Discussão do artigo "Ciência de dados e aprendizado de máquina (Parte 32): Como manter a relevância de modelos de IA com treinamento on-line"
Olá, Omega J Msigwa
Perguntei qual versão do python você está usando para este artigo. Eu o instalei e há um conflito de biblioteca.
O conflito é causado por:
O usuário solicitou protobuf==3.20.3
onnx 1.17.0 depende de protobuf>=3.20.2
onnxconverter-common 1.14.0 depende de protobuf==3.20.2
Em seguida, editei a versão conforme sugerido e obtive outro erro de instalação.
Para corrigir isso, você pode tentar:
1. diminuir o intervalo de versões de pacotes que você especificou
2. remover versões de pacotes para permitir que o pip tente resolver o conflito de dependências
O conflito é causado por:
O usuário solicitou protobuf==3.20.2
onnx 1.17.0 depende de protobuf>=3.20.2
onnxconverter-common 1.14.0 depende de protobuf==3.20.2
tensorboard 2.18.0 depende de protobuf!=4.24.0 e >=3.19.6
tensorflow-intel 2.18.0 depende de protobuf!=4.21.0, !=4.21.1, !=4.21.2, !=4.21.3, !=4.21.4, !=4.21.5, <6.0.0dev e >=3.20.3
Para corrigir isso, você pode tentar:
1. diminuir o intervalo de versões de pacotes que você especificou
2. remover versões de pacotes para permitir que o pip tente resolver o conflito de dependências
Por favor, forneça mais instruções
Eu perguntei qual versão do python você está usando para este artigo. Eu o instalei e há um conflito de biblioteca.
O conflito é causado por:
O usuário solicitou protobuf==3.20.3
onnx 1.17.0 depende de protobuf>=3.20.2
onnxconverter-common 1.14.0 depende de protobuf==3.20.2
Em seguida, editei a versão conforme sugerido e obtive outro erro de instalação.
Para corrigir isso, você pode tentar:
1. diminuir o intervalo de versões de pacotes que você especificou
2. remover versões de pacotes para permitir que o pip tente
resolver o conflito de dependência
O conflito é causado por:
O usuário solicitou protobuf==3.20.2
onnx 1.17.0 depende de protobuf>=3.20.2
onnxconverter-common 1.14.0 depende de protobuf==3.20.2
tensorboard 2.18.0 depende de protobuf!=4.24.0 e >=3.19.6
tensorflow-intel 2.18.0 depende de protobuf!=4.21.0, !=4.21.1, !=4.21.2, !=4.21.3, !=4.21.4, !=4.21.5, <6.0.0dev e >=3.20.3
Para corrigir isso, você pode tentar:
1. diminuir o intervalo de versões de pacotes que você especificou
2. remover versões de pacotes para permitir que o pip tente resolver o conflito de dependências
Forneça mais instruções
numpy==1.23.5
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Você concorda com a política do site e com os termos de uso
Novo artigo Ciência de dados e aprendizado de máquina (Parte 32): Como manter a relevância de modelos de IA com treinamento on-line foi publicado:
Aprendizado online, no contexto de aprendizado de máquina, é um método em que o modelo é treinado gradualmente com um fluxo contínuo de dados em tempo real. Trata-se de um processo dinâmico que, com o tempo, adapta o algoritmo de previsão, permitindo que o modelo evolua à medida que novos dados são recebidos. Esse aprendizado contínuo é especialmente importante em ambientes com muitos dados que mudam rapidamente, pois permite manter o modelo relevante.
Ao lidar com dados de mercado, sempre é difícil determinar o momento ideal para atualizar os modelos e com qual frequência essas atualizações devem acontecer. Por exemplo, se a IA foi treinada com dados do Bitcoin do último ano, os dados mais recentes podem ser considerados valores atípicos para o algoritmo, considerando que recentemente a criptomoeda atingiu uma nova máxima histórica.
Diferente do mercado cambial, onde os símbolos historicamente oscilam dentro de certos intervalos, instrumentos como NASDAQ 100, S&P 500 e índices semelhantes, bem como ações, geralmente tendem a subir e a renovar os máximos históricos.
Autor: Omega J Msigwa