Un científico de datos en India prestigioso Vellore Institute of Technology ha esbozado un método para predecir supuestamente los precios criptográficos en tiempo real utilizando una red neuronal de memoria a corto plazo (LSTM).
en un entrada en el blog publicado el 2 de diciembre, el investigador Abinhav Sagar demostró un proceso de cuatro pasos sobre cómo utilizar la tecnología de aprendizaje automático para pronosticar precios en un sector que, según él, es "relativamente impredecible" en comparación con los mercados tradicionales.
El aprendizaje automático para la predicción de precios criptográficos ha sido "restringido"
Sagar presentó su demostración al señalar que, si bien el aprendizaje automático ha logrado cierto éxito en la predicción de los precios del mercado de valores, su aplicación en el campo de la criptomoneda ha sido restringida. En apoyo de esta afirmación, argumentó que los precios de las criptomonedas fluctúan de acuerdo con los rápidos avances tecnológicos, así como con los factores económicos, de seguridad y políticos.
El método propuesto de cuatro pasos de Sagar implica 1) recopilar datos de criptomonedas en tiempo real; 2) preparar los datos para el entrenamiento de la red neuronal; 3) probar la predicción usando la red neuronal LSTM; 4) visualizar los resultados de la predicción.
Como desarrollador de software, Aditi Mittal tiene resumido, LSTM es un acrónimo de "memoria a corto plazo", un tipo de red neuronal que está diseñada para clasificar, procesar y predecir series de tiempo dados los retrasos de duración desconocida.
Para entrenar a su red, Sagar usó un conjunto de datos de CryptoCompare, haciendo uso de características como precio, volumen y valores abiertos, altos y bajos.
Él proporciona un enlazar al código para el proyecto completo en GitHub y describe las funciones que utilizó para normalizar los valores de datos en preparación para el aprendizaje automático.
Antes de trazar y visualizar los resultados de las predicciones de la red, Sagar señala que utilizó el Error absoluto medio como una métrica de evaluación, que, señala, mide la magnitud promedio de los errores en un conjunto de predicciones, sin considerar su dirección.
La visualización de Sagar de sus predicciones de criptomonedas en tiempo real utilizando una red neuronal LSTM. Fuente: intodatascience.com
Del mercado al espacio exterior
Más allá de las predicciones del mercado, la convergencia de nuevas tecnologías descentralizadas como blockchain con aprendizaje automático ha ganado cada vez más fuerza.
Como se informó este otoño, la NASA publicó recientemente una lista para un papel de científico de datos, destacando la criptomoneda y la experiencia en blockchain como "un plus".
La agencia, cuya función principal es la construcción y operación de naves espaciales robóticas planetarias y la realización de misiones en órbita terrestre, requirió calificaciones adicionales en uno o más campos relacionados, incluido el aprendizaje automático, big data, Internet de las cosas, análisis, estadísticas y computación en la nube.