Questão de Engenharia de Software — Inteligencia Artificial — FGV 2025
Engenharia de Software›Inteligencia Artificial
Código
fg106118
Banca
FGV
Órgão
AgSUS
Ano
2025
Nível
Superior
Cargo
Analista de Gestão Tecnologia da Informação
Relacione os principais algoritmos conceitos de Aprendizagem de Máquina, ou Machine Learning, listados a seguir com suas respectivas características.1- Neural networks2- Logistic regression3- Clustering4- Decision trees( ) Algoritmo de aprendizado supervisionado que faz previsões para variáveis de resposta categóricas.( ) Algoritmo de aprendizado não supervisionado usado para identificar padrões em dados para que eles possam ser agrupados.( ) Algoritmo que implementa grande número de nós de processamento interligados.( ) Algoritmo para prever valores numéricos e classificar dados em categorias, usando uma sequência ramificada de decisões vinculadas.A relação correta, na ordem apresentada, é
A4 – 1 – 3 – 2.
B2 – 3 – 1 – 4.
C3 – 4 – 2 – 1.
D1 – 2 – 3 – 4.
E2 – 1 – 4 – 3.
Revelar gabarito e comentário▾
GabaritoB — 2 – 3 – 1 – 4.
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”.
Aprendizagem de Máquina (Machine Learning) – Algoritmos e Conceitos
Gabarito: letra B. A sequência correta que relaciona algoritmos e características é: () Regressão Logística – aprendizado supervisionado para variáveis categóricas; () Clustering – não supervisionado para agrupamento; () Redes Neurais – nós interligados; () Árvores de Decisão – sequência ramificada para regressão e classificação. A alternativa B (2–3–1–4) reflete exatamente essa ordem.
A questão cobra a distinção entre algoritmos de aprendizado supervisionado e não supervisionado, além das funções específicas de cada técnica. Vamos detalhar cada característica:
Regressão Logística (2): Apesar do nome "regressão", é um algoritmo de aprendizado supervisionado usado para classificação – prevê variáveis de resposta categóricas (ex.: sim/não, classes múltiplas). O contexto destaca que "a Logistic Regression basicamente prediz as classes, que só são duas" (classificação binária), mas também pode ser estendida para multiclasses.
Clustering (3): Algoritmo de aprendizado não supervisionado que identifica padrões e agrupa dados sem rótulos prévios. Exemplos: K-Means, agrupamento hierárquico.
Redes Neurais (1): Inspiradas no cérebro, implementam um grande número de nós de processamento interligados (neurônios artificiais) para aprender representações complexas.
Árvores de Decisão (4): Algoritmo supervisionado que usa uma sequência ramificada de decisões (nós e ramos) para prever valores numéricos (regressão) ou classificar dados em categorias.
Algoritmo (Nº)
Característica
2 – Logistic regression
Algoritmo de aprendizado supervisionado que faz previsões para variáveis de resposta categóricas.
3 – Clustering
Algoritmo de aprendizado não supervisionado usado para identificar padrões em dados para que eles possam ser agrupados.
1 – Neural networks
Algoritmo que implementa grande número de nós de processamento interligados.
4 – Decision trees
Algoritmo para prever valores numéricos e classificar dados em categorias, usando uma sequência ramificada de decisões vinculadas.
Análise das alternativas:
Alternativa A – 4–1–3–2: ❌ Incorreta. Coloca Árvore de Decisão (4) na primeira lacuna, mas a primeira característica é de classificação supervisionada, o que também se aplica à árvore, mas a descrição "faz previsões para variáveis de resposta categóricas" é mais específica da Regressão Logística. Além disso, a sequência está trocada.
Alternativa B – 2–3–1–4: ✅ Correta ⟵ GABARITO.
Alternativa C – 3–4–2–1: ❌ Incorreta. Começa com Clustering (não supervisionado) na primeira lacuna, que pede supervisionado.
Alternativa D – 1–2–3–4: ❌ Incorreta. Atribui Redes Neurais (1) à primeira lacuna (supervisionado para categóricas) – redes neurais são supervisionadas e podem classificar, mas a descrição é mais genérica. O erro principal é a sequência.
Alternativa E – 2–1–4–3: ❌ Incorreta. Coloca Redes Neurais (1) na segunda lacuna (não supervisionado), quando elas são tipicamente supervisionadas.
NÃO CAIA NESSA!
Para não confundir, lembre-se: aprendizado supervisionado tem rótulos (ex.: regressão logística, árvores, redes neurais); não supervisionado não tem rótulos (ex.: clustering). E a regressão logística é de classificação, não de regressão de valores contínuos – essa é a principal pegadinha.