Prédiction du Prix de l'Ethereum & Analyse de Sentiment

Aperçu du Projet

Ce projet implémente un système sophistiqué de prédiction du prix de l'Ethereum (ETH) qui intègre les données de marché traditionnelles avec des signaux de sentiment social. En utilisant des réseaux LSTM (Long Short-Term Memory), nous capturons les dépendances temporelles complexes des mouvements de prix tout en considérant l'impact du sentiment des médias sociaux et des actualités.

Architecture

eth-prediction/
├── data/               # Jeux de données bruts et traités
├── notebooks/          # Analyse Exploratoire des Données (EDA)
├── src/                # Scripts de traitement et de modélisation
├── dashboard/          # Dashboard interactif Streamlit
└── pyproject.toml      # Gestion des dépendances avec UV

Fonctionnalités

• EDA Avancée : Analyse détaillée des cycles de marché ETH et corrélation de sentiment avec Plotly.
• Modèle de Deep Learning : Prévision de séries temporelles basée sur LSTM construite avec Keras et TensorFlow.
• Moteur de Sentiment : Analyse des signaux sociaux pour augmenter la prédiction des prix.
• Dashboard Moderne : Interface Streamlit inspirée du glassmorphism pour une visualisation en temps réel.

Technologies

• Keras & TensorFlow : Framework de deep learning pour l'implémentation LSTM.
• Plotly : Visualisations de données dynamiques et interactives.
• Streamlit : Interface web moderne pour le dashboard.
• UV : Gestionnaire de paquets ultra-rapide pour Python.

Installation

# Avec UV
uv sync
uv run streamlit run dashboard/app.py