Resolução - (032 99116 - 4945) - Roteiro de Aula Prática - Linguagem de Programação - Machine Learning Com Python
Enviado por
academicaconsultoria69Resolução - (032 99116 - 4945) - Roteiro de Aula Prática - Linguagem de Programação - Machine Learning Com Python
Enviado por
academicaconsultoria69Roteiro
Aula Prática
LINGUAGEM DE PROGRAMAÇÃO
ROTEIRO DE AULA PRÁTICA
NOME DA DISCIPLINA: LINGUAGEM DE PROGRAMAÇÃO
Unidade: 4 – APLICAÇÕES COM PYTHON
Aula: 4 – MACHINE LEARNING COM PYTHON
OBJETIVOS
✓ Compreender os conceitos de machine learning.
✓ Realizar técnicas de machine learning.
SOLUÇÃO DIGITAL
• Google Colab
LINK SOLUÇÃO DIGITAL (EXCETO ALGETEC): https://colab.google/
O Google Colab, ou Colaboratory, é uma plataforma gratuita baseada na nuvem oferecida pelo
Google. Ela fornece um ambiente de notebook interativo e colaborativo que permite a criação e
execução de código diretamente no navegador, sem a necessidade de configurar ou instalar
qualquer software no seu computador.
PROCEDIMENTO/ATIVIDADE
ATIVIDADE PROPOSTA:
Você foi contratado para criar um modelo de Machine Learning que classifica espécies de flores Iris
com base em características como comprimento e largura das sépalas e pétalas. Você usará o
TensorFlow para construir, treinar e avaliar o modelo.
Passo 1: Importar Bibliotecas e Carregar Dados
• Usar bibliotecas como tensorflow, pandas e scikit-learn.
• Carregar o conjunto de dados Iris disponível no scikit-learn.
# Importar bibliotecas
import tensorflow as tf
import pandas as pd
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
# Carregar conjunto de dados Iris
2
iris = load_iris()
X = iris.data
y = iris.target
Passo 2: Pré-processamento dos Dados
• Dividir o conjunto de dados em treinamento e teste.
• Normalizar os dados.
Passo 3: Construir o Modelo
• Usar TensorFlow para construir um modelo de rede neural simples.
Passo 4: Treinar o Modelo
• Treinar o modelo com os dados de treinamento
Passo 5: Avaliar o Modelo
• Avaliar a precisão do modelo usando os dados de teste.
Passo 6: Fazer Previsões
• Fazer previsões com o modelo treinado
PROCEDIMENTOS PARA A REALIZAÇÃO DA ATIVIDADE:
• Acesse o Google Colab e crie um novo notebook.
• Implemente as funcionalidades solicitadas usando as instruções e dicas fornecidas.
• Teste o código com diferentes entradas para garantir que ele está funcionando
corretamente.
• Comente o código para explicar cada parte da lógica implementada.
CHECKLIST:
• Acessar o Google Colab e criar um novo notebook.
• Copiar e colar o código inicial no notebook.
• Implementar as funcionalidades de adicionar notas, calcular média, determinar situação e
exibir relatório final.
• Testar o código com diferentes entradas.
• Comentar o código para explicar a lógica implementada.
• Tire um print do código executado pelo menos uma vez.
RESULTADOS
3
Para comprovar a realização da atividade, é necessario entregar um relatório no formato .docx ou
.pdf, contendo:
• Tire um print do código executado pelo menos uma vez.
• Escreva brevemente a lógica utilizada para realizar a atividade
RESULTADOS DE APRENDIZAGEM:
Espera-se que o aluno seja capaz de produzir o código em Python de forma que contemple as
lógicas e conteudos abordados na unidade.
