Quando um cientista de dados se depara com um problema, e passa para etapa de resolvê-lo, ele precisa construir um pipeline (linha sequencial de aç...

Quando um cientista de dados se depara com um problema, e passa para etapa de resolvê-lo, ele precisa construir um pipeline (linha sequencial de ações) para chegar até uma solução. Assinale abaixo o pipeline mais adequado para utilizar em um problema real:

A) extração de dados ausentes e outliers, seleção e ou extração de características, normalização dos dados, criação dos conjuntos de treino e teste, passagem dos dados pelo modelo de aprendizagem de máquinas, análise do resultado.

B) extração de dados ausentes e outliers, criação dos conjuntos de treino e teste, seleção e ou extração de características, passagem dos dados pelo modelo de aprendizagem de máquinas, normalização dos dados, análise do resultado.

C) normalização dos dados, extração de dados ausentes e outliers, seleção e ou extração de características, passagem dos dados pelo modelo de aprendizagem de máquinas, análise do resultado, criação dos conjuntos de treino e teste.

D) extração de dados ausentes e outliers, análise do resultado, seleção e ou extração de características, criação dos conjuntos de treino e teste, normalização dos dados, passagem dos dados pelo modelo de aprendizagem de máquinas.

E) extração de dados ausentes e outliers, passagem dos dados pelo modelo de aprendizagem de máquinas, seleção e ou extração de características, normalização dos dados, criação dos conjuntos de treino e teste, análise do resultado.