Predykcja ceny Bitcoina
Data utworzenia: 2025-02-04
Opis projektu
Ten projekt koncentruje się na rozwoju modelu predykcyjnego dla ruchów cen Bitcoina przy użyciu technik deep learning. Podejście integruje kompleksową Eksploracyjną Analizę Danych (EDA) z zaawansowanymi metodami prognozowania szeregów czasowych, w szczególności sieciami neuronowymi Long Short-Term Memory (LSTM). Wykorzystując historyczne dane cenowe Bitcoina (z Kaggle), wskaźniki techniczne i metryki sentymentu rynkowego, model ma na celu prognozowanie przyszłych trendów cenowych ze znaczącą dokładnością. Implementacja wykorzystuje frameworki TensorFlow i Keras do budowy, trenowania i ewaluacji architektury LSTM, która jest szczególnie odpowiednia do wychwytywania zależności czasowych w finansowych szeregach czasowych. Projekt demonstruje zastosowanie deep learning do analizy rynku kryptowalut i dostarcza wglądu w czynniki wpływające na zmienność cen Bitcoina.
Główne funkcjonalności
- Kompleksowa Eksploracyjna Analiza Danych (EDA) historycznych danych cenowych Bitcoina i powiązanych metryk rynkowych
- Preprocessing danych wraz z technikami normalizacji do optymalizacji wydajności modelu
- Implementacja feature engineering do ekstrakcji znaczących predyktorów z surowych danych rynkowych
- Rozwój architektury sieci neuronowej LSTM (Long Short-Term Memory) do prognozowania szeregów czasowych
- Integracja frameworków TensorFlow i Keras do budowy, trenowania i ewaluacji modelu
- Dostrajanie hiperparametrów w celu optymalizacji dokładności i zdolności generalizacji modelu
- Wizualizacja przewidywanych vs rzeczywistych ruchów cen do oceny wydajności modelu
- Analiza błędów predykcji w celu identyfikacji warunków rynkowych wpływających na dokładność prognozy
Umiejętności
- Python
- Pandas
- EDA
- NumPy
- Scikit-learn
- TensorFlow
- Keras
- LSTM
- Matplotlib
- LaTeX
Raport projektu
Możesz pobrać i przejrzeć kompletny raport projektu ze szczegółową metodologią i wynikami tutaj: Raport predykcji ceny Bitcoina
Zdjęcia
