Questão de Engenharia de Software — Inteligencia Artificial — CESPE / CEBRASPE 2026
Engenharia de Software›Inteligencia Artificial
Código
ce228768
Banca
CESPE / CEBRASPE
Órgão
TCE-MG
Ano
2026
Nível
Superior
Cargo
Analista de Controle Externo - Especialidade: Ciência da Computação
Acerca das características de classificação, regressão, clusterização, regras de associação e detecção de anomalias, assinale a opção correta.
ARegras de associação são classificadas como aprendizagem supervisionada, pois podem ser validadas com base em rótulos de saída conhecidos.
BClassificação e regressão pertencem à aprendizagem supervisionada; enquanto clusterização, associação e detecção de anomalias são consideradas tarefas de aprendizagem não supervisionada.
CDetecção de anomalias é uma tarefa de aprendizagem supervisionada, pois depende de exemplos rotulados de comportamento normal e anômalo.
DClassificação e regressão são tarefas de aprendizagem não supervisionada, pois exigem apenas dados de entrada, sem a presença de rótulos.
EClusterização e regras de associação são exemplos de aprendizagem supervisionada, pois identificam padrões previamente definidos.
Revelar gabarito e comentário▾
GabaritoB — Classificação e regressão pertencem à aprendizagem supervisionada; enquanto clusterização, associação e detecção de anomalias são consideradas tarefas de aprendizagem não supervisionada.
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: Tarefas Supervisionadas vs. Não Supervisionadas
Gabarito: letra B. A classificação e a regressão são tarefas de aprendizado supervisionado, pois utilizam dados rotulados (entrada-saída). Já a clusterização, as regras de associação e a detecção de anomalias são, em sua concepção padrão, tarefas de aprendizado não supervisionado, operando sobre dados sem rótulos para encontrar padrões ou estruturas intrínsecas. Essa divisão é clássica na literatura de aprendizado de máquina.
NÃO CAIA NESSA!
A banca explora a confusão sobre a detecção de anomalias. Embora existam abordagens supervisionadas (com exemplos rotulados de normal/anômalo), o tratamento mais comum em mineração de dados considera a detecção de anomalias como não supervisionada (ex.: identificação de outliers sem rótulos). A alternativa C erra ao afirmar que depende de exemplos rotulados – ela pode ser não supervisionada. Fique atento a generalizações absolutas como "depende" ou "sempre".
Análise das Alternativas
Tarefa de Aprendizado de Máquina
Tipo de Aprendizagem (Padrão)
Descrição da Tarefa
Exemplo de Algoritmo
Classificação
Supervisionada
Predizer um rótulo ou classe categórica a partir de dados de entrada
Árvore de Decisão, SVM
Regressão
Supervisionada
Predizer um valor numérico contínuo a partir de dados de entrada
Regressão Linear, Random Forest
Clusterização
Não Supervisionada
Agrupar dados similares sem usar rótulos prévios
K-Means, DBSCAN
Regras de Associação
Não Supervisionada
Descobrir relações de coocorrência entre itens em um conjunto de dados
Apriori, FP-Growth
Detecção de Anomalias
Não Supervisionada (padrão)
Identificar pontos de dados que se desviam significativamente do padrão normal
Isolation Forest, LOF
Aprendizado de Máquina
1Supervisionado (dados rotulados)
Classificação (saída categórica)
Regressão (saída numérica)
2Não supervisionado (dados sem rótulos)
Clusterização (agrupamento)
Associação (coocorrência)
Detecção de anomalias (outliers)
LEVEL · soulevel.com.br
Alternativa A — ❌ Incorreta
Afirma que regras de associação são aprendizagem supervisionada porque podem ser validadas com rótulos. Na verdade, as regras de associação são técnicas não supervisionadas: elas descobrem relacionamentos entre itens sem usar saídas predefinidas. O aprendizado se dá pela frequência de coocorrência, não por rótulos.
Alternativa B — ✅ Correta ⟵ GABARITO
A alternativa descreve com precisão a classificação padrão:
Supervisionado: classificação (saída categórica) e regressão (saída numérica contínua).
Não supervisionado: clusterização (agrupamento por similaridade), associação (descoberta de regras de coocorrência) e detecção de anomalias (identificação de pontos fora do padrão, tipicamente sem rótulos).
Essa é a categorização adotada na maioria dos livros-texto e cursos de machine learning.
Alternativa C — ❌ Incorreta
Afirma que a detecção de anomalias é sempre supervisionada porque depende de exemplos rotulados. Entretanto, a detecção de anomalias pode ser não supervisionada (ex.: algoritmos como Isolation Forest, DBSCAN) – ela busca por observações que se desviam da maioria dos dados, sem necessidade de rótulos prévios. A afirmativa é muito restritiva.
Alternativa D — ❌ Incorreta
Inverte o conceito: classificação e regressão exigem rótulos (saídas conhecidas) para treinar o modelo; portanto, são supervisionadas, e não não supervisionadas.
Alternativa E — ❌ Incorreta
Afirma que clusterização e regras de associação são supervisionadas porque identificam padrões predefinidos. Na verdade, esses métodos não partem de padrões predefinidos; eles exploram os dados para descobrir estruturas ou relacionamentos ocultos. São, portanto, não supervisionados.