Questão 30916 de Tecnologia da Informação - Fundação CESGRANRIO 2024

Questão

ID 30916

Disciplina: Tecnologia da Informação

Assuntos: PyTorch (Deep Learning), TensorFlow (Deep Learning), XML

Ano: 2024 Banca: Fundação CESGRANRIO Órgão: Caixa Econômica Federal

Para cientistas de dados, usar bibliotecas de Python 3.9 é crucial, mas também desafiador. A variedade e a constante evolução das opções exigem domínio das diferentes sintaxes e funcionalidades. Além disso, é fundamental otimizar o desempenho e garantir a interoperabilidade entre essas bibliotecas. Dominar esse ecossistema é uma habilidade essencial para extrair insights significativos dos dados.

No processo de escolha, o cientista de dados deverá atentar que a biblioteca

Alternativa A:
NumPy oferece rotinas de tratamento de dados como groupby, merge e join, e que a Matplotlib fornece execução eficiente em transformadores, CPUs, GPUs e TPUs.
Alternativa B:
Pandas oferece estruturas de dados e algoritmos espaciais para tratamento de imagens multidimensionais, e que a Matplotlib fornece suporte para redes neurais profundas.
Alternativa C:
PyTorch adota o modelo computacional dinâmico (Define-by-Run), e que a TensorFlow utiliza o modelo estático (Define-and-Run).
Alternativa D:
Scikit-learn oferece tensores para geração de autovalores e autovetores, e que a Pandas fornece um sistema de diferenciação automática de computação de gradientes.
Alternativa E:
TensorFlow oferece suporte a diversos tipos de dados, tais como JSON e SQL, e que a SciPy nativamente desenha múltiplos gráficos dentro de uma mesma figura.

Estatísticas Cadernos

Questão 30916

Continue estudando na plataforma