Questão de Noções de Informática — Inteligência Artificial e Automação — CESPE / CEBRASPE 2025
Noções de Informática›Inteligência Artificial e Automação
Código
ce196305
Banca
CESPE / CEBRASPE
Órgão
CAESB-DF
Ano
2025
Nível
Superior
Cargo
Analista de Suporte ao Negócio - Analista de Sistemas
No que se refere ao aprendizado não supervisionado, julgue os próximos itens.I A análise de componentes principais é uma técnica de redução de dimensionalidade, cujo objetivo é a preservação da maior parte da variância dos dados por meio da redução de redundâncias e da simplificação da análise, sem que haja perda de informações importantes.II O algoritmo k-means utiliza dendrogramas para formar grupos de dados em que os pontos são atribuídos ao cluster mais próximo, determinado por centros calculados iterativamente, de modo a minimizar a soma das distâncias quadráticas.III Scikit-learn é uma biblioteca de aprendizado não supervisionado que permite o agrupamento de dados semelhantes, com técnicas como k-means e clusterização hierárquica, modelagem de dados complexos com distribuições gaussianas e redução da dimensionalidade.Assinale a opção correta.
ANenhum item está certo.
BApenas o item II está certo.
CApenas o item III está certo.
DApenas os itens I e II estão certos.
EApenas os itens I e III estão certos.
Revelar gabarito e comentário▾
GabaritoE — Apenas os itens I e III estão certos.
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 Não Supervisionado
Gabarito: letra E. Apenas os itens I e III estão corretos. O PCA reduz dimensionalidade preservando a variância (I certo). O k-means não utiliza dendrogramas (II errado). O Scikit-learn oferece k-means, clusterização hierárquica, GMM e PCA (III certo).
A banca testa a distinção entre técnicas de aprendizado não supervisionado, especialmente a diferença entre algoritmos de clusterização (particional vs. hierárquico) e redução de dimensionalidade.
Item I — ✅ Correto
A Análise de Componentes Principais (PCA) é uma técnica de redução de dimensionalidade que projeta os dados em um espaço de menor dimensão, retendo a maior parte da variância original. O item descreve corretamente seu objetivo: "preservação da maior parte da variância dos dados por meio da redução de redundâncias e da simplificação da análise, sem que haja perda de informações importantes". Conforme o conteúdo de apoio, PCA "encontra as características mais importantes que explicam a maior parte da variação nos dados".
Item II — ❌ Incorreto
O algoritmo k-means é um método de clusterização particional que agrupa dados em k clusters, cada um representado por seu centroide (média dos pontos do cluster). O processo iterativo minimiza a soma das distâncias quadráticas intra-cluster. Entretanto, o item afirma que o k-means "utiliza dendrogramas para formar grupos de dados". Isso é um erro: dendrogramas são representações gráficas típicas da clusterização hierárquica (aglomerativa ou divisiva), não do k-means. O conteúdo de apoio explica que dendrogramas são usados em algoritmos como AGNES e DIANA. O k-means não constrói hierarquias; ele particiona diretamente os dados.
Item III — ✅ Correto
Scikit-learn é uma biblioteca de aprendizado de máquina em Python que oferece implementações de diversos algoritmos não supervisionados. O item cita corretamente: k-means, clusterização hierárquica, modelagem de dados complexos com distribuições gaussianas (Gaussian Mixture Model - GMM) e redução de dimensionalidade (PCA). Todas essas técnicas estão disponíveis no scikit-learn, confirmado pelo conteúdo de apoio e.
Análise das Alternativas
Alternativa A — ❌ Incorreta
Afirma que nenhum item está certo, mas os itens I e III estão corretos.
Alternativa B — ❌ Incorreta
Afirma que apenas o item II está certo, mas o item II está errado (k-means não usa dendrogramas).
Alternativa C — ❌ Incorreta
Afirma que apenas o item III está certo, ignorando que o item I também está correto.
Alternativa D — ❌ Incorreta
Afirma que apenas os itens I e II estão certos, mas o item II está errado.
Alternativa E — ✅ Correta ⟵ GABARITO
Afirma que apenas os itens I e III estão certos, o que corresponde à análise correta.
NÃO CAIA NESSA!
O erro clássico é confundir o uso de dendrogramas: o k-means é particional e não gera dendrogramas; quem os utiliza é a clusterização hierárquica. A banca troca o termo "dendrograma" (próprio da hierárquica) pelo algoritmo k-means.