Projeto avaliativo da disciplina Deep Learning para Dados Tabulares do curso de Especialização em Deep Learning do CIn-UFPE.
Divida as séries selecionadas nos conjuntos de treinamento, validação e teste com as seguintes porcentagens: 50%, 25% e 25%, respectivamente, seguindo a ordem temporal.
Desenvolva, avalie e compare os modelos no cenário da previsão de um passo à frente.
- Estimação de um modelo estatístico linear
- Faça todo pré-processamento necessário para treinar um modelo ARIMA utilizando a metodologia de Box & Jenkins.
- Escolha o modelo mais adequado para fazer a previsão no conjunto de teste a partir do erro no conjunto de treinamento e da série de resíduos.
- Gere os erros de previsão e gráficos para o conjunto de treinamento e teste. Sugestão: erro quadrático médio (EQM, ou MSE em inglês) e mean absolute percentage error (MAPE).
- Treinamento de três (3) modelos de Aprendizado de Máquina
- Faça todo pré-processamento necessário para treinar uma Rede Neural Multilayer Perceptron, ou uma Support Vector Regression, e dois modelos de Aprendizado Profundo (Convolutional Neural Network, Long Short Term Memory ou Transformer).
- Utilize um grid search/random search para estabelecer os parâmetros do modelo.
- Utilize o conjunto de validação para selecionar o melhor modelo.
- Gere os erros de previsão e gráficos para o conjunto de treinamento, validação e teste. Sugestão: erro quadrático médio (EQM, ou MSE em inglês) e mean absolute percentage error (MAPE).
Faça a comparação dos quatro modelos implementados e construa uma apresentação mostrando:
- A série utilizada nos experimentos.
- A metodologia utilizada em cada uma das tarefas.
- Mostre a comparação dos modelos.