Linguagens e Frameworks

Estudo de linguagens e frameworks (Ex.: Python, Angular) que mais se adequam ao projeto.

Linguagem

Para Pipeline de Dados, algumas das principais linguagens de programação para trabalhar quando se trata de dados financeiros são:

Python: Bastante utilizada por conta de ser uma linguagem “fácil” e principalmente por possuir várias bibliotecas específicas;
R: Quando se trata de análises estatísticas e visualização de dados é uma boa escolha;
MATLAB: é bastante usada para financias.

Python é uma linguagem fácil para aprender e usar;
Possui uma comunidade grande, facilitando na aprendizagem e para conseguir sanar dúvidas;
E o ponto principal são as bibliotecas utilizadas, pois abre uma gama de possibilidades.
bibliotecas populares: Pandas, NumPy, openpyxl (trabalhar com planilhas do Excel) e o Fava (análise de dados de transações).

Possui ferramentas e pacotes para análise estatísticas. Permite análises complexas;
possui muitas ferramentas poderosas para visualização de dados, como ggplot2 e lattice e pacotes específicos para análises financeiras como quantmod e o PerformanceAnalytics;
Possui bibliotecas, como o tidyverse que oferece uma variedade de ferramentas para manipulação, limpeza e visualização de dados.

Possui funções pré-definidas que demorariam bastante para ser feitas dependendo da linguagem que você utilizar;
Ela possui muitas bibliotecas e ferramentas para análise financeira, modelagem de risco, simulações e cálculos numéricos.
Toolboxes: toolboxes abrangem áreas como processamento de sinais, processamento de imagens, aprendizado de máquina, controle e simulação de sistemas, etc. Essas extensões prontas para uso facilitam o desenvolvimento de soluções sem a necessidade de implementação do zero.

Python: Python é uma escolha popular para a automação de tarefas devido à sua simplicidade e facilidade de uso. Ele possui uma ampla variedade de bibliotecas e frameworks para desenvolver bots, como o Selenium (automação de navegação na web), o pyautogui (automação de tarefas de interface do usuário) e o python-telegram-bot (desenvolvimento de bots para Telegram). Além disso, a sintaxe clara e legível do Python torna o código fácil de entender e manter.

spaCy: Biblioteca para processamento de linguagem natural
ChatterBot: Construir chatbots que aprendem com a interação com os usuários;
NLTK: Plataforma para construir programas em Python que trabalham com dados de linguagem humana
Bot Framework: SDK (Kit de desenvolvimento de software - ferramentas de desenvolvimento instalado por um pacote) para criar bots sofisticados.

Data	Versão	Descrição	Autor	Revisor	Issue
30/06/2023	1.0	Criação do documento	Isaac	Hemanoel	#2