Pular para o conteúdo principal

Questão de Engenharia de Software — Inteligencia Artificial — FGV 2024

Engenharia de SoftwareInteligencia Artificial
Código
fg092721
Banca
FGV
Órgão
Prefeitura de Vitória - ES
Ano
2024
Nível
Superior
Cargo
Analista em Gestão Pública - Estatístico
No aprendizado de máquina, técnicas de classificação e agrupamento têm objetivos distintos.Assinale a opção que descreve corretamente uma diferença fundamental entre técnicas de agrupamento e técnicas de classificação.
  1. ATécnicas de agrupamento agrupam dados não rotulados, enquanto técnicas de classificação usam dados rotulados para prever classes.
  2. BTécnicas de agrupamento dividem dados em classes predefinidas, enquanto técnicas de classificação descobrem novas classes.
  3. CTécnicas de agrupamento são supervisionadas, enquanto técnicas de classificação são não supervisionadas.
  4. DTécnicas de agrupamento são usadas exclusivamente em análise de texto, enquanto técnicas de classificação são usadas em análise de imagem.
  5. ETécnicas de agrupamento utilizam modelos baseados em árvores de decisão, enquanto técnicas de classificação utilizam métodos de k-médias.
Revelar gabarito e comentário

GabaritoA — Técnicas de agrupamento agrupam dados não rotulados, enquanto técnicas de classificação usam dados rotulados para prever classes.

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: agrupamento vs classificação

Gabarito: letra A. A diferença fundamental está na presença ou ausência de rótulos: agrupamento (clustering) é uma técnica de aprendizado não supervisionado, operando sobre dados sem rótulos, enquanto classificação é supervisionada, usando dados rotulados para prever classes. Essa distinção é consagrada na literatura de machine learning.

Técnica

Tipo de Aprendizado

Dados Utilizados

Objetivo

Agrupamento (clustering)

Não supervisionado

Não rotulados

Descobrir agrupamentos naturais

Classificação

Supervisionado

Rotulados

Prever classes com base em rótulos

Aprendizado de máquina
  • 1Supervisionado (dados rotulados)
    • Classificação (prever classes)
    • Ex.: árvore de decisão
  • 2Não supervisionado (dados não rotulados)
    • Agrupamento (descobrir grupos)
    • Ex.: k-médias
LEVEL · soulevel.com.br

Alternativa A — ✅ Correta ⟵ GABARITO

Descreve exatamente a distinção: clustering agrupa dados não rotulados (não supervisionado), classificação usa rótulos para prever classes (supervisionado).

Alternativa B — ❌ Incorreta

Inverte os papéis. Agrupamento não divide dados em classes predefinidas; ele descobre agrupamentos naturais. Classificação usa classes predefinidas (rótulos) para treinar o modelo.

Alternativa C — ❌ Incorreta

Afirma o contrário: agrupamento é supervisionado, classificação é não supervisionado. Na realidade, agrupamento é não supervisionado e classificação é supervisionado.

Alternativa D — ❌ Incorreta

Restringe o uso de cada técnica a um tipo de dado, o que é falso. Ambas são usadas em diversos domínios (texto, imagem, numérico, etc.).

Alternativa E — ❌ Incorreta

Atribui modelos específicos de forma errada: k-médias (k-means) é um algoritmo de agrupamento, não de classificação; árvores de decisão são usadas em classificação e regressão, mas não são exclusivas.

PEGA ESSA DICA!

Para memorizar: supervisionado = classificação (rótulos presentes); não supervisionado = agrupamento (rótulos ausentes).

Link permanente: /questoes/fg092721