Etapas Obrigatórias do Projeto 1. Importação e leitura dos dados. 2. Análise exploratória com visualizações. 3. Tratamento de valores ausentes, duplicados e outliers. 4. Codificação de variáveis categóricas (se necessário). 5. Pré-processamento para classificação (scaling, vetorização se houver texto). 6. Divisão entre treino e teste. 7. Criação de pelo menos dois modelos classificadores. 8. Avaliação […]
Dicas – Explore bem os gráficos como `pairplot`, `heatmap`, `scatter`, `boxplot`. – Avalie o desempenho com **accuracy, f1-score, matriz de confusão**. – Utilize `train_test_split`, `StandardScaler`, `CountVectorizer`, `LogisticRegression`, `RandomForestClassifier`, `Naive Bayes`, entre outros. – Justifique as escolhas de modelo e mostre o raciocínio por trás das decisões. Para a entrega da atividade siga as seguintes orientações. […]
1. Importação e Leitura dos Dados import pandas as pd import seaborn as sns import matplotlib.pyplot as plt url = ‘https://raw.githubusercontent.com/mwaskom/seaborn-data/master/iris.csv’ df.head() # 2. Análise Exploratória (EDA) # Estatísticas descritivas # Informações do DataFrame # Gráfico de pares plt.show() # Heatmap de correlação (apenas colunas numéricas) plt.show() 3. Limpeza de Dados df.isnull().sum() df.duplicated().sum() […]
# 2. Análise Exploratória (EDA) # Estatísticas descritivas # Informações do DataFrame # Gráfico de pares plt.show() # Heatmap de correlação (apenas colunas numéricas) plt.show() 3. Limpeza de Dados df.isnull().sum() df.duplicated().sum() df.drop_duplicates(inplace=True) Pré-processamento from sklearn.preprocessing import LabelEncoder, StandardScaler # Transforma a coluna ‘species’ de string para número Escrever aqui o código -> […]
ATIVIDADE 3 – MUSIC – METODOLOGIA DO ENSINO DE MÚSICA – 53_2025 QUESTÃO 1 A música é uma linguagem universal que transcende palavras, despertando sentimentos e sensações profundas. Nada é mais eficaz e definitivo do que seu poder de impactar, emocionar, arrepiar e despertar os sentidos. Ensinar música vai além da leitura de ritmos e […]
3. Limpeza de Dados df.isnull().sum() df.duplicated().sum() df.drop_duplicates(inplace=True) Pré-processamento from sklearn.preprocessing import LabelEncoder, StandardScaler # Transforma a coluna ‘species’ de string para número Escrever aqui o código -> Escrever aqui o código -> # Padroniza as features numéricas (média 0, desvio-padrão 1) Escrever aqui o código -> Escrever aqui o código -> Escrever aqui […]
5. Separação de Dados from sklearn.model_selection import train_test_split X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42) 6. Criação dos Modelos from sklearn.ensemble import RandomForestClassifier from sklearn.naive_bayes import GaussianNB model1 = model2 = Escrever aqui o código -> Escrever aqui o código -> 7. Avaliação dos Modelos from sklearn.metrics import classification_report, confusion_matrix print(‘Random Forest’) y_pred1 […]
Pré-processamento from sklearn.preprocessing import LabelEncoder, StandardScaler # Transforma a coluna ‘species’ de string para número Escrever aqui o código -> Escrever aqui o código -> # Padroniza as features numéricas (média 0, desvio-padrão 1) Escrever aqui o código -> Escrever aqui o código -> Escrever aqui o código -> 5. Separação de Dados from […]
ATIVIDADE 2 – PED – LÍNGUA PORTUGUESA: LEITURA, PRODUÇÃO DE TEXTO E LITERATURA INFANTIL – 53_2025 QUESTÃO 1 A leitura está diretamente associada a habilidade de escrita, pois é um processo interativo que fundamenta para o aluno uma base de pensamento, conceitos e substrato linguístico que pode possibilitar uma boa produção de texto, segundo os […]
6. Criação dos Modelos from sklearn.ensemble import RandomForestClassifier from sklearn.naive_bayes import GaussianNB model1 = model2 = Escrever aqui o código -> Escrever aqui o código -> 7. Avaliação dos Modelos from sklearn.metrics import classification_report, confusion_matrix print(‘Random Forest’) y_pred1 = # mostre a matrix de confusão Escrever aqui o código -> #mostre o report classification Escrever […]