Descrição
Esta atividade prática, pertencente à disciplina Linguagem de Programação (Unidade 4 – APLICAÇÕES COM PYTHON, Aula 4 – MACHINE LEARNING COM PYTHON), propõe o desenvolvimento de um modelo de Machine Learning em Python para classificação de espécies de Iris a partir de medidas de sépalas e pétalas. O exercício é conduzido em ambiente de notebook na nuvem, usando Google Colab (https://colab.google/), e tem como foco tanto o entendimento conceitual quanto a implementação prática das etapas típicas de um fluxo de trabalho em aprendizado de máquina.
O problema apresentado situa o aluno como contratado para criar um classificador que utilize TensorFlow para construir, treinar e avaliar uma rede neural simples sobre o conjunto de dados Iris disponível no scikit-learn. O roteiro especifica importação de bibliotecas (tensorflow, pandas, scikit-learn), carregamento do dataset Iris, pré‑processamento (divisão treino/teste e normalização com StandardScaler), construção do modelo, treinamento, avaliação de precisão e geração de previsões. A execução é pensada para ser feita em um notebook Colab, com instruções para testar diferentes entradas e comentar o código.
O que é desenvolvido nesta atividade
Desenvolve‑se a implementação prática de um pipeline de Machine Learning em Python: importar datasets e bibliotecas, pré‑processar os dados (train/test split e normalização), construir e treinar uma rede neural com TensorFlow, avaliar a acurácia usando dados de teste e realizar previsões com o modelo treinado. Como comprovação, exige‑se a entrega de um relatório em .docx ou .pdf contendo ao menos um print do código executado e uma descrição sucinta da lógica utilizada.
Principais conteúdos abordados
- Unidade 4 – Aplicações com Python; Aula 4 – Machine Learning com Python.
- Uso do Google Colab como ambiente de notebook (https://colab.google/).
- Bibliotecas: TensorFlow, pandas, scikit‑learn (load_iris, train_test_split, StandardScaler).
- Fluxo: importação de dados, pré‑processamento, construção de rede neural, treinamento, avaliação e previsões.
- Entrega: relatório (.docx ou .pdf) com print do código e breve explicação da lógica.
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
3
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
4
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.
Como se realizam os envios?
O seu trabalho é disponibilizado pronto, respondido e nas normas já na mesma hora aqui em nosso site na sua área de downloads e também no seu e-mail.
Em quanto tempo recebo o portfólio?
Os envios são imediatos. Após sua compra, o trabalho já é disponibilizado instantaneamente aqui em nosso site e no seu e-mail.
E se o portfólio que comprei precisar de correção?
Caso haja alguma solicitação de correção/alteração por parte do tutor, basta entrar em contato conosco pelo WhatsApp que providênciaremos sem custo algum.
Qual o formato do arquivo?
Os arquivos são enviados em formato Word e são editáveis.
Caso eu tiver alguma dúvida, terei suporte no pós venda?
Sim, com certeza. Basta clicar no ícone do WhatsApp no cantinho da tela. Será um prazer atendê-lo(a).
Quais os seus canais de contato?
Whatsapp: 53 984751621 – Clicar no canto da tela ou ESCANEIE O QRCODE ABAIXO
E-mail:portifoliosp@gmail.com
Portfólio em Word, respondido, completo e já nas normas
Prefere falar pelo WhatsApp?
Se estiver acessando pelo computador, escaneie o QR Code abaixo com a câmera do celular para abrir nosso atendimento no WhatsApp.
