Um analista está trabalhando em um projeto sobre o desempenho de micro e pequenas empresas no Brasil. Os dados utilizados no projeto incluem informações como faturamento anual, número de empregados e distribuição geográfica por estado. O objetivo desse projeto é criar visualizações que facilitem a análise dessas informações e identifiquem tendências regionais e setoriais.

Considerando a situação hipotética apresentada e o volume e a complexidade dos dados utilizados, assinale a opção em que é descrita a abordagem mais apropriada para a criação de visualizações eficientes e informativas, utilizando-se em R ou em Python.

Assinale a opção em que é apresentado o código escrito em Python ou em R que, se executado, gerará um scatter plot para a visualização da relação entre quantidade de vendas e receita gerada por determinado produto, destacando a tendência linear entre essas variáveis.

Um profissional de dados está analisando um conjunto de dados com informações sobre as vendas de produtos em diferentes regiões ao longo do tempo. Seu objetivo é visualizar a tendência das vendas para cada região de forma clara e comparativa. Para isso, ele decidiu utilizar o em R.

Com base nessa situação hipotética, assinale a opção que apresenta o código que, se executado, gerará um gráfico de linhas que mostra a tendência de vendas ao longo do tempo para cada região, utilizando cores diferentes para cada região.

Assinale a opção correta a respeito da implantação de um modelo de classificação de árvore de decisão em Python.

Assinale a opção que corresponde à correta execução do código precedente, escrito em Python.

Considerando o código precedente, escrito em Python, assinale a opção que corresponde à sua correta execução.

A respeito da linguagem R, é correto afirmar que

Em relação aos conceitos do algoritmo k-means, julgue os itens a seguir.

I É importante continuar as iterações do algoritmo k-means até que a mudança na posição dos centroides entre as iterações seja menor que um limite predefinido.

II No coeficiente de silhueta, quanto mais próximo o coeficiente estiver de 1, menor a distância entre os clusters; 0 indica que os dados podem estar no cluster errado; valores negativos sugerem que o ponto está na borda.

III Apesar de um maior número clusters sempre reduzir o SSE (sum of squared errors), isso não significa que mais clusters sempre sejam melhores, pois um número muito grande de clusters pode levar a overfitting do modelo.

Assinale a opção correta.