Pular para o conteúdo principal

Questão de Engenharia de Software — Inteligencia Artificial — FGV 2025

Engenharia de SoftwareInteligencia Artificial
Código
fg121756
Banca
FGV
Órgão
TCE-PI
Ano
2025
Nível
Superior
Cargo
Auditor de Controle Externo - Controle Externo - Específica de Tecnologia da Informação - Sistemas, Engenharia de Dados e Ciência de Dados (Manhã)
Com relação às técnicas de redução de dimensionalidade, no contexto de aprendizado de máquina, analise as afirmativas a seguir e assinale (V) para a verdadeira e (F) para a falsa.( ) As técnicas de agregação formam novos atributos, por meio da combinação de grupos dos atributos originais.( ) As técnicas de seleção de atributos descartam parte dos atributos originais.( ) Técnicas de seleção de atributos embutidas são aplicadas na etapa de pré-processamento.As afirmativas são, respectivamente,
  1. AF – V – F.
  2. BF – V – V.
  3. CV – F – F.
  4. DV – V – F.
  5. EF – F – V.
Revelar gabarito e comentário

GabaritoD — V – V – F.

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”.

Redução de dimensionalidade em aprendizado de máquina

Gabarito: letra D (V – V – F). A primeira afirmativa é verdadeira (técnicas de agregação criam novos atributos combinando os originais). A segunda é verdadeira (seleção de atributos descarta parte dos originais). A terceira é falsa (métodos embutidos são aplicados durante o treinamento, não no pré-processamento). Portanto, a sequência correta é V – V – F.

1ª afirmativa — ✅ Verdadeira

Técnicas de agregação, como a Análise de Componentes Principais (PCA) e a Análise de Discriminante Linear (LDA), geram novos atributos (features) a partir da combinação dos atributos originais. Isso é característico dos métodos de extração de atributos, que reduzem a dimensionalidade criando representações compostas. A afirmação está correta.

2ª afirmativa — ✅ Verdadeira

As técnicas de seleção de atributos (filter, wrapper, embedded) têm por objetivo escolher um subconjunto dos atributos originais, descartando aqueles considerados irrelevantes ou redundantes. Portanto, de fato descartam parte dos atributos originais.

3ª afirmativa — ❌ Falsa

Métodos de seleção embutidos (embedded methods), como Lasso, árvores de decisão, e regressão com regularização, realizam a seleção de atributos durante o treinamento do modelo, integrada ao processo de aprendizado. Eles não são aplicados como uma etapa de pré-processamento separada; essa etapa é característica dos métodos filter. Logo, a afirmativa é falsa.

PEGA ESSA DICA!

Lembre-se: filter e wrapper são aplicados no pré-processamento; embedded realiza a seleção durante o treinamento. Essa distinção é frequentemente cobrada.

Conclusão: V – V – F corresponde à alternativa D.

Link permanente: /questoes/fg121756