Questões de Pré-processamento de Dados

Explore questões resolvidas de Pré-processamento de Dados. Acesse respostas e explicações detalhadas para estudar e evoluir.

96% confiança
Na preparação dos dados para modelagem de machine learning, diversas técnicas são aplicadas para garantir que os dados estejam prontos para o treinamento eficaz dos modelos. Cada técnica é utilizada de acordo com as características específicas do problema e dos dados disponíveis. Abaixo, três assertivas são apresentadas, cada uma descrevendo uma técnica de pré-processamento de dados. Relacione cada assertiva com o conceito de modelagem de dados ao qual ela mais diretamente contribui. Bloco 1: A) Codificação one-hot de variáveis categóricas. B) Normalização min-max. C) Imputação de valores ausentes. Bloco 2: I – Melhoria da consistência dos dados para treinamento de modelos sensíveis à escala. II – Adaptação de dados não numéricos para modelos que requerem entradas numéricas. III – Manutenção da integridade do conjunto de dados ao lidar com entradas incompletas.
engenharia-de-atributos machine-learning pre-processamento-de-dados
94% confiança
A equipe do Laboratório de Bioinformática Genômica, em um centro de análise de big data, está desenvolvendo um modelo avançado de Inteligência Artificial Generativa para prever a estrutura tridimensional de proteínas, um desafio crucial na descoberta de novos fármacos. Contudo, o projeto enfrenta uma barreira significativa: a base de dados inicial, compilada de diversas fontes públicas e experimentos preliminares, apresenta inconsistências notáveis. Registros de sequências de aminoácidos contêm caracteres inválidos, valores de temperatura de cristalização estão ausentes em múltiplas entradas, e as referências numéricas para o grau de hidrofobicidade das cadeias polipeptídicas aparecem formatadas de maneira não padronizada, ora como inteiros, ora como decimais com precisão variável. Essa heterogeneidade e imprecisão dificultam o pré-processamento e a alimentação dos algoritmos de machine learning, comprometendo a acurácia e a robustez do modelo preditivo. Identifique os tipos de dados fundamentais que a equipe de bioinformática deve considerar na fase de limpeza e estruturação para garantir a integridade do modelo. Assinale a alternativa que apresenta a combinação mais adequada.
bioinformatica ciencia-de-dados computacao