11.2 Infraestrutura

11.2.1 R

(Rob J. Hyndman and Athanasopoulos 2021) trazem uma compilação dos principais e mais recentes métodos da literatura, com dados disponíveis nas bibliotecas fpp2 (R. Hyndman 2020) e fpp3 (R. Hyndman 2021). Uma tradução para o Portugês pode ser encontrada em https://otexts.com/fpppg/. Rob Hyndman é também mantenedor, junto com Rebecca Killick, do CRAN Task View de Análise de Séries Temporais. Este guia serve como base deste material, dada sua grande extensão, profundidade e proximidade com o estado da arte da pesquisa mundial.

As seguintes bibliotecas são discutidas neste material.

install.packages('arfima', dep = TRUE)
install.packages('aTSA', dep = TRUE)
install.packages('bayesforecast', dep = TRUE)
install.packages('beyondWhittle', dep = TRUE)
install.packages('ctmm', dep = TRUE)
install.packages('data.table', dep = TRUE)
install.packages('dfms', dep = TRUE)
install.packages('dlm', dep = TRUE)
install.packages('ecm', dep = TRUE)
install.packages('feasts', dep = TRUE)
install.packages('fGarch', dep = TRUE)
install.packages('fNonlinear', dep = TRUE)
install.packages('forecast', dep = TRUE)
install.packages('fpp2', dep = TRUE)
install.packages('glarma', dep = TRUE)
install.packages('greybox', dep = TRUE)
install.packages('gstat', dep = TRUE)
install.packages('imputeTS', dep = TRUE)
install.packages('MTS', dep = TRUE)
install.packages('roll', dep = TRUE)
install.packages('RTransferEntropy', dep = TRUE)
install.packages('runner', dep = TRUE)
install.packages('runstats', dep = TRUE)
install.packages('sarima', dep = TRUE)
install.packages('SBAGM', dep = TRUE)
install.packages('seasonal', dep = TRUE)
install.packages('skedastic', dep = TRUE)
install.packages('SLBDD', dep = TRUE)
install.packages('slider', dep = TRUE)
install.packages('smooth', dep = TRUE)
install.packages('stR', dep = TRUE)
install.packages('tbrf', dep = TRUE)
install.packages('tseries', dep = TRUE)
install.packages('tsibble', dep = TRUE)
install.packages('TSA', dep = TRUE)
install.packages('tsDyn', dep = TRUE)
install.packages('TSLSTM', dep = TRUE)
install.packages('TSLSTMplus', dep = TRUE)
install.packages('tsoutliers', dep = TRUE)
install.packages('TSstudio', dep = TRUE)
install.packages('wavelets', dep = TRUE)
install.packages('wavethresh', dep = TRUE)
install.packages('xts', dep = TRUE)
install.packages('zoo', dep = TRUE)
# install.packages('devtools')
devtools::install_github('FinYang/tsdl')
# install.packages('remotes')
remotes::install_github('facebook/prophet@*release', subdir = 'R')
# TSLSTM, https://tensorflow.rstudio.com/install/
# $ pip install tensorflow-macos
devtools::install_github('rstudio/tensorflow')
tensorflow::install_tensorflow(envname = 'r-tensorflow')
install.packages('keras', dep = TRUE)
keras::install_keras()

Exercício 11.3 Leia a seguinte documentação.

  1. Simple R: tips, tricks & tools.

11.2.2 Python

Fecundo Allia apresenta fpp3-python, uma adaptação Python para “Forecasting: Principles and Practice” de (Rob J. Hyndman and Athanasopoulos 2021). (Siebert, Groß, and Schroth 2021) trazem uma revisão sistemática sobre séries temporais, com o objetivo de responder três perguntas de pesquisa:

  • Quais tarefas de análise de série temporal existem, e quais delas são implementadas e mantidas em pacotes Python?
  • Como os pacotes apoiam a avaliação dos resultados produzidos?
  • Como os pacotes apoiam a sua utilização e que conhecimentos podemos obter para estimar a durabilidade de um determinado pacote e fazer uma escolha embasada sobre a sua utilização a longo prazo?

Os códigos Python deste material foram gerados e adaptados a partir dos códigos originais em R via Gemni Advanced 2.0 Flash (AI 2023) e DeepSeek-V3 (DeepSeek 2023). Após testar, sinta-se à vontade para colaborar com sugestões e, de preferência, melhorias dos códigos. De acordo com o Gemni, a média da relação entre o número de linhas de código Python e R foi de aproximadamente 1.49. Isso sugere que, em média, os códigos Python convertidos têm cerca de 49% mais linhas de código do que os códigos R originais. Quando considerados os caracteres, a média foi de 1.52, ou seja, o código Python é 52% maior em termos de caracteres.

References

AI, Google. 2023. “Gemini: A Large Language Model from Google AI.” https://gemini.google.com/.
DeepSeek. 2023. “DeepSeek-V3: Artificial Intelligence Language Model.” https://www.deepseek.com.
Hyndman, Rob. 2020. Fpp2: Data for "Forecasting: Principles and Practice" (2nd Edition). https://CRAN.R-project.org/package=fpp2.
———. 2021. Fpp3: Data for "Forecasting: Principles and Practice" (3rd Edition). https://CRAN.R-project.org/package=fpp3.
———. 2021. Forecasting: Principles and Practice, 3rd Ed. OTexts. https://otexts.com/fpp3/.
Siebert, Julien, Janek Groß, and Christof Schroth. 2021. “A Systematic Review of Python Packages for Time Series Analysis.” https://siebert-julien.github.io/time-series-analysis-python/.