A preparação adequada dos dados é um aspecto crítico no processo de treinamento de modelos de inteligência artificial, especialmente de redes neurais. Este processo envolve diversas técnicas destinadas a otimizar tanto a precisão quanto a eficiência dos algoritmos de aprendizado. Dentre estas técnicas, a normalização é uma das mais relevantes, pois equaliza a influência de cada característica no modelo, prevenindo que variáveis com escalas amplas impactem negativamente a performance do algoritmo. Tal prática é importante para manter a consistência dos dados e para acelerar o processo de aprendizado ao facilitar o caminho do gradiente na busca pelo mínimo global da função de perda.

Com relação a este contexto e sobre o conteúdo estudado, analise as asserções a seguir e a relação proposta entre elas:

I. A normalização dos dados é um passo essencial na preparação dos dados para redes neurais, pois ajusta os valores das características para um intervalo comum.

PORQUE

II. A normalização ajuda a evitar que características com valores maiores dominem o aprendizado e melhora a convergência do modelo durante o treinamento.

A respeito dessas asserções, assinale a alternativa correta: