From b4e4350b6ebe1b4301ccbb18dad28797c7afabd3 Mon Sep 17 00:00:00 2001
From: FranciscoFoz <64700794+FranciscoFoz@users.noreply.github.com>
Date: Wed, 10 Jul 2024 08:16:10 -0300
Subject: [PATCH] =?UTF-8?q?Adicionando=20card=20de=20previs=C3=B5es=20com?=
 =?UTF-8?q?=20s=C3=A9ries=20temporais=20em=20data-science=20guide=20(#309)?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 _data/downloadFiles/PT_BR/data-science.md | 2 ++
 _data/guides/pt_BR/data-science.yaml      | 2 ++
 2 files changed, 4 insertions(+)

diff --git a/_data/downloadFiles/PT_BR/data-science.md b/_data/downloadFiles/PT_BR/data-science.md
index 4e6fca87b..dada6672c 100644
--- a/_data/downloadFiles/PT_BR/data-science.md
+++ b/_data/downloadFiles/PT_BR/data-science.md
@@ -144,6 +144,8 @@
    - Utilizar Regex em PLN
    - Conhecer o Word2Vec
    - Combinar vetores de palavras para representar textos e classificá-los
+- [ ] **Previsão de Séries temporais**:
+   - A previsão de séries temporais (Time series Forecasting), também conhecida como previsão temporal, é uma técnica de análise estatística que envolve a previsão de valores futuros ou padrões com base em dados históricos ordenados no tempo. Em uma série temporal, os dados são coletados sequencialmente em intervalos regulares, como horários, diários, mensais ou anuais, e exibem dependências temporais.
 - [ ] **MLOps**:
    - O MLOps permite que os modelos de Machine Learning sejam implantados de maneira rápida e confiável, o que é especialmente importante em empresas que lidam com grandes volumes de dados.
    - Ajuda a garantir a qualidade e confiabilidade dos modelos de Machine Learning em produção, além de facilitar a manutenção e atualização desses modelos.
diff --git a/_data/guides/pt_BR/data-science.yaml b/_data/guides/pt_BR/data-science.yaml
index 80650421b..602681222 100644
--- a/_data/guides/pt_BR/data-science.yaml
+++ b/_data/guides/pt_BR/data-science.yaml
@@ -47,6 +47,8 @@ expertise:
         priority: 7
       - natural-language-processing:
         priority: 7
+      - time-series-forecasting:
+        priority: 7
       - mlops:
         priority: 6
 collaboration: