A linguagem Python oferece um amplo conjunto de bibliotecas para visualização de dados, permitindo que os analistas da ALEGO usem-nas em projetos de ciência de dados e transformem dados em representações gráficas. Diversas bibliotecas atendem a diferentes necessidades de visualização, desde gráficos estáticos básicos até painéis interativos sofisticados.

Assinale a alternativa que não corresponde a uma biblioteca para visualização de dados.

Um analista precisa calcular o tempo, em número de dias, de duração dos cursos que os servidores da ALEGO participaram recentemente. Ele fez um programa em Python (versão 3) e embutiu no código dados sobre as matrículas do servidor e as datas de início de conclusão de curso. Analise o código a seguir.



A estrutura utilizada na variável dados_ficticios para armazenar os dados que são tratados pelo programa é conhecido como

Uma matriz de confusão resume o desempenho da classificação realizada por um classificador em relação a alguns dados de teste. Um caso especial da matriz de confusão é frequentemente utilizado com apenas duas classes, uma designada como classe positiva e a outra classe negativa. Nesse contexto, as quatro células da matriz são designadas como verdadeiros positivos (VP), falsos positivos (FP), verdadeiros negativos (VN) e falsos negativos (FN), conforme indicado na tabela a seguir



Com relação ao cálculo das medidas de desempenho, analise as afirmativas a seguir.

I. A medida da especificidade (também conhecido por Taxa de verdadeiros negativos) pode ser alcançada através da fórmula: Especificidade = VN / (VN + FP).
II. A medida da sensibilidade (também conhecido por Taxa de verdadeiros positivos ou Recall) pode ser alcançada através da fórmula: Recall = VP / (VP + FN).
III. O valor preditivo positivo (também conhecido como Precisão) pode ser alcançada através da fórmula: Precisão = VN / (VN + FN)
IV. Por fim, O valor preditivo negativo (VPN) pode ser alcançada através da fórmula: VPN = VP / (VP + FP).

Está correto o que se afirma em

Matheus foi empossado recentemente pela ALEGO como analista e está se aprofundando nos estudos das redes neurais (RN). Ele sabe que as RN podem ter diversas formas de aprendizagem não supervisionada.

O tipo de aprendizado onde os neurônios de saída da rede disputam entre si para se tornarem ativos e somente um neurônio de saída é ativado em determinado instante se denomina:

O perceptron é um dos modelos de redes neurais artificiais mais simples e tradicionais. A figura a seguir ilustra o grafo arquitetural de um perceptron. Analise-a.



Com relação as características do grafo, analise as afirmativas a seguir.

I. A rede possui várias camadas, sendo quatro camadas ocultas e três camadas de saída de dados.
II. A rede é do tipo totalmente conectada, isso significa que cada neurônio em qualquer camada está conectado a todos os outros neurônios da camada anterior.
III. O fluxo de sinais é unidirecional e progride na rede da esquerda para a direita e de camada em camada.

Está correto o que se afirma em

Árvores de decisão (AD) são classificadores muito utilizados em Ciência de Dados. Com relação as características da AD, analise as afirmativas a seguir.

I. É a representação de uma função que mapeia um vetor de valores de atributos para um único valor de saída.
II. Uma árvore de decisão chega à sua decisão realizando uma sequência de testes, começando por uma de suas raízes e seguindo o ramo apropriado até que uma folha seja alcançada.
III. Cada nó interno na árvore corresponde a um teste do valor de um dos atributos de entrada, os ramos a partir do nó são rotulados com os possíveis valores do atributo, e os nós folha especificam qual valor deve ser retornado pela função.

Está correto o que se afirma em

O algoritmo k-Nearest Neighbors (KNN) baseia-se fundamentalmente em calcular a distância entre o novo ponto e todos os pontos de dados do conjunto de treinamento. As medidas de distância do KNN definem quão “próximos” ou “semelhantes” dois pontos são no espaço de recursos. Analise a fórmula da distância de Minkowski



Com relação a derivação da fórmula da distância de Minkowski, analise as afirmativas a seguir.

I. Se P = 2, a fórmula calculará a distância Euclidiana.
II. Se P = 1, a fórmula calculará a distância de Manhattan.
III. Se P = 0, a fórmula calculará a distância Hamming.

Está correto o que se afirma em

Janaina, uma analista da ALEGO, desenvolveu o programa Python (versão 3) que utiliza as bibliotecas numpy (2.0.2) e scikit-learn (versão 1.6.1) para realizar uma análise de agrupamentos. Analise o código a seguir.
 

O resultado impresso é igual a

A regressão logística é um modelo muito popular na ciência de dados, ele é muito utilizado em diversos projetos da ALEGO. Com relação às características da regressão logística, analise as afirmativas a seguir.

I. É um modelo de regressão linear e dentro do contexto do aprendizado de máquina, a regressão logística pertence à família de modelos de aprendizado de máquina supervisionado.
II. Representa dois grupos de interesse como uma variável binária com valores 0 e 1, não importando qual o grupo é designado com os valores o versus 1, mas a designação de como dever ser observada interpretação dos coeficientes. 
III. A função logística é representada pelas seguintes fórmulas:
a) Logit(pi) = 1/(1+ ln(-pi))
b) exp(pi/(1-pi)) = β_0 + β _1*X_1 + … + β _k*K_k.
onde:
logit(pi) é a variável dependente ou de resposta, e x é a variável independente.

Está correto o que se afirma em

A biblioteca scikit-learn (versão 1.7.2) do Python (versão 3) oferece uma classe que implementa a regressão logística. Seleciona a alternativa que apresenta a sintaxe correta dessa classe.