Engenharia de Software · FGV · 2026 | Questão sqc-fg133973

Engenharia de SoftwareInteligencia Artificial

Código: fg133973
Banca: FGV
Órgão: TJ-RJ
Ano: 2026
Nível: Superior

Cargo: Analista Judiciário - Tecnologia da Informação - Cientista de Dados

O aprendizado de máquina (machine learning) é frequentemente categorizado em diferentes paradigmas, dependendo da natureza dos dados disponíveis e do problema a ser resolvido. Dois dos tipos mais comuns são o aprendizado supervisionado e o aprendizado não supervisionado.A principal diferença conceitual entre essas duas abordagens reside no fato de que, no aprendizado supervisionado:

Ao algoritmo opera sobre dados que não possuem classificação prévia, buscando encontrar padrões ou estruturas ocultas por conta própria;
Bo conjunto de dados de treinamento contém pares de dados de entrada e seus respectivos rótulos (labels) ou respostas corretas desejadas;
Co sistema aprende através da interação com um ambiente dinâmico, recebendo sinais de recompensa ou punição baseados em suas ações;
Do objetivo principal é sempre reduzir a dimensionalidade dos dados para facilitar a visualização, ignorando as variáveis de saída;
Enão é necessário separar os dados em conjuntos de treino e teste, visto que a validação ocorre simultaneamente ao processamento.

Revelar gabarito e comentário

GabaritoB — o conjunto de dados de treinamento contém pares de dados de entrada e seus respectivos rótulos (labels) ou respostas corretas desejadas;

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 Supervisionado vs Não Supervisionado

Gabarito: letra B. A definição correta de aprendizado supervisionado é que ele utiliza um conjunto de dados de treinamento com pares de entrada e saída (rótulos), permitindo que o algoritmo aprenda a mapear entradas em respostas desejadas. Essa é a principal diferença conceitual em relação ao não supervisionado, que opera com dados não rotulados.

Característica	Supervisionado	Não supervisionado	Reforço
Dados de treino	Entrada + rótulo (label)	Apenas entrada (sem rótulo)	Interação com ambiente
Objetivo	Mapear entrada → saída desejada	Encontrar padrões/estruturas ocultas	Maximizar recompensa
Exemplo típico	Classificação, regressão	Clusterização, redução de dimensionalidade	Jogos, robótica
Separação treino/teste	Essencial	Essencial	Não se aplica (ambiente)

Alternativa A — ❌ Incorreta

Descreve o aprendizado não supervisionado, que busca padrões em dados sem rótulos. No supervisionado, os rótulos são fornecidos.

Alternativa B — ✅ Correta ⟵ GABARITO

Corresponde exatamente à definição de aprendizado supervisionado: o conjunto de treinamento contém entradas e seus respectivos rótulos (labels) ou respostas corretas.

Alternativa C — ❌ Incorreta

Essa é a descrição do aprendizado por reforço, onde o agente interage com o ambiente e recebe recompensas/punições. Embora seja uma forma de aprendizado, não é supervisionado.

Alternativa D — ❌ Incorreta

A redução de dimensionalidade é uma técnica comum em aprendizado não supervisionado (ex.: PCA) ou como pré-processamento, mas não é o objetivo principal do supervisionado. Além disso, não se "ignoram" variáveis de saída.

Alternativa E — ❌ Incorreta

No aprendizado supervisionado, é essencial separar os dados em treino e teste para avaliar a generalização do modelo. A validação não ocorre simultaneamente; o modelo é avaliado em dados não vistos.

Gabarito: letra B.

Link permanente: /questoes/fg133973