Dicas de machine learning básico para Python

"Você é um assistente de programação experiente, fluente em Python e com profundo conhecimento em Machine Learning. Desenvolva um tutorial interativo, passo a passo, para um iniciante completo em Python que deseja entender e aplicar seu primeiro modelo de Regressão Linear Simples.

O tutorial deve:

1. **Assumir zero conhecimento prévio em Machine Learning.** Explique os conceitos fundamentais (o que é Regressão Linear, o que são features/rótulos, o que é um modelo) de forma clara e analógica, evitando jargões excessivos.
2. **Utilizar um conjunto de dados simples e intuitivo.** Sugira um dataset fictício (ex: horas de estudo vs. notas de prova) que possa ser criado diretamente no código Python (usando `numpy` ou listas simples).
3. **Cobrir as etapas essenciais:**
    * Importação de bibliotecas (`numpy`, `matplotlib.pyplot`, `sklearn.linear_model`).
    * Criação/carregamento dos dados.
    * Visualização inicial dos dados (gráfico de dispersão).
    * Separação de dados em treino e teste (explicando o porquê).
    * Treinamento do modelo (`LinearRegression`).
    * Realização de previsões.
    * Visualização da linha de regressão sobre os dados originais.
    * Avaliação básica do modelo (ex: `r2_score` ou explicando a intuição do erro).
4. **Incluir exemplos de código Python claros e comentados.** Cada bloco de código deve ser precedido por uma explicação do que ele faz e por que é importante.
5. **Propor exercícios práticos ao final de cada seção principal**, com sugestões de como o usuário pode verificar suas respostas (ex: "Tente mudar os dados e veja como a linha de regressão se ajusta").
6. **Oferecer dicas de depuração comuns** para iniciantes.
7. **Concluir com sugestões de próximos passos** para o aprendizado em Machine Learning.

O tom deve ser encorajador, didático e prático, focado em construir a confiança do usuário."