Hindistan’ın prestijli kurumlarından Vellore Institute of Technology’de çalışan bir veri bilimcisi, Long Short-Term Memory (LSTM) yapay sinir ağını kullanarak kripto para birimlerinin fiyatlarının gerçek zamanlı biçimde nasıl tahmin edebileceğini belirten bir yöntem öne sürdü.
2 Aralık'ta yayımlanan blog yazısında araştırmacı Abinhav Sagar, geleneksel piyasalara kıyasla “nispeten öngörülemeyen” ekosistemlerde, makine öğrenmesi teknolojisini kullanarak dört adımda fiyat tahmini yapmaya dair işlem süreci hakkında bilgi verdi.
Kripto para fiyat tahmini “kısıtlı” biçimde yapıldı
Sagar, makine öğrenmesi teknolojisini kullanarak borsa fiyatlarını tahmin eden bir ön gösterim yaptı. Gösterimde belli bir başarı yakalanmasına rağmen, kripto para birimlerine ait piyasanın sadece belirli kısmı dahil edildi. Gösterimini “kısıtlı” biçimde yapmasının savunması olarak Sagar, kripto para birimlerinin teknolojik gelişmelerin yanı sıra küresel ekonomi, güvenlik ve politik bazı faktörlerden de etkilenmesini öne sürdü.
Sagar’ın dört aşamalı tahmin yöntemi şunları içeriyor:
- Kripto para birimlerine ait verileri gerçek zamanlı biçimde toplamak
- Sinir ağı eğitimi için verileri hazırlanmak
- LSTM sinir ağını kullanarak tahmini test etmek
- Tahmin sonuçlarını görselleştirmek.
Yazılım geliştiricisi Aditi Mittal'ın belirttiği üzere LSTM (Long Short-Term Memory - Uzun Kısa Süreli Bellek) sistemi, bilinmeyen aralıklarla verilen serileri sınıflandırmak, işlemek ve tahmin etmek için tasarlanmış bir tür sinir ağı şeklinde çalışıyor.
Öğrenebilen ağını eğitmek için Sagar; fiyat, hacim, yüksek ve düşük değerleri elde etmek için CryptoCompare veri setlerini kullandı.
GitHub üzerinde yayımladığı projesinin kodlarını paylaşan Sagar, makine öğrenmesi için veri değerlerini normalleştirmek adına kullandığı işlevleri ana hatlarıyla açıklama metni üzerinde belirtiyor.
Ağın tahminlerinin sonuçlarını çizmeden ve görselleştirmeden önce Sagar, Ortalama Mutlak Hatayı (Mean Absolute Error) bir değerlendirme ölçütü olarak kullandığını, hataların ortalama büyüklüğünü ve yönlerini dikkate almadan bir dizi tahmin ile ölçtüğünü belirtti.
Sagar’ın LSTM sinir ağı kullanarak gerçek zamanlı biçimde kripto para tahminlerini görselleştirdiği grafik. Kaynak: towardsdatascience.com
Önce piyasalar sonra uzay
Piyasa tahminlerinin ötesinde, makine öğrenmesi teknolojisinin blockchain gibi merkezi olmayan teknolojilerle entegre olması her geçen gün daha fazla konuşulur hale geldi.
Bu sonbaharda haberi yapıldığı üzere NASA, işe alacağı veri bilimcilerde kripto para ve blockchain uzmanlığının bulunmasını bir “artı” olarak tanımlayacağını duyurmuştu.
Ana görevi robotik uzay araçlarının inşası, işletilmesi ve Dünya yörüngesindeki görevlerin yürütülmesi olan ajans; makine öğrenmesi, büyük veri, nesnelerin interneti, analitik, istatistik ve bulut bilişim dahil olmak üzere bir veya daha fazla alanda bilgi sahibi olan personele ihtiyaç duyuyor.