Este trabalho tem como objetivo testar diversos modelos de Séries Temporais para prever a inflação mensal no Brasil ao longo de um ano. Através da comparação entre os modelos, busca-se identificar aquele que melhor se ajusta aos dados históricos, fornecendo previsões mais precisas para a evolução futura dos preços e permitindo uma análise mais confiável dos padrões cíclicos e tendências inflacionárias.

No contexto de inflação, o estudo de Séries Temporais torna-se bastante relevante. As Séries Temporais permitem analisar a evolução da inflação ao longo do tempo, identificar padrões sazonais e tendências, e prever futuros movimentos com base nos dados históricos. A análise dessas séries auxilia no entendimento da dinâmica inflacionária, a tomar decisões informadas e a planejar intervenções adequadas.

Machine Learning é uma tecnologia que permite que computadores aprendam a partir de dados, como imagens e números. Este relatório aborda dois algoritmos populares: a Regressão Linear e a Árvore de Decisão.

Esse estudo tem como objetivo principal utilizar técnicas estatísticas para analisar dados, buscando informações pertinentes para responder um questionário de forma confiável. Entre os objetivos específicos estão verificar se a média de salários em Data Science se manteve constante ou variou em comparação aos anos de 2020 e 2021, além de determinar o valor médio salarial específico para o ano de 2022 na área de Data Science.