Atividades Ponderadas do Módulo
Nossa atividade ponderada ao longo deste módulo será composta por diversas partes. Com ela, vamos desenvolver as técnicas estudadas ao longo do módulo e aplicá-las em um projeto de dados.
Características da Atividade Ponderada
A atividade deve ser desenvolvida de forma individual, onde cada estudante deve desenvolver sua versão da análise de dados proposta. Aqui pessoal, o histórico da construção da narrativa de dados também será um dos itens avaliados, então caprichem 🔥♨️🔥!
A atividade deverá ser entregue em seu repositório dedicado. Denovo, o histórico da construção da solução é tão importante quanto a solução final. Projetos sem histórico de desenvolvimento, não serão avaliados. Estou chamando de histórico de desenvolvimento, a evolução do projeto no repositório. As modificações devem ser descritas nos commits realizados.
Ao longo do período de desenvolvimento, algumas datas de check-point serão fornecidas para verificar o andamento do projeto. A participação deles não é obrigatória, mas é altamente recomendada.
Tema da Atividade Ponderada
Vocês vão construir um sistema de auxílio à tomada de decisões para investimento em cripto ativos. O sistema deve ser capaz de analisar o histórico de preços de cripto ativos e indicar o melhor momento para compra e venda de ativos. Essa construção deve ser realizada utilizando modelos de machine learning escolhidos por vocês.
Importante: a escolha do modelo deve ser justificada por uma etapa de análise, exploração e testes dos dados disponíveis. Não é necessário cobrir diversos cripto ativos, mas sim um ou dois, com profundidade.
A escolha dos dados, bem como a forma como eles devem ser organizados deve fazer parte da construção do projeto. A análise dos dados deve ser realizada de forma a identificar padrões e tendências que possam ser utilizadas para a tomada de decisões.
Recomendo fortemente a utilização da linguagem Python para realizar a exploração dos dados e a construção do modelo de machine learning. Além disso, os dados podem ser armazenados em bancos de dados relacionais, como o Postgres.
Importante: quem for utilizar Postgres, deve criar um container para utilizar o banco. Verificar esse material de consulta:
- Python + Docker + PostgreSQL : Deploy and Access a Postgres Database using Docker and SQLAlchemy
- Dockerizando a nossa aplicação e introduzindo o PostgreSQL
- Introdução aos contêineres e ao Docker
- APRENDA DOCKER DO ZERO | TUTORIAL COMPLETO COM DEPLOY
- Como montar o melhor ambiente Dev no Windows, Linux e Mac com WSL2 - IMPORTANTE: Para utilizar o Docker dentro do Windows
Entrega da Atividade Ponderada
A entrega da atividade deve acontecer até o dia 26/09/2024, às 23h59.
Qualquer comit após esse horário, não será considerado para a avaliação.
O que será avaliado
A atividade será avaliada de acordo com os seguintes critérios:
- Existiu uma etapa de exploração de dados para escolher os modelos e dados considerados;
- Foi construída uma narrativa de dados que justifica a escolha dos modelos e dados;
- O modelo foi implementado com uma API de acesso que está disponível para ser utilizada;
- Existe um dashboard que apresenta os resultados do modelo;
- O Dashboard permite a interação com o modelo, permitindo a visualização de diferentes cenários;
- Existe um planejamento para que o modelo possa ser retreiando com novos dados;
- A utilização do sistema é armazenada (logs de uso do sistema);
- O histórico de desenvolvimento do projeto está disponível no repositório.
Critérios de Avaliação
