📚 Predykcja cen kryptowalut przy użyciu sieci neuronowych

Zaawansowana predykcja cen z użyciem LSTM, GRU i modeli hybrydowych z interfejsem graficznym

Celem projektu jest przewidywanie cen kryptowalut przy użyciu zaawansowanych architektur sieci neuronowych — LSTM (Long Short-Term Memory), GRU (Gated Recurrent Unit) oraz modelu hybrydowego LSTM-GRU. Aplikacja zawiera graficzny interfejs użytkownika (GUI) zbudowany w Tkinterze, umożliwiający łatwy wybór parametrów, wizualizację wyników oraz interakcję z systemem predykcyjnym.

Informacje ogólne:

🚀 Funkcje

  • Wiele kryptowalut
    (BTC, ETH, DOGE, LTC)
  • Elastyczne źródła danych
  • Modele sieci neuronowych
  • Interaktywny GUI w Tkinterze

📁 Struktura projektu

/cryptocurrency-prediction/
├── app.py
├── model.py
├── view.py
├── controller.py
├── dane/
└── requirements.txt

▶️ Użycie

python app.py

Użyj GUI, aby wybrać parametry i zobaczyć predykcje

Architektura projektu

🧠 Model

  • Wstępne przetwarzanie danych
  • Trenowanie sieci neuronowych
  • Implementacja LSTM/GRU

🎨 Widok

  • GUI w Tkinterze
  • Kontrola parametrów
  • Wizualizacja

⚙️ Kontroler

  • Logika aplikacji
  • Zarządzanie stanem
  • Połączenie model-widok

Konfiguracja projektu:

  • Wymaga Pythona 3.x zainstalowanego na komputerze
  • Aplikacja posiada interfejs graficzny
  • Przed uruchomieniem zainstaluj zależności
  • Możliwość predykcji także dla rynku akcji
  • Wymagane połączenie z Internetem
Konfiguracja

do zrobienia 

do zrobienia
do zrobienia
🛠️ Instalacja

do zrobienia 

git clone https://github.com/stokuj/cryptocurrency-prediction.git
cd cryptocurrency-prediction
pip install -r requirements.txt

Prezentacja

Wczytywanie

Kluczowe wnioski

GRU trenuje szybciej, LSTM daje gładsze predykcje
Więcej danych poprawia jakość modelu
Większa liczba dni predykcji zmniejsza precyzję