esses fatores ao selecionar empresas de setores distintos? Neste artigo, aplicamos a Análise de Componentes Principais para examinar ações que compõem o índice bovespa, com o objetivo de identificar os fatores estatísticos relevantes. Usamos o Python como ferramenta para aplicar a análise.
Se textos pudessem falar, o que eles diriam? O uso de dados textuais é capaz de melhorar um modelo de previsão? Neste exercício exploramos o uso de fatores textuais extraídos dos comunicados do FOMC para a previsão da inflação norte-americana.
Neste artigo exploramos as técnicas de Bootstrapping, Bagging, Boosting e Random Forests com o objetivo de aumentar o desempenho em modelos preditivos. Percorremos o modo de funcionamento de cada técnica e sua aplicação usando linguagem de programação com dados econômicos do Brasil.
No impulso de assumir uma distribuição normal para qualquer variável que aparecer em sua frente, o cientista de dados comete o erro de desconhecer os dados sendo trabalhados e, consequentemente, realiza inferências e previsões pouco acuradas. Infelizmente, isso é um problema comum com o boom da ciência de dados nos anos recentes, mas neste artigo vamos tentar trazer um pouco de luz sobre o assunto.
Com o aumento da disponibilidade de dados, torna-se fundamental conhecer técnicas e métodos para analisá-los e utilizá-los de forma estratégica. Nesse contexto, é importante compreender como os dados são estruturados e quais ferramentas podem ser usadas para trabalhar com eles. Neste artigo, exploramos os conceitos das principais estruturas de dados, mostramos exemplos e aplicações em R e Python para trabalhar com dados de série temporal e corte transversal.

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.