Questão de Biologia — Bioinformática — CESPE / CEBRASPE 2025
Biologia›Bioinformática
Código
ce406182
Banca
CESPE / CEBRASPE
Órgão
EMBRAPA
Ano
2025
Cargo
Pesq ( )
A computação científica consiste em um conjunto de técnicas, ferramentas e teorias que englobam inteligência artificial, matemática, estatística, física e computação e que abrangem conhecimentos específicos de subáreas tais como estatística aplicada, econometria, matemática aplicada, inteligência computacional, visualização científica e biometria, sendo cada vez mais utilizada no desenvolvimento de novas tecnologias agrícolas, agora no contexto da emergente agricultura digital. Nas últimas décadas, inclusive, a computação científica tem sido apontada como o terceiro pilar da pesquisa científica, junto com a experimentação e a teoria.
Agricultura de Precisão: Um Novo Olhar na Era Digital. EMBRAPA, 2024 (com adaptações).
Considerando as ideias do texto precedente, julgue o item a seguir.
Entre os softwares open source mais utilizados para o desenvolvimento de novas tecnologias agrícolas estão o R e o Python, sendo o Python mais utilizado para análises estatísticas e o R mais utilizado por desenvolvedores de machine learning (aprendizado de máquina) e de inteligência artificial.
CCerto
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”.
R e Python na agricultura digital: papéis invertidos
Gabarito: ERRADO (letra E). A afirmação inverte os papéis das duas linguagens: o R é a ferramenta clássica e mais consolidada para análises estatísticas, enquanto o Python é amplamente utilizado por desenvolvedores de machine learning e inteligência artificial. O texto do item está exatamente ao contrário do que se observa na prática da computação científica e da agricultura digital.
A computação científica, como o próprio texto introdutório aponta, reúne técnicas de inteligência artificial, matemática, estatística e computação para gerar novas tecnologias — e nesse ecossistema, R e Python são as duas linguagens open source mais relevantes. A confusão entre elas é um erro clássico de prova, porque ambas são usadas em ciência de dados, mas com ênfases históricas e práticas distintas.
O R foi criado por estatísticos (Ross Ihaka e Robert Gentleman, em 1993) e nasceu dentro do ambiente acadêmico da estatística. Sua gramática e seu ecossistema de pacotes — como o ggplot2 para visualização e o dplyr para manipulação de dados — foram desenhados para atender a análise estatística, testes de hipóteses, modelagem linear e experimentação agrícola. É a linguagem preferida em departamentos de estatística, agronomia e em pesquisas que exigem rigor metodológico na análise de dados experimentais.
O Python, por sua vez, é uma linguagem de propósito geral que ganhou enorme tração em machine learning e inteligência artificial graças a bibliotecas como scikit-learn, TensorFlow, PyTorch e Keras. Sua sintaxe limpa, a integração com sistemas de produção e a enorme comunidade voltada a dados fizeram dela a escolha dominante para desenvolvimento de modelos preditivos, redes neurais e sistemas de IA — inclusive na agricultura de precisão, onde se usa visão computacional para detectar pragas, drones para mapear lavouras e algoritmos para prever safras.
A pegadinha da banca está exatamente na inversão: ela troca o papel histórico do R (estatística) pelo papel dominante do Python (machine learning/IA). Quem conhece o uso real das ferramentas percebe que a afirmação está de cabeça para baixo.
NÃO CAIA NESSA!
A banca inverte os papéis das duas linguagens para confundir o candidato. O R é a ferramenta estatística por excelência; o Python é o queridinho do machine learning e da IA. Se você decorou que "R é estatística" e "Python é IA", a alternativa fica evidente — mas quem não domina o tema pode cair na tentação de achar que a afirmação está correta, já que ambas são usadas em ciência de dados. Fique atento: a banca adora trocar os sujeitos para testar se você conhece a função real de cada ferramenta.
R e Python na agricultura digital
1R (criado por estatísticos, 1993)
Análise estatística
Experimentação agrícola
Pacotes: ggplot2, dplyr, agricolae
2Python (propósito geral)
Machine learning e IA
Visão computacional, drones, previsão de safras
Bibliotecas: scikit-learn, TensorFlow, PyTorch
3Pegadinha da banca
Inverte os papéis das duas linguagens
LEVEL · soulevel.com.br
Item — ❌ ERRADO
A afirmação diz que "o Python é mais utilizado para análises estatísticas e o R mais utilizado por desenvolvedores de machine learning e de inteligência artificial". Isso é o inverso da realidade consolidada na computação científica. O R é a linguagem de referência para análise estatística — com pacotes como lme4 para modelos mistos, car para testes de regressão e agricolae para experimentos agrícolas — enquanto o Python domina o desenvolvimento de machine learning e IA, com bibliotecas como scikit-learn, TensorFlow e PyTorch. Portanto, o item está errado.