Você está vendo a versão anterior da nova experiência da Alura que estamos preparando para você. Em breve, ela ganha uma identidade visual novinha totalmente pensada em potencializar seus estudos!
Olá, Nicole! Tudo bem?
A sua atividade sobre Markov ficou muito clara ao mostrar uma Cadeia de Markov para previsão do clima, conectando o conceito de estados, matriz de transição e probabilidades futuras de forma visual e prática.
A representação ajuda bastante a entender que, nesse tipo de modelo, a próxima previsão depende do estado atual e das probabilidades de transição, o que torna o raciocínio mais organizado em cenários de incerteza.
Uma dica para aprofundar ainda mais o exemplo é comentar o significado dos resultados de cada dia, indicando qual estado tem maior probabilidade e como essa distribuição muda ao longo das iterações; assim, a análise fica mais interpretável para quem está estudando Inteligência Artificial e modelos probabilísticos.
Como você adaptaria essa mesma lógica de Cadeias de Markov para outro contexto, como comportamento de usuários em um site ou recomendação de conteúdos?
Conte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!