Aprendizado de Máquina: Supervisionado vs. Não Supervisionado
Gabarito: letra C. Modelos supervisionados exigem dados rotulados para treinar – cada exemplo de entrada tem uma saída conhecida – enquanto modelos não supervisionados operam com dados não rotulados, aprendendo padrões sem respostas pré-definidas. Essa é a distinção fundamental entre as duas categorias, conforme definições clássicas de aprendizado de máquina.
A questão cobra o conceito mais básico da área: a presença ou ausência de rótulos no conjunto de treinamento. O contexto (material de apoio) reforça: algoritmos supervisionados usam exemplos rotulados (categorizados), e os não supervisionados trabalham com dados sem rótulos.
Alternativa A — ❌ Incorreta
Afirma que modelos supervisionados exploram detecção de outliers e que não supervisionados usam dados em XML/JSON. Detecção de outliers pode ser feita tanto por métodos supervisionados quanto não supervisionados, e o formato dos dados (XML, JSON) é irrelevante para a classificação. O erro principal é misturar conceitos alheios à distinção central.
Alternativa B — ❌ Incorreta
Diz que modelos supervisionados têm menos tendência ao overfitting. Na verdade, modelos supervisionados podem sofrer overfitting se forem muito complexos ou houver poucos dados; modelos não supervisionados também podem overfittar, mas a comparação geral não é verdadeira. Overfitting depende de muitos fatores, não do tipo de aprendizado.
Alternativa C — ✅ Correta ⟵ GABARITO
Exatamente correta: modelos supervisionados requerem dados rotulados (por exemplo, classificação com saídas conhecidas), enquanto modelos não supervisionados podem ser treinados com dados não rotulados, descobrindo estruturas intrínsecas como clusters ou associações.
Alternativa D — ❌ Incorreta
Inverte os papéis: modelos não supervisionados são tipicamente usados em análise exploratória (descobrir padrões sem rótulos), e modelos supervisionados em tarefas preditivas como classificação ou regressão. A previsão de séries temporais geralmente é supervisionada (regressão).
Alternativa E — ❌ Incorreta
Afirma que supervisionados são usados apenas para classificação e não supervisionados apenas para agrupamento. Na verdade, supervisionados também fazem regressão, e não supervisionados incluem associação (regras), redução de dimensionalidade, etc. A afirmação é restritiva demais.
Gabarito: letra C.