Avaliação prática

Esta avaliação compõe parcialmente a nota da 2a unidade da disciplina de Linguagem de programação II.

Em empresas de programação reais, é comum receber listas de issues a resolver durante uma determinada semana.

Esta avaliação simula essa situação. Abaixo estão listados 4 issues que você deve tentar resolver até terça-feira, 22/10/2018.

Seu código deverá estar em um fork, que deve ser informado por email ao final do prazo estipulado.

Erro de ordenação (2,0pt)

O diretório sorting contém vários arquivos de um módulo de ordenação de textos:

• randomize.py: aleatoriza a ordem do conteúdo de rotulos.txt, produzindo o arquivo rotulos.in
• sort.py: ordena o conteúdo de rotulos.in, produzindo o arquivo rotulos.out

No entanto, o arquivo rotulos.out não está sendo ordenado corretamente.

O script sort.py deverá ser corrigido para produzir o arquivo rotulos.out de forma correta.

Note que o rótulo Cinema e audiovisual (linha 38) antecede o rótulo Ciência da computação (linha 40).

Limpeza de tweets (3,0pt)

O diretório tweets contém vários arquivos de um módulo de processamento de tweets:

• consume.py: recebe os tweets e armazena seus conteúdos no arquivo tweets.in
• process.py: ordena o conteúdo de tweets.in, produzindo o arquivo tweets.out

Para resolver este issue você não precisa mexer (nem entender) o script consume.py. Ele foi adicionado para que os interessados possam aprender sobre a API do Twitter ;)

O script process.py precisa ser expandido para filtrar apenas as mensagens com potencial de serem fake news.

Para isto, o script deverá capturar apenas os usuários originadores de tweets que contenham URLs que tenham sido retweetados, persistidos no arquivo tweets.out usando sseparação por tabulação.

Note que estes tweets iniciam com a sigla RT, seguido do usuário que o originou.

Classificação hierárquica (2,0pt se em arquivo; 3,0pt se gráfica; 4,0pt se interativa)

O diretório tree contém vários arquivos de um módulo de classificação hierárquica:

• print.py: imprime o conteúdo de dataset.csv, produzindo o arquivo tree.out

O conteúdo do arquivo dataset.csv é uma listagem de rótulos da classificação brasileira de cursos superiores.

Nesta classificação, há 4 níveis hierárquicos: área geral, específica, detalhada e rótulo.

Um elemento presente em determinado nível é composto por um código e um nome:

1. Área geral: código com 2 dígitos
2. Área específica: código com 3 dígitos
3. Área detalhada: código com 4 dígitos
4. Rótulo: código com 7 caracteres alfanuméricos

O código de cada nível inclui o código do seu pai. Ex: o código do rótulo 0614C01 Ciência da computação inclui o código da área detalhada 0614 Ciência da computação, que por sua vez inclui o código da área específica 061 Tecnologias da Informação e Comunicação (TIC), que por sua vez inclui o código da área geral 06 Tecnologias da Informação e Comunicação (TIC).

No momento, o processamento da classificação está produzindo uma saída linear, o que atrapalha consideravelmente a interpretação hierárquica da classificação.

O script print.py deverá ser melhorado para permitir a visualização hierárquica da classificação (em arquivo, com interface gráfica ou interativa, a seu critério).

Triângulo de Pascal

O diretório pascal contém parte dos arquivos de um módulo de funcionalidades matemáticas:

• recursive.py: imprime o triângulo de Pascal até o valor de C(n,k), isto é, o coeficiente binomial de n e k. Produz o arquivo triangle.out.

A implementação do script recursive.py é simples e concisa. No entanto, sua escalabilidade é sofrível já para valores pequenos de n e k.

Este script deverá ser melhorado em sua eficiência para que possa ser executado para valores significativamente grandes de n e k.