dc.contributor.author | Nordi, Victor Hugo Werneck | |
dc.date.accessioned | 2023-10-31T14:49:37Z | |
dc.date.available | 2023-10-31T14:49:37Z | |
dc.date.issued | 2023-10-10 | |
dc.identifier.citation | NORDI, Victor Hugo Werneck. Previsões de preço de criptomoedas utilizando algoritmos de Aprendizado de Máquina. 2023. Trabalho de Conclusão de Curso (Graduação em Matemática) – Universidade Federal de São Carlos, Sorocaba, 2023. Disponível em: https://repositorio.ufscar.br/handle/ufscar/18846. | * |
dc.identifier.uri | https://repositorio.ufscar.br/handle/ufscar/18846 | |
dc.description.abstract | Cryptourrencies are decentralized digital currencies created with the intent of replacing traditional forms of payment. Their high volatility is one of the aspects that causes distrust among investors. Artificial Intelligence based on Machine Learning algorithms can be an invaluable tool to analyse this characteristic, helping to predict prices. In this sense, this project’s goal is to use algorithms implemented in Python — Support Vector Machine and Long Short-Term memory — alongside convenient performance metrics such as mean squared error, mean absolute error, maximum error and R^2 to assess their price prediction capabilities in face of such randomness. | eng |
dc.description.sponsorship | Não recebi financiamento | por |
dc.language.iso | por | por |
dc.publisher | Universidade Federal de São Carlos | por |
dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | * |
dc.subject | Criptomoedas | por |
dc.subject | Python | por |
dc.subject | Aprendizado de máquina | por |
dc.subject | Redes neurais recorrentes | por |
dc.subject | Support vector machines | eng |
dc.subject | Long short-term memory | eng |
dc.subject | Cryptocurrency | eng |
dc.subject | Machine learning | eng |
dc.subject | Recurrent neural networks | eng |
dc.title | Previsões de preço de criptomoedas utilizando algoritmos de Aprendizado de Máquina | por |
dc.title.alternative | Cryptocurrency price forecast using Machine Learning algorithms | eng |
dc.type | TCC | por |
dc.contributor.advisor1 | Cantão, Renato Fernandes | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/3016268479248046 | por |
dc.description.resumo | As criptomoedas são moedas digitais descentralizadas que surgiram com a proposta de substituir os pagamentos tradicionais. Um aspecto que gera desconfiança em investidores é sua volatilidade característica. Com o propósito de analisar essa volatilidade, utiliza-se de inteligência computacional baseada em algoritmos de Aprendizado de Máquina com o intuito de prever valores dessas criptomoedas. Nesse sentido, neste trabalho propõem-se analisar a aplicação dos algoritmos Máquina de Vetores de Suporte (do Inglês, Support Vector Machine) e Memória de Curto Prazo Longo (do Inglês, Long Short-Term memory) na previsão de valores de algumas criptomoedas selecionadas, prevendo seus preços no futuro. Toda a implementação será feita na linguagem de programação Python e os resultados serão avaliados com as métricas de desempenho: erro quadrático médio, erro absoluto médio, erro máximo e R-quadrado (R^2 ). Espera-se, assim, avaliar a possibilidade de predições precisas — dentro das métricas de avaliação — ou se a alta volatilidade e aleatoriedade invalidam o uso desses algoritmos. | por |
dc.publisher.initials | UFSCar | por |
dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::ANALISE DE DADOS | por |
dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::MATEMATICA::MATEMATICA APLICADA | por |
dc.publisher.address | Câmpus Sorocaba | por |
dc.contributor.authorlattes | http://lattes.cnpq.br/1825035215515061 | por |
dc.publisher.course | Matemática - ML-So | por |