Pular para o conteúdo principal

Questão de Engenharia de Software — Inteligencia Artificial — FGV 2026

Engenharia de SoftwareInteligencia Artificial
Código
fg133792
Banca
FGV
Órgão
TJ-RJ
Ano
2026
Nível
Superior
Cargo
Analista Judiciário - Tecnologia da Informação - Analista de Inteligência Artificial
No contexto dos principais paradigmas de aprendizado de máquina, relacione os tipos de aprendizado a seguir com as técnicas correspondentes.1. Aprendizado supervisionado2. Aprendizado não supervisionado3. Aprendizado semisupervisionado( ) Uso de algoritmos de clustering como k-means ou clustering hierárquico para agrupar observações com base em medidas de similaridade, sem rótulos de saída.( ) Emprego de algoritmos de propagação de rótulos (label propagation ou label spreading), combinando um pequeno conjunto de exemplos rotulados com um grande volume de dados não rotulados para melhorar a generalização.( ) Utilização de k-vizinhos mais próximos (k-NN) para classificar exemplos, tomando como referência os rótulos dos vizinhos mais próximos no conjunto de treino.A sequência correta é:
  1. A1, 2 e 3;
  2. B1, 3 e 2;
  3. C2, 1 e 3;
  4. D2, 3 e 1;
  5. E3, 1 e 2.
Revelar gabarito e comentário

GabaritoD — 2, 3 e 1;

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”.

Paradigmas de Aprendizado de Máquina

Gabarito: letra D. A sequência correta é 2 (aprendizado não supervisionado), 3 (aprendizado semisupervisionado) e 1 (aprendizado supervisionado), conforme a correspondência entre as descrições e os tipos de aprendizado.

  • Primeira descrição: uso de algoritmos de clustering (k-means, hierárquico) para agrupar dados sem rótulos → aprendizado não supervisionado (2).

  • Segunda descrição: combinação de poucos dados rotulados com muitos não rotulados via propagação de rótulos → aprendizado semisupervisionado (3).

  • Terceira descrição: k-NN classifica com base nos rótulos dos vizinhos do conjunto de treino (rótulos conhecidos) → aprendizado supervisionado (1).

Portanto, a ordem é 2, 3, 1.

1Supervisionado
Rótulos conhecidos no treino
Ex.: k-NN, regressão, SVM
2Não supervisionado
Sem rótulos de saída
Ex.: k-means, clustering hierárquico
3Semissupervisionado
Poucos rotulados + muitos não rotulados
Ex.: label propagation, label spreading
Aprendizado de máquina
LEVELsoulevel.com.br
Aprendizado de máquina: Supervisionado (Rótulos conhecidos no treino, Ex.: k-NN, regressão, SVM); Não supervisionado (Sem rótulos de saída, Ex.: k-means, clustering hierárquico); Semissupervisionado (Poucos rotulados + muitos não rotulados, Ex.: label propagation, label spreading)

Análise das alternativas

  • A) 1, 2 e 3 → ❌ Incorreta. Inverte a ordem: o clustering não é supervisionado, e k-NN não é não supervisionado.

  • B) 1, 3 e 2 → ❌ Incorreta. O primeiro item deveria ser não supervisionado (2), não supervisionado.

  • C) 2, 1 e 3 → ❌ Incorreta. O terceiro item deveria ser supervisionado (1), não semisupervisionado.

  • D) 2, 3 e 1 → ✅ Correta. Sequência exata.

  • E) 3, 1 e 2 → ❌ Incorreta. O primeiro item é não supervisionado, não semisupervisionado.

Gabarito: letra D.

Link permanente: /questoes/fg133792