Desafio de Entrevista em Ciência de Dados

Conteúdo do Curso

Desafio de Entrevista em Ciência de Dados

Desafio de Entrevista em Ciência de Dados

1. Python

Introdução Desafio 1: Compreensão de Lista Desafio 2: Manipulação de Strings Desafio 3: Manipulação de Dicionário Desafio 4: Laços Aninhados Desafio 5: Classes Perguntas Teóricas

2. NumPy

Desafio 1: Criação de Array Desafio 2: Manipulação de Array Desafio 3: Insights Estatísticos Desafio 4: Tratamento de Valores Ausentes Desafio 5: Ordenação de Subarranjo Questões Teóricas

3. Pandas

Desafio 1: Criação de DataFrame Desafio 2: Agrupamento de Dados Desafio 3: Indexação e MultiIndexação Desafio 4: Alterando DataFrame Desafio 5: Iterando Sobre Dados Questões Teóricas

4. Matplotlib

Desafio 1: Fundamentos da Construção de Gráficos Desafio 2: Outros Tipos de Gráficos Desafio 3: Subtramas Desafio 4: Personalizando Gráficos Desafio 5: Adicionando Texto aos Gráficos Questões Teóricas

5. Seaborn

Desafio 1: Visualizando Distribuições Desafio 2: Explorando Dados Categóricos Desafio 3: Gráficos Relacionais Desafio 4: Gráficos de Regressão Desafio 5: Gráficos de Matriz Questões Teóricas

6. Estatísticas

Desafio 1: Probabilidades e Distribuições Desafio 2: Teorema de Bayes Desafio 3: Teste de Hipóteses Desafio 4: Intervalos de Confiança Desafio 5: Correlação Questões Teóricas

7. Scikit-learn

Desafio 1: Escalonamento de Dados Desafio 2: Criação de Modelo Básico Desafio 3: Pipelines Desafio 4: Validação Cruzada Desafio 5: Ajuste de Hiperparâmetros Questões Teóricas

Questões Teóricas

1. Como você lida com o sobreajuste em um modelo?

2. Explique a compensação entre viés e variância.

3. O que é parada antecipada no contexto do treinamento de um modelo?

4. Como você lidaria com conjuntos de dados desbalanceados?

5. Qual das seguintes opções descreve melhor a diferença entre normalização de dados e dimensionamento?

6. Como funciona a validação cruzada?

7. Qual afirmação descreve melhor a diferença entre precisão e revocação?

8. Quais tipos de modelos são utilizados pelo método de ensemble bagging?

9. Como funciona o algoritmo de Random Forest?

10. Qual dos seguintes não é um método de conjunto?

11. Em qual cenário a alta sensibilidade é mais importante do que a alta precisão?

Como você lida com o sobreajuste em um modelo?

Selecione algumas respostas corretas

Aumentando a quantidade de dados de treinamento.

Ao utilizar aumento de dados.

Ao utilizar modelos altamente complexos.

Ao utilizar uma técnica de regularização.

Explique a compensação entre viés e variância.

Selecione a resposta correta

Trata-se de escolher o número ótimo de clusters no KMeans.

É o equilíbrio entre a flexibilidade de um modelo e sua capacidade de generalizar para dados não vistos.

É a compensação entre a regularização L1 e L2.

É a decisão entre interromper o treinamento mais cedo ou treinar por mais épocas.

O que é parada antecipada no contexto do treinamento de um modelo?

Selecione a resposta correta

Trata-se de uma técnica de regularização que envolve a magnitude dos coeficientes.

É um método para prevenir o sobreajuste, terminando o treinamento assim que uma determinada condição é atendida, geralmente quando a perda de validação começa a aumentar.

É uma técnica para equilibrar conjuntos de dados.

Como você lidaria com conjuntos de dados desbalanceados?

Selecione algumas respostas corretas

Ao utilizar técnicas de regularização L1 ou L2.

Com parada antecipada durante o treinamento.

Ao usar métodos como sobreamostragem, subamostragem ou geração de dados sintéticos.

Ao adicionar pesos às classes.

Qual das seguintes opções descreve melhor a diferença entre normalização de dados e dimensionamento?

Selecione a resposta correta

A normalização se refere a fazer com que os dados sigam uma distribuição gaussiana, enquanto a padronização ajusta a amplitude dos dados.

A escalada envolve converter dados para um intervalo entre 0 e 1, enquanto a normalização torna os dados centrados em zero.

Tanto a normalização quanto a escala ajustam a amplitude dos dados para entre 0 e 1.

Como funciona a validação cruzada?

Selecione a resposta correta

Ele treina o modelo em todo o conjunto de dados e, em seguida, testa no mesmo conjunto de dados.

Ele divide o conjunto de dados em 'k' partições iguais e utiliza cada partição como um conjunto de teste, enquanto as partes restantes como conjunto de treinamento, iterando 'k' vezes.

Ele treina o modelo uma vez em um subconjunto aleatório e testa nos dados restantes.

Ele testa o modelo 'k' vezes no mesmo conjunto de validação após treinar em todo o conjunto de dados.

Qual afirmação descreve melhor a diferença entre precisão e revocação?

Selecione a resposta correta

A precisão é o número de verdadeiros positivos dividido pelo número de verdadeiros positivos mais falsos negativos, enquanto a revocação (recall) é o número de verdadeiros positivos dividido pelo número de verdadeiros positivos mais falsos positivos.

A precisão mede o número de previsões corretas, enquanto a revocação mede o número de previsões falsas.

A precisão foca na exatidão das predições positivas, enquanto a revocação (recall) concentra-se em capturar o maior número possível de positivos.

Quais tipos de modelos são utilizados pelo método de ensemble bagging?

Selecione a resposta correta

Diferentes tipos de modelos para cada conjunto.

Modelos do mesmo tipo para cada conjunto.

Exclusivamente para Árvores de Decisão.

Exclusivamente para Redes Neurais superficiais.

Como funciona o algoritmo de Random Forest?

Selecione a resposta correta

Ele constrói múltiplas árvores de decisão e faz a média dos seus resultados.

Constrói uma única árvore de decisão com seleção aleatória de características.

Ele utiliza aleatoriedade para escolher a profundidade de uma única árvore de decisão.

Qual dos seguintes não é um método de conjunto?

Selecione a resposta correta

Potencialização

Ensacamento

Empilhamento

Escalonamento

Em qual cenário a alta sensibilidade é mais importante do que a alta precisão?

Selecione a resposta correta

Recomendando produtos para compradores online.

Filtrando e-mails de spam.

Diagnóstico de uma doença rara e letal.

Identificando anúncios adequados para usuários com base no histórico de navegação deles.

Tudo estava claro?

Como podemos melhorá-lo?

Obrigado pelo seu feedback!

Seção 7. Capítulo 6

We're sorry to hear that something went wrong. What happened?

some-alt