Questão de Engenharia de Software — Inteligencia Artificial — CESPE / CEBRASPE 2025
Engenharia de Software›Inteligencia Artificial
Código
ce199110
Banca
CESPE / CEBRASPE
Órgão
EMBRAPA
Ano
2025
Nível
Superior
Cargo
Analista – Área: Gestão da Informação – Subárea: Engenharia de Dados
Uma empresa recebe inúmeras solicitações de
atendimento referentes à garantia de seus produtos. Cada
solicitação descreve o defeito alegado pelo cliente, a data de
compra do produto ou serviço e outros detalhes. A empresa
deseja implantar um sistema que decida automaticamente se uma
solicitação deve ser aprovada ou negada, com base em exemplos
históricos de solicitações.
A partir da situação hipotética precedente, julgue o item a seguir, que versa sobre inteligência artificial e assuntos correlatos.A situação descrita representa um problema de classificação.
CCerto
EErrado
Revelar gabarito e comentário▾
GabaritoC — Certo
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 de máquina: classificação vs. regressão
Gabarito: Certo (C). A situação descrita é um problema de classificação porque o sistema deve atribuir a cada solicitação um rótulo discreto — "aprovada" ou "negada" — com base em exemplos históricos, o que caracteriza aprendizado supervisionado de classificação binária. O texto de apoio define exatamente isso: "Problemas de classificação são aqueles cujo objetivo é determinar a qual de diversas classes uma entidade pertence; em outras palavras, de prever um rótulo de classe."
O aprendizado de máquina (machine learning) é um subcampo da inteligência artificial que permite que sistemas aprendam padrões a partir de dados, sem serem explicitamente programados para cada regra. Quando o sistema é treinado com exemplos rotulados — ou seja, dados históricos que já contêm a resposta correta —, temos o aprendizado supervisionado. Dentro dele, há dois grandes tipos de problema: classificação e regressão. A distinção fundamental está na natureza da saída: a classificação prevê uma categoria discreta (rótulo), enquanto a regressão prevê um valor contínuo (número).
No caso da empresa, cada solicitação de garantia é uma entidade com atributos (defeito alegado, data de compra, etc.). O sistema deve decidir se ela pertence à classe "aprovada" ou à classe "negada". Como há exatamente duas classes possíveis, trata-se de um problema de classificação binária — o mesmo tipo de problema que classifica um e-mail como spam ou não spam. O fato de o sistema aprender a partir de exemplos históricos (solicitações anteriores com suas decisões) confirma que é aprendizado supervisionado, pois os dados de treinamento já vêm com os rótulos das decisões tomadas.
A confusão mais comum neste tema é entre classificação e regressão. Enquanto a classificação responde "a qual categoria pertence?", a regressão responde "qual é o valor?". Por exemplo, prever o tempo que um funcionário ficará na empresa é regressão (valor contínuo); prever se uma solicitação será aprovada ou negada é classificação (rótulo discreto). O texto de apoio reforça essa fronteira: "Os problemas de regressão são aqueles cujo objetivo é prever o valor de uma variável de saída de acordo com os valores de diversas variáveis de entrada."
Outra distinção relevante é entre aprendizado supervisionado e não supervisionado. No supervisionado, os dados de treinamento possuem rótulos (a resposta correta), e o modelo aprende a mapear entradas para saídas. No não supervisionado, não há rótulos — o modelo busca padrões ou agrupamentos nos próprios dados. A situação da empresa é claramente supervisionada, pois os exemplos históricos contêm as decisões (aprovada/negada) que servem como rótulos para o treinamento.
NÃO CAIA NESSA!
A banca pode tentar confundir o candidato apresentando a situação como um problema de regressão, já que há "detalhes" numéricos (data de compra). Mas o que define o tipo de problema é a saída: como a decisão final é um rótulo discreto (aprovada/negada), e não um valor contínuo, é classificação. Fique atento: se a saída for uma categoria, é classificação; se for um número contínuo, é regressão.
PEGA ESSA DICA!
Para identificar rapidamente se um problema é de classificação ou regressão, pergunte: "qual é a saída esperada?" Se for uma categoria (sim/não, aprovado/negado, spam/não spam), é classificação. Se for um valor numérico contínuo (preço, tempo, temperatura), é regressão. Essa pergunta resolve a maioria das questões sobre o tema.
Aprendizado de máquina
1Supervisionado (dados rotulados)
Classificação
Saída: categoria discreta
Ex.: aprovado/negado, spam/não spam
Regressão
Saída: valor contínuo
Ex.: preço, tempo, temperatura
2Não supervisionado (sem rótulos)
Busca padrões/agrupamentos
LEVEL · soulevel.com.br
Item — ✅ CERTO
A afirmação está correta. O sistema descrito deve decidir automaticamente se uma solicitação deve ser "aprovada" ou "negada" — duas classes discretas. Isso é a definição clássica de classificação binária, um subtipo de aprendizado supervisionado. O texto de apoio confirma: "Problemas de classificação são aqueles cujo objetivo é determinar a qual de diversas classes uma entidade pertence; em outras palavras, de prever um rótulo de classe." E complementa: "Um problema com dois rótulos possíveis é chamado de problema de classificação binária." A empresa usará exemplos históricos (dados rotulados) para treinar o modelo, o que caracteriza aprendizado supervisionado. Portanto, a situação descrita representa, de fato, um problema de classificação.
