Oi Leanderson!
Agradeço por compartilhar seu feedback. É muito importante para que possamos continuar melhorando a experiência de aprendizado na Alura.
Sobre a sua dúvida: nesta atividade, o objetivo principal é compreender o conceito de Cadeias de Markov, ou seja, como sistemas podem fazer previsões com base em probabilidades de transição entre estados. O código em Python serve apenas como uma ilustração prática desse conceito, ele utiliza uma biblioteca chamada NumPy para fazer os cálculos, mas a lógica central é:
- definimos estados (por exemplo, “Ensolarado”, “Nublado”, “Chuvoso”);
- criamos uma matriz de transição, onde cada linha representa as probabilidades de passar de um estado para outro;
- e usamos essas probabilidades para simular as próximas condições.
Os valores utilizados (como 0.8, 0.15 e 0.05) são exemplos arbitrários, escolhidos apenas para demonstrar o funcionamento da cadeia de Markov, você pode modificá-los conforme desejar, desde que cada linha da matriz some 1 (ou seja, 100%).
Se preferir se familiarizar um pouco mais com Python antes de seguir, recomendo começar pelo curso Python para Data Science: primeiros passos, que traz o essencial da linguagem e pode te ajudar no entendimento dos próximos conteúdos.
Destaco que ao fim do curso, você será direcionado para uma página de avaliação e lá você poderá descrever com mais detalhes sua experiência com o curso.
Mais uma vez, obrigada pelo feedback!
Abraços e bons estudos!
Conte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!
