ATIVIDADES ASSINCRONAS 24OUT

Considerando os princípios da Ciência de Dados, partimos sempre da elaboração de uma (a)   para em seguida iniciarmos a etapa de (b)   . Após isso, passamos por um processo de (c)   para finalmente (d)   .

• análise de dados
• obtenção de dados
• entender o mundo
• questão

   Sobre os princípios da Ciência de Dados, escolha a alternativa correta:

•      O campo da Ciência de Dados trabalha com o desenvolvimento de algoritmos para resolução de problemas complexos.

•     O campo da Ciência de Dados trabalha exclusivamente com dados estatísticos e, portanto, não se relaciona com o trabalho com linguagens de programação.

•    Um dos principais princípios da Ciência de Dados é a análise de dados do passado para que se possa tomar decisões para o futuro.

•     Para se trabalhar com Ciência de Dados é necessário apenas ter conhecimento de HTML e CSS, que será usado para criar gráficos e tabelas em sites.

  Qual é o propósito de gerar relatórios ao final de cada ciclo de Ciência de Dados?

•      Validar a coleta de dados

• Tomar decisões e apresentar soluções

•      Desenvolver novas ferramentas

•    Melhorar o design gráfico

   O que é "Storytelling" no contexto de Ciência de Dados?

•      A criação de histórias fictícias

•     A capacidade de gerar relatórios e gráficos que expliquem os dados

•    A escrita de artigos acadêmicos

•       A programação de sites interativos

RESPONDA COM VERDADEIRO(V) OU FALSO AS QUESTÕES ABAIXO

O ciclo da ciência de dados pode ser iniciado sem uma questão​ (a)  

O ciclo da ciência de dados pode ser iniciado sem uma questão ​ (b)  

Embora grande parte do mercado utilize Python para analisar dados, é possível Fazer isso com outras linguagens como C#, por exemplo​ (c)  

Para ser um cientista de dados não precisa obrigatoriamente conhecer linguagem de programação​ (d)  

• VERDADEIRO
• FALSO

  Qual é a importância da limpeza de dados no processo de Ciência de Dados?

•      Para garantir que os dados sejam precisos e utilizáveis

•     Para aumentar o volume de dados disponíveis

•    Para criar novos algoritmos de aprendizado de máquina

•      Para melhorar a estética dos relatórios