Noções de Informática · FGV · 2025 | Questão sqc-fg121541

Noções de InformáticaInteligência Artificial e Automação

Código: fg121541
Banca: FGV
Órgão: TCE-PE
Ano: 2025
Nível: Superior

Cargo: Auditor de Controle Externo – Tecnologia da Informação

Muitos cenários de análise de dados envolvem conjuntos sem rótulos disponíveis, como é comum em agrupamentos de clientes, detecção de padrões anômalos ou redução de dimensionalidade. Nesses casos, técnicas de aprendizado não supervisionado são essenciais para extrair conhecimento oculto nos dados.Com relação ao aprendizado não supervisionado em Machine Learning, assinale a afirmativa correta.

AO aprendizado não supervisionado depende de conjuntos de dados previamente rotulados para mapear entradas a saídas durante o treinamento.
BTécnicas de aprendizado não supervisionado, como árvores de decisão e regressão logística, são ideais para prever rótulos em problemas de classificação supervisionada.
CO aprendizado não supervisionado é utilizado para gerar automaticamente rótulos com base em padrões nos dados, sem necessidade de saídas conhecidas previamente.
DA principal limitação do aprendizado não supervisionado é que ele não consegue lidar com grandes volumes de dados, sendo restrito a pequenos conjuntos.
EO aprendizado não supervisionado só pode ser utilizado quando todos os atributos do conjunto de dados forem categóricos.

Revelar gabarito e comentário

GabaritoC — O aprendizado não supervisionado é utilizado para gerar automaticamente rótulos com base em padrões nos dados, sem necessidade de saídas conhecidas previamente.

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 não supervisionado (Machine Learning)

Gabarito: letra C. O aprendizado não supervisionado utiliza dados sem rótulos para descobrir padrões ou estruturas ocultas, não necessitando de saídas conhecidas previamente. As alternativas A e B confundem com o aprendizado supervisionado, enquanto D e E apresentam afirmações falsas sobre limitações e tipos de atributos.

Definição de Aprendizagem Não Supervisionada (Wikipédia):
A aprendizagem não supervisionada é uma área da inteligência artificial (IA) que envolve o uso de algoritmos para encontrar padrões ou estruturas em conjuntos de dados não rotulados.

Alternativa A — ❌ Incorreta

Afirma que o aprendizado não supervisionado depende de dados rotulados, o que é característica do aprendizado supervisionado. O não supervisionado opera exatamente ao contrário: sem rótulos predefinidos.

Alternativa B — ❌ Incorreta

Árvores de decisão e regressão logística são algoritmos supervisionados, usados para classificação com rótulos. Não são técnicas de aprendizado não supervisionado.

Alternativa C — ✅ Correta ⟵ GABARITO

Exata definição: o aprendizado não supervisionado gera automaticamente rótulos ou agrupamentos com base em padrões nos dados, sem necessidade de saídas conhecidas previamente.

Alternativa D — ❌ Incorreta

O aprendizado não supervisionado é escalável e frequentemente aplicado a grandes volumes de dados (ex.: segmentação de clientes em big data). A afirmação de que não consegue lidar com grandes conjuntos é falsa.

Alternativa E — ❌ Incorreta

Pode trabalhar com atributos numéricos, categóricos ou mistos. Não há restrição a apenas atributos categóricos.

NÃO CAIA NESSA!

A banca troca as definições de supervisionado e não supervisionado, especialmente nas alternativas A e B. Lembre-se: não supervisionado não usa rótulos; supervisionado usa rótulos.

Gabarito: letra C.

Link permanente: /questoes/fg121541