modelos

Deploy de modelos com Python + Shinylive + GitHub gastando ZERO reais

Colocar modelos em produção pode ser um grande desafio. Lidar com custos monetários, infraestrutura operacional e complexidades de códigos e ferramentas pode acabar matando potenciais projetos. Uma solução que elimina todos estes obstáculos é a recém lançada Shinylive. Neste artigo mostramos um exemplo com um modelo de previsão para o preço do petróleo Brent.

Modelo de previsão para grupos do IPCA

Neste artigo investigamos se a previsão desagregada da inflação é capaz de gerar previsões mais acuradas do que a previsão agregada. Utilizamos o Índice Nacional de Preços ao Consumidor Amplo (IPCA) como medida de interesse, aplicando um modelo simples e um modelo de passeio aleatório para comparação. Todo o processo pode ser feito de maneira automatizada utilizando a linguagem de programação R.

O dilema de viés e variância em modelos de previsão

Análise de séries temporais no R

{tidyverts}: séries temporais no R

Boletim AM

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

Assinar

Encontre o seu conteúdo

Categorias

Artigos mais acessados

Onde encontrar dados e ferramentas para text mining?

O que é mineração de textos e sua relação com IA?

Avaliando a evolução do Funcionalismo Público nos Estados Brasileiros usando Controle Sintético no R

Em quanto um choque cambial afeta a inflação? Analisando funções impulso-resposta no VAR usando Python

Análise do Foco de Queimadas no Brasil usando Python

Modelagem preditiva de séries temporais hierárquicas no Python usando TimeGPT

Ficou com alguma dúvida?

Entre em contato com nossa equipe pelo WhatsApp e tire todas as suas dúvidas antes de finalizar sua matrícula.

comercial@analisemacro.com.br – Rua Visconde de Pirajá, 414, Sala 718
Ipanema, Rio de Janeiro – RJ – CEP: 22410-002

Criação Kamus – Hospedagem HostWP