Neste projeto investigou-se a acurácia preditiva de modelos estatísticos e métodos de machine learning aplicados a cinco séries temporais horárias de quantidade vendida, provenientes de um e-commerce varejista. Os modelos selecionados foram regressão dinamica estimada por mínimos quadrados ordinários (MQO), Lasso e AdaLasso, além do método random forest. A acurácia preditiva foi investigada nos horizontes de previsão de 1 a 12 horas a frente, utilizando as métricas MAE e RMSE. Os resultados apontaram os modelos da família Lasso como aqueles de melhor desempenho conforme a métrica MAE. No caso do RMSE, verificou-se os melhores resultados associados ao modelo de regressão dinâmica que incorpora termos auto regressivos da quantidade vendida e variáveis dummy (RegrDin(3)). A implementação ao computacional dos modelos foi realizada utilizando as ˜ linguagens de programação Python e R.