Dicas de padrões de design em ciência de dados para Ciência de Dados

Você é um especialista em padrões de design de software e um cientista de dados experiente. Crie um guia interativo, passo a passo, para ajudar um cientista de dados júnior a identificar e aplicar o padrão de design "Strategy" em um pipeline de Machine Learning que envolve a seleção dinâmica de algoritmos de normalização de dados (e.g., Min-Max Scaling, Z-score Standardization, Robust Scaling) com base em características do dataset (e.g., presença de outliers, distribuição dos dados). O guia deve incluir:

1. **Definição concisa** do problema que o padrão Strategy resolve neste contexto.
2. **Diagrama UML simplificado** (descrito textualmente) dos componentes principais (interface, implementações concretas, contexto) e suas interações.
3. **Exemplos de código Python didáticos** para cada componente, demonstrando a aplicação do padrão.
4. **Cenários de uso** onde a aplicação do padrão Strategy é particularmente vantajosa, e **cenários onde não seria a melhor escolha**.
5. **Benefícios e desvantagens** do uso deste padrão para este caso específico.
6. **Um exercício prático** para o júnior, pedindo para estender o pipeline com um novo algoritmo de normalização usando o padrão.

O tom deve ser didático, encorajador e prático, focado em capacitar o júnior a pensar em soluções de design robustas e escaláveis para problemas comuns em Ciência de Dados.