GabaritoC — Keras.
Gabarito: letra C. Keras é a biblioteca que se destaca por sua arquitetura modular e extensível, permitindo rápida experimentação com redes neurais profundas. Foi projetada como uma interface de alto nível, podendo rodar sobre TensorFlow, Theano ou CNTK, focando na facilidade de uso e na prototipagem.
A questão testa o conhecimento das principais bibliotecas de machine learning em Python. Keras é a única entre as opções que é descrita como modular e extensível, e foi criada especificamente para permitir experimentação rápida com deep learning. PyTorch e TensorFlow são também frameworks poderosos, mas sua arquitetura é menos modular no sentido de Keras (embora ambos tenham APIs de alto nível). NumPy e SciPy são bibliotecas numéricas e científicas, não focadas em aprendizado de máquina.
NumPy (escrito como NumPyName na opção) é uma biblioteca fundamental para computação numérica em Python, mas não é uma biblioteca de aprendizado de máquina focada em redes neurais profundas.
PyTorch é um framework de deep learning desenvolvido pelo Facebook, mas sua arquitetura é mais dinâmica e não é descrita como "modular e extensível" da mesma forma que Keras; além disso, a questão menciona "arquitetura modular e extensível" que é uma característica clássica do Keras.
Keras é uma API de redes neurais de alto nível, escrita em Python, que permite fácil e rápida experimentação. Sua filosofia é ser modular, extensível e minimalista. Foi originalmente desenvolvida por François Chollet e se tornou a interface oficial do TensorFlow.
SciPy é uma biblioteca para computação científica (integração, otimização, etc.), não possui foco em deep learning.
TensorFlow é um framework completo de machine learning, mas sua arquitetura é mais complexa e não tão "modular e extensível" no sentido de plug-and-play como Keras. Além disso, Keras é a resposta clássica para essa descrição.
Nas provas de Python para machine learning, lembre-se: Keras é a camada de alto nível (modular, extensível, prototipagem rápida); TensorFlow e PyTorch são os motores de baixo nível. NumPy e SciPy são para computação numérica, não para redes neurais.
Gabarito: letra C.
Link permanente: /questoes/qq897114