Durante o processo de normalização e criação de sequência no contexto de aprendizagem profunda com redes neurais recorrentes (RNNs) para previsão de criptomoedas, o tratamento de valores ausentes ou inválidos é importante para garantir um treinamento de modelo preciso e confiável. Valores ausentes ou inválidos podem impactar significativamente o desempenho do modelo, levando a previsões erradas e insights não confiáveis. Em