Engenharia de Software · FCC · 2025 | Questão sqc-fc074026

Engenharia de SoftwareInteligencia Artificial

Código: fc074026
Banca: FCC
Órgão: TRF - 4ª REGIÃO
Ano: 2025
Nível: Superior

Cargo: Analista Judiciário - Área Apoio Especializado - Especialidade: Análise de Sistemas de Informação

Em um projeto voltado à modemização do acompanhamento processual, a equipe de analistas de um tribunal identificou duas demandas distintas: estimar o prazo de conclusão dos processos judiciais a partir de dados histéricos e detectar agrupamentos de demandas com caracteristicas semelhantes, sem informações prévias de classificação. Com base nos conceitos de aprendizado de maquina, a solução adequada para atender a esses objetivos envolve a utilização de modelos

Abaseados em regras, que utilizam conhecimento prévio sobre categorias de dados para identificar padrões e agrupar entradas sem depender de algoritmos de aprendizado automático.
Bsupervisionados para classificação de categorias conhecidas e modelos descritivos para análise de similaridades em conjuntos rotulados.
Csupervisionados para tarefas de regressão e classificação, sendo aplicaveis inclusive na identificação de estruturas de agrupamento quando há inferência posterior.
Ddescritivos capazes de apoiar a previsão de variáveis em cenários com baixa disponibilidade de rotulagem, com uso complementar de técnicas supervisionadas para refinamento estatistico.
Edescritivos voltados à identificação de padrões ocultos e modelos supervisionados aplicados à previsão de variáveis-alvo.

Revelar gabarito e comentário

GabaritoE — descritivos voltados à identificação de padrões ocultos e modelos supervisionados aplicados à previsão de variáveis-alvo.

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: supervisionado e não supervisionado

Gabarito: letra E. A primeira demanda (estimar prazo) é uma tarefa de previsão, solucionada por modelos supervisionados (regressão). A segunda demanda (detectar agrupamentos sem classificação prévia) é uma tarefa de aprendizado não supervisionado (clustering), também chamada de modelagem descritiva. A alternativa E combina corretamente modelos descritivos (não supervisionados) para padrões ocultos e modelos supervisionados para previsão.

A banca testa a distinção entre aprendizado supervisionado (com dados rotulados, para regressão/classificação) e não supervisionado (sem rótulos, para clustering/associação).

Demanda	Tipo de Aprendizado	Modelo Adequado	Objetivo
Estimar prazo de conclusão de processos	Supervisionado	Regressão	Prever variável-alvo contínua
Detectar agrupamentos sem classificação prévia	Não supervisionado	Descritivo (clustering)	Identificar padrões ocultos em dados não rotulados

Aprendizado de máquina

1Supervisionado (dados rotulados)
- Regressão (prever valor numérico)
- Classificação (prever categoria)
2Não supervisionado (dados não rotulados)
- Clustering (agrupar por similaridade)
- Associação (identificar regras)

LEVEL · soulevel.com.br

Alternativa A — ❌ Incorreta

Sistemas baseados em regras não são aprendizado de máquina automático; dependem de conhecimento prévio explícito, não de aprendizado a partir de dados. Além disso, agrupar entradas sem classificação prévia é tarefa de aprendizado não supervisionado, não de regras fixas.

Alternativa B — ❌ Incorreta

Afirma usar modelos descritivos para análise de similaridades em conjuntos rotulados. O problema pede detecção de agrupamentos sem informações prévias de classificação, ou seja, conjuntos não rotulados. Modelos descritivos (clustering) atuam sobre dados não rotulados; a alternativa os coloca em conjuntos rotulados, o que é contraditório.

Alternativa C — ❌ Incorreta

Modelos supervisionados (regressão/classificação) não são adequados para identificar estruturas de agrupamento (clustering), pois exigem rótulos. A identificação de agrupamentos é uma tarefa não supervisionada.

Alternativa D — ❌ Incorreta

Modelos descritivos não são usados para previsão de variáveis (predição); são para descrever/agrupar. A previsão é tarefa de modelos supervisionados. A alternativa confunde as funções.

Alternativa E — ✅ Correta ⟵ GABARITO

Corresponde precisamente às duas demandas: modelos descritivos (aprendizado não supervisionado) para identificação de padrões ocultos (agrupamentos sem rótulos) e modelos supervisionados para previsão da variável-alvo (prazo de conclusão).

PEGA ESSA DICA!

Na prova, quando o enunciado mencionar "agrupamento sem classificação prévia" ou "padrões ocultos", associe imediatamente a aprendizado não supervisionado (clustering, modelos descritivos). Quando falar em "previsão de valor" ou "estimativa", associe a aprendizado supervisionado (regressão, classificação). Essa dualidade é clássica em questões de machine learning.

Gabarito: letra E.

Link permanente: /questoes/fc074026