Pular para o conteúdo principal

Questão de Engenharia de Software — Inteligencia Artificial — Quadrix 2023

Engenharia de SoftwareInteligencia Artificial
Código
qg027983
Banca
Quadrix
Órgão
CRM-MG
Ano
2023
Nível
Médio
Cargo
CRM - MG - Técnico de Informática
O tipo de aprendizagem de máquina que se baseia em dados preparados para treinamento, quando se sabe o desfecho de cada registro do conjunto de dados, em geral previamente rotulados por um especialista, é a aprendizagem
  1. Asupervisionada.
  2. Bnão supervisionada.
  3. Cpor reforço.
  4. Daleatória.
  5. Eflexível.
Revelar gabarito e comentário

GabaritoA — supervisionada.

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 de máquina: tipos e características

Gabarito: letra A. A aprendizagem supervisionada é exatamente aquela em que o modelo é treinado com um conjunto de dados rotulados, ou seja, em que se conhece previamente o desfecho (a resposta correta) de cada registro — geralmente atribuído por um especialista. Essa é a definição clássica que distingue a aprendizagem supervisionada das demais abordagens, como a não supervisionada e a por reforço.

A aprendizagem de máquina (machine learning) é um subcampo da inteligência artificial que busca desenvolver algoritmos capazes de aprender padrões a partir de dados e fazer previsões ou tomar decisões sem serem explicitamente programados para cada tarefa. A forma como esse aprendizado ocorre — e, principalmente, o tipo de dado utilizado — é o que define as principais categorias de aprendizado.

A aprendizagem supervisionada é aquela em que o algoritmo recebe um conjunto de dados de treinamento composto por pares de entrada-saída, ou seja, cada exemplo de entrada vem acompanhado do seu respectivo rótulo (a resposta correta). O objetivo é que o modelo aprenda uma função que mapeie as entradas para as saídas, de modo que, ao receber novos dados não rotulados, ele consiga prever a saída correta. Esse tipo de aprendizado é usado em tarefas como classificação (ex.: identificar se um e-mail é spam ou não) e regressão (ex.: prever o preço de um imóvel).

A aprendizagem não supervisionada, por outro lado, trabalha com dados que não possuem rótulos. O algoritmo busca encontrar estruturas, padrões ou agrupamentos nos dados por conta própria, sem saber qual é a resposta correta. É o caso de tarefas de agrupamento (clustering) e redução de dimensionalidade.

Já a aprendizagem por reforço é um paradigma em que um agente aprende a tomar decisões através de tentativa e erro, interagindo com um ambiente e recebendo recompensas ou punições (reforços) com base nas ações que realiza. O agente não recebe exemplos rotulados, mas sim um sinal de recompensa que indica o quão boa foi a ação.

A distinção fundamental entre esses três tipos está na natureza dos dados e no mecanismo de aprendizado:

Critério

Supervisionada

Não supervisionada

Por reforço

Dados de treinamento

Rotulados (com desfecho conhecido)

Não rotulados

Sem dados prévios; interage com o ambiente

Objetivo

Aprender a mapear entrada → saída

Descobrir padrões/estruturas ocultas

Aprender uma política de ações para maximizar recompensa

Exemplo de tarefa

Classificação, regressão

Agrupamento, associação

Jogos, robótica, controle

A pegadinha desta questão é justamente a definição: a banca descreve com precisão a aprendizagem supervisionada e espera que o candidato identifique o termo correto. As alternativas "aleatória" e "flexível" são distratores que não correspondem a paradigmas estabelecidos de aprendizado de máquina, enquanto "não supervisionada" e "por reforço" são paradigmas reais, mas que não se encaixam na descrição apresentada.

Guarde a fronteira: se há rótulos (desfecho conhecido) → supervisionada; se não há rótulos → não supervisionada; se há interação com ambiente e recompensas → por reforço. É exatamente nesse critério que as alternativas se dividem.

1Supervisionada
Dados rotulados
Desfecho conhecido
Classificação e regressão
2Não supervisionada
Dados sem rótulos
Descobre padrões
Agrupamento (clustering)
3Por reforço
Interage com ambiente
Recompensas e punições
Tentativa e erro
Aprendizado de máquina
LEVELsoulevel.com.br
Aprendizado de máquina: Supervisionada (Dados rotulados, Desfecho conhecido, Classificação e regressão); Não supervisionada (Dados sem rótulos, Descobre padrões, Agrupamento (clustering)); Por reforço (Interage com ambiente, Recompensas e punições, Tentativa e erro)

Alternativa A — ✅ Correta ⟵ GABARITO

A aprendizagem supervisionada é definida exatamente como o enunciado descreve: utiliza dados preparados para treinamento, nos quais se conhece o desfecho de cada registro, geralmente rotulados por um especialista. O modelo aprende a partir desses exemplos rotulados para fazer previsões sobre novos dados.

Alternativa B — ❌ Incorreta

A aprendizagem não supervisionada trabalha com dados sem rótulos, ou seja, sem desfecho conhecido. O algoritmo busca descobrir padrões e estruturas ocultas nos dados por conta própria, como em tarefas de agrupamento (clustering). A descrição do enunciado — com dados rotulados e desfecho conhecido — é o oposto dessa abordagem.

Alternativa C — ❌ Incorreta

A aprendizagem por reforço não se baseia em dados rotulados, mas sim na interação de um agente com um ambiente, recebendo recompensas ou punições pelas ações tomadas. O aprendizado ocorre por tentativa e erro, e não a partir de um conjunto de dados previamente rotulado por um especialista.

Alternativa D — ❌ Incorreta

"Aleatória" não é um paradigma de aprendizado de máquina. Não existe uma categoria formal de aprendizagem aleatória; o termo é um distrator que não corresponde a nenhuma abordagem reconhecida na área.

Alternativa E — ❌ Incorreta

"Flexível" também não é um paradigma de aprendizado de máquina. Não há uma categoria formal de aprendizagem flexível; é outro distrator sem fundamento técnico.

NÃO CAIA NESSA!

A banca descreve com precisão a aprendizagem supervisionada, mas o candidato pode confundir com a não supervisionada, que é o paradigma mais próximo. A chave é o termo "desfecho de cada registro" e "previamente rotulados": se há rótulos, é supervisionada. Com treino, você identifica essa distinção de imediato 💪.

Gabarito: letra A

Link permanente: /questoes/qg027983