Pular para o conteúdo principal

Questão de Noções de Informática — Inteligência Artificial e Automação — CESPE / CEBRASPE 2025

Noções de InformáticaInteligência Artificial e Automação
Código
ce201813
Banca
CESPE / CEBRASPE
Órgão
EMBRAPA
Ano
2025
Nível
Superior
Cargo
Pesquisador – Área: Engenharias – Subárea: Recursos Florestais e Engenharia Florestal
No que se refere à inteligência artificial aplicada ao manejo florestal, julgue o item subsequente.No manejo florestal por meio de machine learning, os métodos supervisionados são amplamente utilizados para prever variações, como crescimento das árvores, a partir de dados rotulados provenientes de sensores e inventários florestais; enquanto os métodos não supervisionados são aplicados para identificar padrões e agrupar áreas com características especificas, como tipos de vegetação, grau de intervenção ou diferentes estágios de crescimento da floresta.
  1. CCerto
  2. 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”.

Machine Learning (Aprendizado Supervisionado e Não Supervisionado)

Gabarito: Certo (alternativa C). A afirmação descreve corretamente a diferença fundamental entre aprendizado supervisionado e não supervisionado, aplicando-os ao manejo florestal de forma adequada.

No aprendizado supervisionado, o modelo é treinado com um conjunto de dados rotulados (labeled data), ou seja, para cada entrada há uma saída desejada conhecida. No contexto do manejo florestal, dados rotulados de sensores e inventários (como idade, altura, espécie) permitem prever variáveis como crescimento futuro. Já o aprendizado não supervisionado trabalha com dados não rotulados, buscando estruturas intrínsecas, agrupamentos (clustering) ou padrões. Identificar áreas com características similares (tipo de vegetação, grau de intervenção) é uma aplicação típica de clustering, como k-means ou agrupamento hierárquico.

Portanto, a caracterização está correta.

Característica

Aprendizado Supervisionado

Aprendizado Não Supervisionado

Tipo de dado

Dados rotulados (labeled data)

Dados não rotulados

Objetivo principal

Prever variáveis (ex.: crescimento de árvores)

Identificar padrões e agrupar áreas

Exemplo de aplicação no manejo florestal

Prever crescimento futuro a partir de sensores e inventários

Agrupar áreas por tipo de vegetação, grau de intervenção ou estágio de crescimento

Machine Learning
  • 1Supervisionado
    • Dados rotulados
    • Prever variações (crescimento)
  • 2Não supervisionado
    • Dados não rotulados
    • Agrupar padrões (clustering)
LEVEL · soulevel.com.br

✅ CERTO

Link permanente: /questoes/ce201813