A integração de diversos sistemas de rastreabilidade em uma cadeia produtiva unificada elimina os desafios de interoperabilidade e a necessidade de adaptações regionais.

A adoção de sistemas digitais para rastreabilidade e protocolos de certificação contribui para a diferenciação competitiva dos produtos de origem animal no mercado.

A seleção de atributos em um modelo preditivo pode reduzir o over fitting e, ao mesmo tempo, garantir menor variância sem impactar o viés, desde que os atributos removidos não sejam altamente correlacionados com a variável resposta.

As CNNs podem ser aplicadas na agricultura digital para a análise de imagens obtidas por meio de veículos aéreos não tripulados (VANTs), o que permite a detecção automática de pragas e doenças.

Heaps são estruturas de dados que permitem operações eficientes de inserção, remoção e acesso; seu uso pode melhorar significativamente a eficiência de algoritmos de ordenação.

As informações fornecidas indicam que o primeiro quartil corresponde a 101,25 s e o terceiro quartil, a 154,75 s.

Acerca de governança de dados, julgue os itens que se seguem.

Considere que, na aplicação de técnicas de anonimização em um estudo acerca da influência de fatores na produtividade de lavouras de soja, os nomes e os números de inscrição dos agricultores foram substituídos por códigos numéricos aleatórios, em atendimento ao princípio de anonimização de identificadores; e que as coordenadas geográficas foram alteradas para microrregiões, e informações, como tipo de solo e variedade de soja, foram agrupadas em categorias amplas, respeitado o princípio de anonimização de atributos. Nessas condições, é correto afirmar que foram adotadas medidas que protegem a privacidade dos agricultores, enquanto permitem a análise dos dados.

Acerca de governança de dados, julgue os itens que se seguem.

Se, nos dados de criação de suínos, um suíno foi registrado com 100 kg de peso e 2 meses de idade, então, como os valores registrados são incomuns para a espécie, tem-se, nesse caso, um exemplo de valores inconsistentes; essa discrepância pode indicar erro de preenchimento, como entrada incorreta de dados, ou a manipulação intencional para alterar informações e deve ser corrigida com técnicas como a remoção do registro inconsistente ou a substituição do peso por uma média calculada a partir de outros suínos da mesma idade.

No que se refere à linguagem Python, julgue os itens a seguir.

O código apresentado a seguir utiliza a estrutura de dados do tipo conjuntos e, após a sua execução, a variável culturas conterá {“Café”, “Soja”} e a variável total_culturas terá 2 como valor.

def culturas_comuns(fazenda1, fazenda2):

return fazenda1.intersection(fazenda2)

fazenda_a = {"Milho", "Soja", "Café",

"Trigo"}

fazenda_b = {"Café", "Arroz", "Soja",

"Feijão"}

culturas = culturas_comuns(fazenda_a,

fazenda_b)

total_culturas = len(culturas)

print("Culturas comuns:", culturas)

print("Total de culturas comuns:",

total_culturas)

No que se refere à linguagem Python, julgue os itens a seguir.

Considere o seguinte código, que armazena dados de produção de café de certa região.

fazendas = ["Fazenda A", "Fazenda B",

"Fazenda A", "Fazenda B"]

safras = [2023, 2023, 2024, 2024]

quantidades_kg = [1500, 2300, 1800, 2100]

dados = [

["Fazenda", "Safra", "Quantidade_ kg"],

[fazendas[0], safras[0],

quantidades_kg[0]],

[fazendas[1], safras[1],

quantidades_kg[1]],

[fazendas[2], safras[2],

quantidades_kg[2]],

[fazendas[3], safras[3],

quantidades_kg[3]],

]

Nessas condições, é correto afirmar que a execução do comando print(dados[3][2]) retornará o valor 2300.