Pular para o conteúdo principal

Questão de Engenharia de Software — Inteligencia Artificial — CESPE / CEBRASPE 2026

Engenharia de SoftwareInteligencia Artificial
Código
ce229745
Banca
CESPE / CEBRASPE
Órgão
TCU
Ano
2026
Nível
Superior
Cargo
Auditor Federal de Controle Externo - Área de Controle Externo/ Orientação: Auditoria de Tecnologia da Informação
Tendo o texto como referência inicial, julgue o item subsecutivo, a respeito de aprendizado de máquina.Modelos preditivos dispensam validação em um conjunto separado de dados porque a acurácia calculada durante o treinamento já representa a capacidade real do modelo de prever eventos futuros.
  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 de Máquina — Validação de Modelos Preditivos

Gabarito: E (Errado). A afirmação está incorreta. Modelos preditivos não dispensam validação em um conjunto separado de dados; a acurácia calculada durante o treinamento é tendenciosamente otimista e não representa a capacidade real de generalização, podendo ocorrer overfitting (superadaptação).

A área de aprendizado de máquina estabelece que, para avaliar o desempenho real de um modelo preditivo, é necessário utilizar um subconjunto de dados não visto durante o treinamento — o conjunto de teste ou validação. A acurácia no treino pode ser artificialmente alta se o modelo memorizou os padrões dos dados de treinamento, mas falhará em novos dados. Técnicas como validação cruzada (cross-validation) são comuns para mitigar esse problema.

  1. 1Treino (dados conhecidos)
  2. 2Acurácia no treino é otimista
  3. 3Validação (dados não vistos)
  4. 4Acurácia real de generalização
LEVEL · soulevel.com.br
NÃO CAIA NESSA!

A banca explora a confusão entre desempenho em treino e em teste. O candidato deve lembrar que a acurácia de treinamento não é confiável para prever o comportamento futuro do modelo. A validação com dados separados é indispensável.

Gabarito: E (Errado).

Link permanente: /questoes/ce229745