SPAdes e Canu são ferramentas específicas utilizadas no pré-processamento e controle de qualidade de dados brutos de sequenciamento de tecnologias de alto rendimento.

Nextflow e Snakemake são gerenciadores de fluxo de trabalho baseados em DSL, que são linguagens de programação desenvolvidas para atender a uma necessidade específica em domínio específico.

Os gerenciadores de fluxo de trabalho gráficos como o Galaxy dão suporte à interação do usuário por meio de uma interface gráfica de usuário e permitem a criação de pipelines computacionais complexos sem que o usuário tenha experiência em programação.

Julgue os itens a seguir, no que se refere à ciência de dados e à inteligência artificial.

A EDA (exploratory data analysis) utiliza ferramentas como gráficos de dispersão, correlações e histogramas para descobrir padrões, relações ocultas e tendências importantes nos dados, como sazonalidade e correlação entre variáveis.

Julgue os itens seguintes, relativos à ciência de dados.

Diferentemente do ETL (extração, transformação e carga), o ELT carrega os dados para que sejam manipulados em um data lake, que é um ambiente preparado para armazenar dados, estruturados e não estruturados, em larga escala.

A gestão da informação em relações institucionais e governamentais pode beneficiar-se do uso da inteligência artificial para a extração e tratamento de dados, que supera a ocorrência de vieses por meio de algoritmos avançados.

Em relação ao método científico e à gestão da informação e da inovação, julgue os itens a seguir.

Com a propagação da inteligência artificial, a ciência e o método científico têm perdido espaço, na medida em que os algoritmos já trazem em si o método, tornando moroso e desnecessário o estudo de regras e etapas da metodologia científica.

Em relação à transmissão, registro, armazenagem e recuperação da informação, julgue os itens a seguir.

A principal função dos sistemas de recuperação de informação é atuar como interface entre um público de usuários e o universo dos recursos informacionais.

import pandas as pd
mydataset = {
'carro': [“BMW”, “Volvo”, “Ford”],
'passagens': [3, 7, 2]
}
myvar = pd.DataFrame(mydataset)
print(myvar)

A respeito do trecho de código Python precedente, julgue o item a seguir.

Ao executar o referido trecho de código pandas, será exibido um DataFrame com as colunas carro e passagens com os respectivos valores e índices automaticamente gerados.

X, y = load_and_preprocess_data(“data.csv”)
X_train, X_test, y_train, y_test = 
  train_test_split(X, y, test_size=0.2, random_state=42)
model = LinearRegression()
model.fit(X_train, y_train)
y_pred = model.predict(X_test)
mae = mean_absolute_error(y_test, y_pred)
mse = mean_squared_error(y_test, y_pred)
rmse = mean_squared_error(y_test, y_pred,
squared=False)
print(f"MAE: {mae}")
print(f"MSE: {mse}")
print(f"RMSE: {rmse}")
joblib.dump(model,
  "linear_regression_model.pkl")

Essencialmente, y_pred contém as previsões do modelo sobre os valores correspondentes de saída que o modelo estima com base nas características fornecidas em X_test.