Para lidar com valores ausentes em um conjunto de dados, é importante escolher a técnica adequada de pré-processamento. Vamos analisar as opções: a) Normalização - Esta técnica é utilizada para escalar os dados, mas não resolve o problema de valores ausentes. b) One-hot encoding - Essa técnica é usada para converter variáveis categóricas em um formato que pode ser fornecido a algoritmos de aprendizado de máquina, mas também não lida com valores ausentes. c) Imputação - Esta é a técnica que se refere ao preenchimento de valores ausentes com estimativas, como a média, mediana ou moda, e é a abordagem correta para lidar com dados faltantes. d) Redução de dimensionalidade - Essa técnica é utilizada para reduzir o número de variáveis em um conjunto de dados, mas não aborda diretamente os valores ausentes. Portanto, a alternativa correta é: c) Imputação.