Pular para o conteúdo principal

Questão de Engenharia de Software — Inteligencia Artificial — CESPE / CEBRASPE 2024

Engenharia de SoftwareInteligencia Artificial
Código
ce174658
Banca
CESPE / CEBRASPE
Órgão
INPI
Ano
2024
Nível
Superior
Cargo
Pesquisador Em Propriedade Industrial – Área: P5 – Instrumentos E Processos De Medição De Grandezas Físicas, Químicas E Biomédicas/Sensores E Biosensores/Aparelhos De Diagnóstico E Terapia/Biomecânica
Julgue o item subsequente, com relação a aprendizado de máquina, que é uma forma de inteligência artificial com vasta aplicação na área de diagnóstico por imagem.No aprendizado não supervisionado, o modelo é treinado com base em um conjunto de entradas (por exemplo, dados extraídos de imagens médicas de vários pacientes) e de saídas corretas associadas a cada uma dessas entradas (por exemplo, o diagnóstico de cada paciente).
  1. CCerto
  2. EErrado
Revelar gabarito e comentário

GabaritoE — Errado

Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.

Aprendizado supervisionado vs não supervisionado

❌ ERRADO. O item descreve, na verdade, o aprendizado supervisionado, e não o não supervisionado. No aprendizado não supervisionado, o modelo recebe apenas dados de entrada sem qualquer rótulo ou saída correta, devendo descobrir padrões, agrupamentos ou estruturas ocultas por conta própria.

Gabarito: E — Errado.

A frase do enunciado — "conjunto de entradas e de saídas corretas associadas a cada uma dessas entradas" — é a definição clássica de aprendizado supervisionado, em que o algoritmo é treinado com um conjunto de pares (entrada, saída desejada) para aprender a mapear entradas a saídas. Exemplos: classificação de diagnósticos a partir de imagens rotuladas, regressão para prever valores numéricos.

Já no não supervisionado, não há saídas pré-definidas. O modelo recebe apenas os dados de entrada e tenta encontrar similaridades, padrões ou agrupamentos (clusters). Exemplo: segmentar imagens médicas em regiões sem rótulos prévios.

Característica

Supervisionado

Não supervisionado

Dados de treino

Pares (entrada, saída rotulada)

Apenas entrada, sem rótulos

Objetivo

Aprender mapeamento entrada→saída

Descobrir padrões intrínsecos

Exemplos

Classificação, regressão

Clustering, redução de dimensionalidade

PEGA ESSA DICA!

Na prova, lembre-se: supervisionado tem supervisor (rótulo / gabarito) que guia o aprendizado. Não supervisionado = sem supervisor, o algoritmo "se vira" sozinho para achar estrutura nos dados.

❌ ERRADO (gabarito: E).

Link permanente: /questoes/ce174658