Um cientista de dados do prestigiado Instituto de Tecnologia Vellore da Índia descreveu um método de como supostamente prever preços de cripto em tempo real usando uma rede neural de Long Short-Term Memory (LSTM).

Em uma postagem publicada em seu blog em 2 de dezembro, o pesquisador Abinhav Sagar demonstrou um processo de quatro etapas sobre como usar a tecnologia de aprendizado de máquina para prever preços em um setor que supostamente é "relativamente imprevisível" em comparação com os mercados tradicionais.

O aprendizado de máquina para previsão de preço de cripto foi "restrito"

Sagar antecedeu sua demonstração ao observar que, embora o aprendizado de máquina tenha conseguido algum sucesso na previsão dos preços do mercado de ações, sua aplicação no campo de criptomoeda foi restrita.

Para dar apoio a essa alegação, ele argumentou que os preços das criptomoedas flutuam de acordo com os desenvolvimentos tecnológicos acelerados, bem como com fatores econômicos, de segurança e políticos.

O método proposto em quatro etapas de Sagar envolve 1) coleta de dados de criptomoedas em tempo real; 2) preparo dos dados para o treinamento da rede neural; 3) teste da previsão usando a rede neural LSTM; 4) visualização dos resultados da previsão.

Como o desenvolvedor de software Aditi Mittal destacou, LSTM é um acrônimo para "Long Short-Term Memory" - um tipo de rede neural projetada para classificar, processar e prever séries temporais, levando em conta atrasos de duração desconhecida.

Para treinar sua rede, Sagar usou um conjunto de dados da CryptoCompare, usando recursos como preço, volume e valores abertos, altos e baixos.

Ele dá um link para o código completo do projeto no GitHub e descreve as funções que ele usou para normalizar os valores dos dados na preparação para o aprendizado de máquina.

Antes de preparar e visualizar os resultados das previsões da rede, Sagar observa que ele usou o Erro Absoluto Médio como uma métrica de avaliação, que, ele observa, mede a magnitude média dos erros em um conjunto de previsões, sem considerar sua direção.

Sagar’s visualization of his cryptocurrency predictions in real-time using an LSTM neural network

Visualização das previsões de criptomoedas em tempo real de Sagar usando uma rede neural LSTM. Fonte: towardsdatascience.com

Dos mercados para o espaço sideral

Além das previsões de mercado, a convergência de novas tecnologias descentralizadas, como blockchain e aprendizado de máquina, vem ganhando cada vez mais força.

Conforme relatado neste outono, a NASA publicou recentemente uma lista para uma vaga de trabalho de cientista de dados, destacando os conhecimentos de criptomoeda e blockchain como "um diferencial".

A agência - cuja função principal é a construção e operação de naves espaciais robóticas (inter)planetárias e a condução de missões em órbita da Terra - exigiu ainda mais qualificações em um ou mais campos relacionados, incluindo aprendizado de máquina, big data, Internet das Coisas, análises, estatísticas e computação em nuvem.