Como gerar valor com ML em meio ao hype usando Time Series
•
0 gostou•150 visualizações
TDC2018SP | Trilha Machine Learning - Prevendo o futuro com Time Series Forecasting
Recomendados
Recomendados
Mais conteúdo relacionado
Semelhante a Como gerar valor com ML em meio ao hype usando Time Series
Semelhante a Como gerar valor com ML em meio ao hype usando Time Series (20)
Mais de tdc-globalcode
Mais de tdc-globalcode (20)
Último
Último (20)
Como gerar valor com ML em meio ao hype usando Time Series
- 1. Como podemos gerar valor com ML em meio ao hype? Machine Learning
- 2. “When you’re fundraising, it’s AI. When you’re hiring, it’s ML. When you’re implementing, it’s logistic regression.”
- 3. Prevendo o futuro com Time Series TDC SP / Machine Learning
- 4. ● Cientista de Dados @ Hotmart ● Co-fundador do Data Hackers ● Gosta de GIFs ● Ensina máquinas em troca de alimento Paulo Vasconcellos
- 5. A comunidade brasileira de Data Science, Big Data e Machine Learning
- 6. What the porra is Time Series? Conceito
- 7. É uma série de observações que são coletadas SEQUENCIALMENTE ao longo do tempo. O que é Time Series Machine Learning / Prevendo o futuro com Time Series
- 9. Registrados por dia em uma cidade Número de Assaltos
- 10. Vendidos no decorrer do ano Quantidade de Sorvetes
- 11. Você cria o conteúdo. Nós criamos as ferramentas para fazer seu negócio acontecer.
- 12. +108 Mil Produtos +1.3 Milhões de Usuários 188Países Diferentes +3.7 Milhões de Compradores
- 13. Grandes Produtores que estão com a Hotmart. WHINDERSSON NUNES AUGUSTO CURY GUSTAVO CERBASIDANI NOCEANDRÉ FOGAÇA
- 14. Soluções para todas as etapas do negócio digital Distribuição Gerenciamento Pagamento
- 15. Utilizamos um modelo de previsão SARIMAX para prever o Total de GMV que iríamos faturar nos próximos 3 meses. Machine Learning / Prevendo o futuro com Time Series Desafio enfrentado
- 16. ● Pandas ● Numpy ● Matplotlib ● Statsmodel Python e seus amigos
- 18. Uma série estacionária é aquela cujo a média e a variância permanece constante no decorrer do tempo. Machine Learning / Prevendo o futuro com Time Series
- 19. Essa série é estacionária ou não?
- 20. Resultado do Teste de Dickey-Fuller Teste Estatístico -0.803967 p-value 0.817954 #Lags usados 21.000000 Critical value 5% -2.864488 Critical value 1% -3.437027 Critical value 10% -2.568340 Resultado do teste de Dickey-Fuller
- 21. E AÍ, SENTO E CHORO?
- 22. Machine Learning / Prevendo o futuro com Time Series Técnicas para tornar uma série estacionária Logaritmo Raiz quadrada Raiz cúbica First difference Saiba mais em: goo.gl/iSSte3
- 23. Novo teste realizado Resultado do Teste de Dickey-Fuller Teste Estatístico -4.626151 p-value 0.000116 #Lags usados 12.000000 Critical value 5% -2.899878 Critical value 1% -3.518281 Critical value 10% -2.587223(Agora sim, carai!)
- 26. Os parâmetros Treino P, D, Q Spoiler.: não significa Pão de Queijo
- 27. P D Q ARIMA
- 28. Funções Treino ACF e PACF Saiba mais em: goo.gl/tiihHq
- 30. p=8 q=5
- 31. It’s time! Treino Treinando o modelo
- 33. PRIMEIRA TENTATIVA: Uma bela m#rd@
- 36. O MODELO ARIMA NÃO IRIA RESOLVER ISSO.
- 37. O MODELO ARIMA NÃO IRIA RESOLVER ISSO. MAS O SARIMA VAI!
- 38. HORA DA VERDADE:Prevendo dados nunca vistos
- 39. RESUMO DA ÓPERA: 1. Colete e trate os dados 2. Verifique se a série é estacionária 3. Gere o gráfico de ACF e PACF 4. Identifique os parâmetros p, d, q 5. Treine o modelo 6. Avalie o modelo 7. Repita
- 40. Beleza. Tô pronto pra usar essa budega!
- 41. Time Series Forecasting tem muitas vantagens... ● Precisa de poucas features ● Treinamento rápido ● “Melhor” forma de tratar dados temporais ● Aplicação em diversos cenários
- 42. …Mas, também tem desvantagens. ● Impacto de dados nulos ● Dados precisam ser sequenciais ● White Noise
- 43. DICAS MAROTAS
- 44. SITE DA UNIVERSIDADE DUKE: goo.gl/aWSxom
- 45. CURSO GRATUITO DA UDACITY