Previsão de preço de ações com RNNs e LSTMs de aprendizagem profunda — LearnFlat
⏱ 2 h 54 min 📚 29 aulas 🎧 Versão em áudio

Previsão de preço de ações com RNNs e LSTMs de aprendizagem profunda

Crie, treine e avalie redes neurais recorrentes e modelos LSTM para analisar e prever tendências do mercado financeiro usando bibliotecas Python modernas.

  • 💬 Instrutor de IA
    Pergunte sobre qualquer aula e receba uma resposta clara na hora, quando quiser.
  • 🕐 Comece quando quiser
    Sem horários nem prazos: aprenda no seu ritmo, quando quiser.
  • 🌐 Em português
    Aulas, tarefas e certificado: tudo totalmente no seu idioma.

Sobre este curso

Prever os mercados financeiros é um desafio complexo, mas o aprendizado profundo moderno oferece ferramentas poderosas para modelar dados sequenciais.Entender como as redes neurais recorrentes processam dados de séries temporais é uma habilidade essencial para aspirantes a analistas quantitativos e cientistas de dados. Neste curso escrito, você fará a transição de um iniciante para construir com confiança modelos sequenciais de aprendizado profundo.Você aprenderá a preparar conjuntos de dados financeiros, construir redes neurais recorrentes (RNNs) com camadas de memória de curto prazo (LSTM) e avaliar seu desempenho preditivo usando dados de ações do mundo real. O que você vai aprender: - Entenda os conceitos fundamentais de dados sequenciais, redes neurais recorrentes e por que os LSTMs se destacam na captura de dependências de longo prazo. - Prepare e pré-processe conjuntos de dados financeiros brutos usando técnicas modernas de manipulação de dados e dimensionamento robusto de recursos. - Construa arquiteturas de rede neural recorrentes com camadas LSTM usando o ecossistema de aprendizado profundo do Python. - Aplique técnicas de validação de séries temporais adequadas para evitar vazamentos de dados e garantir uma avaliação realista do modelo. - Avalie o desempenho do modelo usando métricas de regressão chave para analisar a precisão da previsão contra as tendências de ações do mundo real. O curso começa com a terminologia essencial e a intuição matemática por trás dos modelos sequenciais, e você progredirá passo a passo através de explicações escritas que abrangem a preparação de dados, o design da arquitetura do modelo, as fases de treinamento e a avaliação de desempenho. Este curso é projetado para iniciantes em aprendizado profundo e entusiastas de finanças que desejam aplicar aprendizado de máquina a dados de séries temporais.A familiaridade básica prévia com o Python é útil, mas nenhuma experiência avançada de aprendizado profunda é necessária à medida que começamos com conceitos fundamentais. Comece a ler hoje mesmo para dominar os fundamentos da previsão financeira com o deep learning.

O que você vai receber

  • 📜 Certificado de conclusão
    Adicione ao seu perfil do LinkedIn
  • 💬 Tutor AI pessoal
    Travou em uma aula? Pergunte ao seu tutor integrado qualquer coisa, a qualquer hora.
  • 🎧 Versão em áudio incluída
    Estude em qualquer lugar, sem tela
  • ♾️ Acesso vitalício
    Volte quando quiser, sem expirar
  • 📱 Celular ou computador
    Funciona em qualquer dispositivo
  • 💸 Reembolso em 14 dias
    Sem perguntas
  • Curto e focado
    2 h 54 min de conteúdo prático

Avaliações

Ainda não há avaliações — seja o primeiro a compartilhar sua experiência.

Escrever uma avaliação

Pediremos para fazer login após enviar — o rascunho fica salvo.

Outros também fizeram

Perguntas frequentes

O que preciso para fazer este curso? +

Só um celular ou computador com internet. Sem instalações nem hardware especial.

Como faço para pagar? +

Com cartão via Stripe. Não guardamos dados do cartão — o Stripe processa com segurança.

Posso pedir reembolso? +

Sim — reembolso integral em 14 dias, sem perguntas.

Por quanto tempo terei acesso? +

Para sempre. Uma vez comprado, o curso é seu para revisar quando quiser.

Vou receber um certificado? +

Sim. Ao concluir, você recebe um certificado que pode adicionar ao seu perfil do LinkedIn.

Feito para profissionais em
Tecnologia Design Finanças Marketing Saúde Educação Hotelaria Indústria