Em projetos de machine learning, a análise exploratória de dados é fundamental para compreender a natureza e características dos dados. Durante essa etapa, é possível identificar padrões, anomalias e relações entre variáveis, além dos tratamentos necessários para otimizar o desempenho de um modelo. O poder computacional atual possibilitou uma expansão no uso de técnicas estatísticas, permitindo testar algoritmos de aprendizagem de máquina cada vez mais rapidamente. Um projeto de machine learning pode ser dividido em etapas similares ao ato de cozinhar: escolher ingredientes, prepará-los, fazer o preparo do prato e experimentar o resultado. Considerando o contexto da análise exploratória de dados em machine learning, analise as afirmações a seguir: I. A análise exploratória deve ser realizada apenas após o treinamento do modelo para validar os resultados. II. A identificação de padrões e anomalias durante a análise exploratória pode influenciar a escolha do algoritmo de machine learning. III. O tratamento de dados faltantes é uma etapa que pode ser identificada durante a análise exploratória. IV. A análise exploratória é dispensável quando se trabalha com datasets pequenos e bem estruturados. É correto o que se