Pular para o conteúdo principal

Questão de Programação — Linguagens de programação — CESPE / CEBRASPE 2024

ProgramaçãoLinguagens de programação
Código
ce172797
Banca
CESPE / CEBRASPE
Órgão
CTI
Ano
2024
Nível
Superior
Cargo
Tecnologista Pleno 2 - I - Especialidade: Tecnologias Habilitadoras - Área de Atuação: Inteligência Artificial e Ciências de Dados
Julgue o próximo item, relativos a linguagens, ferramentas e bibliotecas que facilitam a criação, o treinamento e a implantação de modelos de software com aprendizado de máquina.A biblioteca Scikit-learn do Python inclui métricas de avaliação padrão, métodos para validação cruzada, busca de hiperparâmetros e outras ferramentas para avaliação do desempenho de modelos de classificação.
  1. CCerto
  2. EErrado
Revelar gabarito e comentário

GabaritoC — Certo

Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.

Scikit-learn e aprendizado de máquina

✅ CERTO. O Scikit-learn (sklearn) é a principal biblioteca de aprendizado de máquina em Python. Ela oferece, de fato, métricas de avaliação padrão (como acurácia, precisão, recall, F1-score), métodos de validação cruzada (ex.: cross_val_score), busca de hiperparâmetros (ex.: GridSearchCV, RandomizedSearchCV) e diversas ferramentas para avaliar o desempenho de modelos de classificação e regressão. Essas funcionalidades são amplamente documentadas e utilizadas em projetos de ciência de dados, sendo parte dos módulos sklearn.metrics, sklearn.model_selection e sklearn.svm entre outros. Portanto, a afirmação está correta.

1Métricas de avaliação
Acurácia
Precisão
Recall
F1-score
2Validação cruzada
cross_val_score
3Busca de hiperparâmetros
GridSearchCV
RandomizedSearchCV
4Módulos
sklearn.metrics
sklearn.model_selection
Scikit-learn (sklearn)
LEVELsoulevel.com.br
Scikit-learn (sklearn): Métricas de avaliação (Acurácia, Precisão, Recall, F1-score); Validação cruzada (cross_val_score); Busca de hiperparâmetros (GridSearchCV, RandomizedSearchCV); Módulos (sklearn.metrics, sklearn.model_selection)

Gabarito: Certo (C).

Link permanente: /questoes/ce172797