(Originais Teachy 2023) - Questão Fácil de Programação em Python

Durante um projeto de machine learning, um estudante do ensino médio está aprendendo a usar a biblioteca Scikit-learn para implementar um sistema de classificação. Ele entende a importância de preparar os dados antes de treinar um modelo e decide aplicar a técnica de normalização em um conjunto de dados com features em escalas diferentes. Após a normalização, ele observa que os dados foram reescalonados de forma a manter a distribuição da variável entre um intervalo específico para todas as features. Com base nessa situação e nos conceitos de pré-processamento de dados em machine learning, qual técnica de pré-processamento o estudante provavelmente utilizou com a biblioteca Scikit-learn para realizar a normalização dos dados, considerando o impacto dessa técnica no resultado do aprendizado do classificador?

Durante a aula de Programação em Python, os alunos do 1° ano do ensino médio estão se preparando para o projeto final, no qual deverão aplicar os conceitos aprendidos para resolver um problema prático. O projeto envolve o desenvolvimento de um aplicativo simplificado para gerenciamento de tarefas, que permite aos usuários criar, listar, atualizar e deletar tarefas. Considerando as etapas iniciais do projeto, os alunos precisam definir o problema a ser resolvido, selecionar as tecnologias mais adequadas para a implementação do aplicativo e criar um plano de projeto que inclua as etapas de desenvolvimento, testes e documentação. Com base nos conhecimentos de planejamento e design de projetos, e considerando a importância de uma boa arquitetura de software e interface amigável para o usuário, qual seria o passo inicial fundamental para o planejamento do projeto e por que ele é crucial para o sucesso da implementação? (ENEM - Inep)

Suponha que você esteja desenvolvendo um modelo de Machine Learning em Python para prever o preço de imóveis com base em diferentes características. Após treinar e testar o modelo, você percebe que a métrica de desempenho utilizada não é a mais apropriada para o seu problema, pois ela dá peso igual a todas as instâncias de imóveis e você sabe que imóveis de alto valor têm maior impacto no seu negócio. Além disso, você suspeita que alguns hiperparâmetros do seu modelo podem estar causando overfitting ou underfitting. Considerando a importância de corrigir esses problemas, qual passo você deve primeiro realizar para avaliar e ajustar seu modelo de forma mais eficaz?

Em um projeto de aprendizado de máquina utilizando a biblioteca Scikit-learn, um cientista de dados está trabalhando com um conjunto de dados que contém atributos categóricos e numéricos. Para que esses dados possam ser utilizados em um modelo de classificação supervisionada, é necessário realizar a codificação dos atributos categóricos, bem como a padronização ou normalização dos atributos numéricos, a fim de evitar viés no treinamento do classificador. Considerando as etapas de preparação de dados em um fluxo de aplicação de técnicas de machine learning com Scikit-learn, qual o procedimento adequado para codificação de atributos categóricos e para a padronização dos atributos numéricos no contexto deste projeto?