Engenharia de Software · FCC · 2026 | Questão sqc-fc077595

Engenharia de SoftwareInteligencia Artificial

Código: fc077595
Banca: FCC
Órgão: SEFAZ-SP
Ano: 2026
Nível: Superior

Cargo: Auditor Fiscal da Receita Estadual - AFRE - Tecnologia da Informação e Comunicação - Conhecimentos Especificos (P3)

Uma Secretaria da Fazenda pretende, ao mesmo tempo:I. prever o valor de arrecadação mensal de ICMS para os próximos meses;II. classificar cada declaração de contribuinte em “alto risco” ou “baixo risco” para fins de seleção de auditoria.Considerando os tipos de modelos de aprendizado de maquina, a combinação de tarefas que está conceitualmente alinhada com esses objetivos é:

AI - Classificação supervisionada; II - Regressão supervisionada.
BI - Regressão supervisionada; II - Classificação supervisionada.
CI - Clustering; II - Regressão supervisionada.
DI - Regressão não supervisionada; II - Classificação não supervisionada.
EI - Principal Component Analysis (PCA); II - Rede neural não supervisionada.

Revelar gabarito e comentário

GabaritoB — I - Regressão supervisionada; II - Classificação 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: regressão e classificação supervisionada

Gabarito: letra B. A tarefa I (prever valor numérico contínuo de arrecadação mensal) é um problema de regressão supervisionada; a tarefa II (classificar declarações em "alto risco" ou "baixo risco") é um problema de classificação supervisionada. A alternativa B associa corretamente cada tarefa ao tipo de modelo de aprendizado de máquina.

Tarefa	Tipo de Modelo	Aprendizado	Descrição
I – Prever valor numérico contínuo de arrecadação mensal de ICMS	Regressão	Supervisionado	Modelo treinado com dados rotulados (valores passados) para estimar valores futuros
II – Classificar declarações em “alto risco” ou “baixo risco”	Classificação	Supervisionado	Modelo treinado com exemplos rotulados para atribuir categorias discretas

Aprendizado de máquina

1Supervisionado (rótulos)
- Regressão (valor contínuo)
  - Previsão de arrecadação (I)
- Classificação (categoria)
  - Risco alto/baixo (II)
2Não supervisionado (sem rótulos)
- Clustering (agrupamento)
- PCA (redução de dimensão)

LEVEL · soulevel.com.br

Alternativa A — ❌ Incorreta

Inverte as tarefas: atribui classificação supervisionada para a previsão de valores e regressão para a classificação binária. O erro é conceitual: regressão é usada para valores contínuos; classificação para categorias.

Alternativa B — ✅ Correta ⟵ GABARITO

Associa corretamente: I → regressão (valor contínuo) e II → classificação (categorias discretas), ambas supervisionadas, pois requerem dados rotulados para treinamento.

Alternativa C — ❌ Incorreta

I é clustering (não supervisionado), inadequado para prever valores numéricos específicos; II corretamente como regressão, mas deveria ser classificação. A combinação está errada.

Alternativa D — ❌ Incorreta

Utiliza versões "não supervisionadas" de regressão e classificação, que não correspondem às tarefas: previsão de valor e classificação binária tipicamente exigem aprendizado supervisionado.

Alternativa E — ❌ Incorreta

PCA é redução de dimensionalidade, não predição; rede neural não supervisionada não realiza classificação com rótulos pré-definidos. Totalmente fora do escopo.

Gabarito: letra B

Link permanente: /questoes/fc077595