user@devops:~$ cat README.md
Time Series Forecasting
# Descrição
Projeto completo de previsao de series temporais comparando duas abordagens fundamentalmente distintas. Facebook Prophet: modelo estatistico aditivo com sazonalidade multipla (diaria, semanal, anual) alcancando 1.87% MAPE. LSTM (PyTorch): 2 camadas LSTM (hidden size 32, sequence length 72h) + regressor MLP com Huber Loss, AdamW e ReduceLROnPlateau, alcancando 15.96% MAPE. Inclui decomposicao multiplicativa, teste ADF de estacionariedade, Prophet com sazonalidade personalizada, deep learning com early stopping, e comparacao estruturada de 6 visualizacoes em dois datasets (Airline Passengers 144 obs e Synthetic Multi-Seasonality 17,520 obs).
# Características principais
$ Decomposicao multiplicativa com tendencia, sazonalidade e residual
$ Prophet com sazonalidade diaria, semanal, anual e mensal personalizada
$ LSTM bidirecional com 2 camadas ocultas e Huber Loss
$ Early stopping, ReduceLROnPlateau e AdamW optimizer
$ Teste ADF de estacionariedade com diferenciacao
$ 6 visualizacoes: EDA, decomposicao, componentes, forecast, training, comparacao
$ Comparacao estruturada Prophet vs LSTM com MAE, RMSE e MAPE
# Galeria
# Tecnologias utilizadas
