Questão de TI - Ciência de Dados e Inteligência Artificial — Python (Conceitos Gerais e Códigos) — FCC 2026

Durante o desenvolvimento de um sistema de triagem automática de denúncias em um Ministério Público, a equipe de MLOps precisa validar o desempenho de um modelo de Árvore de Decisão antes de integrá-lo ao pipeline de produção.

O código em Python abaixo mostra parte da rotina de treinamento e teste.

from sklearn.tree import DecisionTreeClassifier

from sklearn.model_selection import train_test_split

from sklearn.metrics import accuracy_score

import numpy as np

X = np.array([[2, 3], [5, 10], [1, 1], [4, 8], [3, 5], [6, 12]])

y = np.array([0, 1, 0, 1, 0, 1])

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

arvore_decisao = DecisionTreeClassifier(max_depth=3)

arvore_decisao.fit(X_train, y_train)

I

print("Acurácia do modelo:", round(accuracy, 2))

Sabendo que o código será executado em condições ideias, a lacuna I deve ser preenchida, para avaliar corretamente o desempenho do modelo após o treinamento, com: