Paulo está participando de um hackathon. O hackathon é um tipo de competição a qual envolve pessoas de diferentes perfis (incluindo, por exemplo, d...

Paulo está participando de um hackathon. O hackathon é um tipo de competição a qual envolve pessoas de diferentes perfis (incluindo, por exemplo, desenvolvedores, analistas de sistemas, cientistas de dados e designers) para a resolução de um desafio com o desenvolvimento de um software em um prazo curto – geralmente, durante um final de semana ininterrupto. O hackathon que Paulo está participando é organizado por uma rede de hipermercados da região que, como objetivo, propõe o desenvolvimento de um software para prever o comportamento dos consumidores nos próximos dias com o intuito de manter as prateleiras sempre com produtos e, ao mesmo tempo, evitando desperdícios em dias de menor movimento. Sendo assim, Paulo pensa em criar um algoritmo de séries temporais usando Python para prever as compras no futuro.

Considerando o texto-base acima, analise as seguintes afirmativas:

I. Para treinar um algoritmo preditivo para séries temporais precisaremos, pelo menos, de dois atributos: a data e o valor observado para aquela data.
II. Paulo poderá utilizar o Prophet como uma opção para desenvolver um algoritmo para a predição de séries temporais.
III. Para dividir a base em treinamento e teste devemos utilizar o train_test_split uma vez que o backtest somente deve ser utilizado para problemas de classificação e regressão que não envolvam séries temporais.
IV. O ARIMA é uma técnica estatística a qual também pode ser empregada para a previsão de séries temporais. Um dos seus parâmetros, por exemplo, estabelece quantas observações devem ser consideradas para calcular a média móvel (do inglês – moving average (MA)).

Assinale a alternativa a qual possui somente as afirmativas corretas.

I. Para treinar um algoritmo preditivo para séries temporais precisaremos, pelo menos, de dois atributos: a data e o valor observado para aquela data.
II. Paulo poderá utilizar o Prophet como uma opção para desenvolver um algoritmo para a predição de séries temporais.
III. Para dividir a base em treinamento e teste devemos utilizar o train_test_split uma vez que o backtest somente deve ser utilizado para problemas de classificação e regressão que não envolvam séries temporais.
IV. O ARIMA é uma técnica estatística a qual também pode ser empregada para a previsão de séries temporais. Um dos seus parâmetros, por exemplo, estabelece quantas observações devem ser consideradas para calcular a média móvel (do inglês – moving average (MA)).
A) I, II e IV.
B) I, III e IV.
C) Gabarito da Questão

I e IV.
D) I, II, III.