A respeito da biblioteca Leafleat para R, julgue o próximo item.

Leafleat é uma biblioteca R para criar e manipular uma hierarquia de classes ou árvore de herança, mostrando os relacionamentos entre classes na programação orientada a objetos.

Julgue o item a seguir, a respeito de TensorFlow.

Pipelines, em TensorFlow, são um conjunto de componentes padrão que podem ser utilizados como parte de um script de treinamento de machine learning.

Com relação às bibliotecas Matplotlib, Seaborn, Streamlit e Scipy, julgue o item a seguir.

Streamlit é uma biblioteca utilizada para criar interfaces web, como, por exemplo, um dashboard com vários gráficos interativos.

Com relação às bibliotecas Matplotlib, Seaborn, Streamlit e Scipy, julgue o item a seguir.

from scipy import optimize
x = [-2,-1.6, -1.2, -0.8, -0.4, 0, 0.4, 0.8, 1.2, 1.6, 2.0]

def f(x):
  return x*x-1

ra = optimize.root(f, 0.5)
print("ra %s" % (ra.x))

A execução do código Python apresentado anteriormente resultará no seguinte. ra [1.]

Com relação às bibliotecas Matplotlib, Seaborn, Streamlit e Scipy, julgue o item a seguir.

A função histogram() do Seaborn permite que se gere um histograma de um array unidimensional.

Com relação às bibliotecas Matplotlib, Seaborn, Streamlit e Scipy, julgue o item a seguir.

O módulo pyplot da biblioteca Matplotlib é um conjunto de funções de estilo de comando que permitem que gráficos sejam gerados.

Com relação às bibliotecas Matplotlib, Seaborn, Streamlit e Scipy, julgue o item a seguir.

O resultado da execução do código a seguir será

3.45359236999999997.
from scipy import constants
print(constants.pi)

import numpy as np
a = np.array([(1, 2), (3, 4), (5, 6)],
dtype=[('x', 'i4'), ('y', 'i4')])
print(a)
print(a.shape)

O resultado da execução do código Python apresentado anteriormente é o que se segue.

[[1 2]
[3 4]
[5 6]
['x','i4']
['y','i4']]
(3, 2)

A respeito da biblioteca Numpy, julgue os itens a seguir.

O resultado da execução do código Python a seguir resultará em valores diferentes para as variáveis c e d.

import numpy as np
a = np.array([[1,2],[3,4]])
b = np.array([[4,3],[2,1]])
c= np.dot(a,b)
print(c)
d=a*b
print(d)

No que se refere à biblioteca Pandas, julgue o próximo item.

import pandas as pd
a = [10, 78, 23]
myvar = pd.Series(a, index = [“x”, “y”, “z”])
print(myvar.describe())

Caso o código em Python precedente seja executado, então será apresentado em tela o que se segue.

count 4.000000
mean 38.000000
std 6.097091
min 10.000000
25% 16.500000
50% 23.000000
75% 50.500000
max 78.000000
dtype: float64