Questão de Engenharia de Software — Inteligencia Artificial — FCC 2023
Engenharia de Software›Inteligencia Artificial
Código
fc070410
Banca
FCC
Órgão
TRT - 21ª Região (RN)
Ano
2023
Nível
Superior
Cargo
Analista Judiciário - Área: Apoio Especializado - Tecnologia da Informação
O Analista de um Tribunal Regional do Trabalho toma por base um modelo de inteligência artificial & aprendizado de máquina para possibilitar a previsão e oferta dos melhores horários de atendimento ao público com base em períodos de pico nos guichês de atendimento, congestionamentos no setor de protocolos e condições adversas no fluxo de pessoas devido a eventos de natureza geral, tais como falta de transporte e greves (além de diversos outros fatores). Esse modelo, no entanto, exige a intervenção do usuário para rotular os conjuntos de dados e treinar o modelo para determinar como essas variáveis podem influenciar o cronograma de atendimento. Esse modelo precisa conhecer os resultados para concluir que uma greve, por exemplo, pode representar uma caraterística de atraso nos atendimentos.Trata-se do modelo
Apreditivo supervisionado.
Bpreditivo não supervisionado.
Cseletivo.
Dde Binning.
Ede discretização.
Revelar gabarito e comentário▾
GabaritoA — preditivo supervisionado.
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”.
Modelo de inteligência artificial e aprendizado de máquina
Gabarito: letra A. O modelo descrito exige a intervenção do usuário para rotular os conjuntos de dados e treinar o modelo, o que é a característica central do aprendizado supervisionado. Além disso, o objetivo é fazer previsões (horários de atendimento com base em variáveis como greves, congestionamentos etc.), tratando-se de um modelo preditivo. Portanto, a alternativa correta é preditivo supervisionado.
Aprendizado de máquina: Supervisionado (Dados rotulados, Treina com respostas conhecidas, Objetivo: prever resultados, Exemplo: greve → atraso); Não supervisionado (Dados não rotulados, Busca padrões ocultos, Sem intervenção do usuário); Técnicas (não são modelos) (Binning (contínuo → categórico), Discretização (contínuo → intervalos))
Alternativa A — ✅ Correta ⟵ GABARITO
O aprendizado supervisionado utiliza dados rotulados (com respostas conhecidas) para treinar o modelo a prever resultados. No enunciado, o usuário rotula os dados (ex.: associar greve a atraso) e treina o modelo para prever horários de pico. É exatamente um modelo preditivo supervisionado.
Alternativa B — ❌ Incorreta
O aprendizado não supervisionado trabalha com dados não rotulados, buscando padrões ou agrupamentos sem intervenção do usuário para definir os rótulos. O enunciado afirma explicitamente que o usuário rotula os dados, descartando essa alternativa.
Alternativa C — ❌ Incorreta
Não existe um modelo denominado "seletivo" no contexto de aprendizado de máquina. O termo não se aplica à descrição apresentada.
Alternativa D — ❌ Incorreta
Binning é uma técnica de pré-processamento de dados que transforma variáveis contínuas em categóricas (ex.: faixas etárias). Não é um modelo preditivo nem envolve rotulagem para treinamento como descrito.
Alternativa E — ❌ Incorreta
Discretização é similar ao binning: converte dados contínuos em intervalos discretos. Também não é um modelo de aprendizado de máquina para previsão com base em variáveis rotuladas.
PEGA ESSA DICA!
A chave para distinguir supervisionado de não supervisionado está na presença ou ausência de rótulos fornecidos pelo usuário. Se o modelo precisa conhecer os resultados ("saber que greve causa atraso") para aprender, é supervisionado. Esse é um dos conceitos mais fundamentais e cobrados em questões de IA.