Este projeto é um Bot usando Computer Vision e Automação de Android, feito em Python;
O XYO Coin é um aplicativo de celular em que você consegue "minerar" a criptomoeda XYO (ERC-20) vendendo dados de geolocalização e sensores, onde a ideia principal é sair andando ou dirigindo por aí enquanto você recebe suas recompensas pela geomineração. Caso você queira receber as recompensas sem se locomover, é necessária a solução de captchas em forma de minigames;
Neste projeto foram utilizadas ferramentas como OpenCV, Scrcpy, MongoDB e Google Tesseract;
Por enquanto o repositório do projeto está privado pois pretendo monetizar a solução mais pra frente;
Smart Tron, o Robô Inteligente
Este foi um projeto desenvolvido para um cliente pela plataforma Fiverr;
O Smart Tron é uma aplicação GUI multiplataforma (Windows, OSX e Linux) desenvolvida puramente com Python, usando ferramentas como Pandas, KivyMD, TA-Lib e Websockets;
O projeto é um robô automatizado de operações na corretora de valores IqOption, onde são usadas diferentes técnicas para analisar os dados atuais de mercado e tentar prever seus possíveis movimentos no futuro, operando desde pares de moedas no mercado Forex, até em mercados de Ações, CFD's e Criptomoedas;
Este projeto teve também integração com banco de dados na Cloud, usando os Clusters do MongoDB, incluindo um dashboard em tempo real de Analytics;
O propósito do aplicativo é de ser revendido online como Infoproduto, então desenvolvi do zero um sistema de criação e validação de licenças totalmente na nuvem e com criptografia, além de todo o código do programa ser obfuscado usando a ferramenta Pyarmor
Esta é uma biblioteca em Python desenvolvida por mim para facilitar a criação e uso de Redes Neurais do tipo LSTM;
A ideia por trás deste projeto veio durante a época em que eu estava estudando pesado Machine Learning, em específico a área de Deep Learning e Redes Neurais, com foco em aplicação em dados de mercado e ações;
As redes LSTM podem ser extremamente precisas no processamento de dados do tipo Time Series, que podem ir desde Processamento de Linguagem Natural (NLP) até em prever movimentos futuros no preço do Bitcoin, por exemplo;
A arquitetura de uma rede LSTM é bastante complexa e o formato dos dados de input precisam ser fornecidos como uma "Janela no tempo", o que pode causar uma grande dor de cabeça para quem está começando com Redes Neurais e Machine Learning em um todo;
Com a minha biblioteca, é possível ir do import ao uso efetivo do Modelo em menos de 10 linhas de código;
A descrição, instruções para uso e exemplos podem ser encontrados em Inglês aqui;
7 Linhas de código, desde o import até a previsão de valores futuros
fromeasy_lstmimportEasyLSTMimportpandasdataset=pandas.read_csv('./path_to_dataset.csv')
dataset['y'] =dataset['feature'].shift(-1, axis=0)[:-1] #Turning a time series into a supervised learning problemmodel, X_train, y_train, X_test, y_test=EasyLSTM(data=dataset, n_steps=4).do_magic()
model.fit(X_train, y_train, epochs=20)
predictions=model.predict(X_test)
Repositório em que construo do zero uma botnet funcional com python e websockets como desafio pessoal para aprender networking e programação assíncrona que será apresentada no meu trabalho de conclusão da matéria de Ambientes Computacionais e Segurança na Unisul