Questão de Noções de Informática — Inteligência Artificial e Automação — INSTITUTO AOCP 2025
Noções de Informática›Inteligência Artificial e Automação
Código
qg539065
Banca
INSTITUTO AOCP
Órgão
IF-MS
Ano
2025
Nível
Superior
Cargo
Analista de Tecnologia da Informação
Um instituto de pesquisa governamental está desenvolvendo um sistema inteligente para análise de dados sobre cursos de capacitação de servidores públicos. O objetivo é otimizar a oferta de cursos com base nos padrões de participação e desempenho dos servidores. Durante a fase de definição do modelo de aprendizado de máquina, a equipe propôs duas tarefas:Tarefa A: prever se um servidor concluirá o curso com sucesso com base em variáveis como frequência, tipo de curso e cargo;Tarefa B: identificar grupos com padrões semelhantes de participação, sem informações prévias sobre desempenho.Com base nesse contexto, assinale a alternativa que caracteriza corretamente os tipos de modelos aplicáveis a cada tarefa.
ATarefa A: é descritiva, pois agrupa os servidores com base em características conhecidas. Tarefa B: é preditiva, pois tenta prever o comportamento futuro de cada grupo.
BAs Tarefas A e B são supervisionadas, pois partem de atributos fornecidos na base de dados.
CTarefa A: exige um modelo supervisionado, pois há uma variável-alvo definida. Tarefa B: exige um modelo não supervisionado, já que não há rótulos conhecidos.
DTarefa A: é não supervisionada, pois trabalha com agrupamento baseado em dados históricos. Tarefa B: é supervisionada, pois depende de atributos quantitativos.
EAs Tarefa A e B exigem apenas classificação binária, pois lidam com decisões do tipo “sim” ou “não”.
Revelar gabarito e comentário▾
GabaritoC — Tarefa A: exige um modelo supervisionado, pois há uma variável-alvo definida. Tarefa B: exige um modelo não supervisionado, já que não há rótulos conhecidos.
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: Supervisionado × Não Supervisionado
Gabarito: letra C. A Tarefa A (prever se o servidor concluirá o curso) exige um modelo supervisionado, pois há uma variável-alvo definida (concluir ou não); a Tarefa B (identificar grupos com padrões semelhantes) exige um modelo não supervisionado, pois não há rótulos prévios. Essa distinção é o núcleo do aprendizado de máquina e está diretamente ligada ao conceito de modelos preditivos (supervisionados) e descritivos (não supervisionados).
O aprendizado de máquina (machine learning) é um subcampo da inteligência artificial que permite que os computadores aprendam com dados, identificando padrões e tomando decisões com o mínimo de intervenção humana. A diferença fundamental entre os dois tipos de aprendizado está na presença ou ausência de rótulos (variável-alvo) nos dados de treinamento.
No aprendizado supervisionado, o modelo é treinado com um conjunto de dados rotulados, ou seja, cada exemplo possui uma entrada (atributos) e uma saída esperada (o rótulo). O objetivo é aprender uma função que mapeie as entradas para as saídas, permitindo fazer previsões sobre dados novos. É o caso da Tarefa A: temos variáveis como frequência, tipo de curso e cargo (atributos) e uma variável-alvo (concluir ou não o curso). O modelo aprende a relação entre esses atributos e o resultado, podendo prever o desempenho de novos servidores. Dentro do supervisionado, temos a classificação (quando a variável-alvo é categórica, como "sim" ou "não") e a regressão (quando é numérica).
No aprendizado não supervisionado, o modelo trabalha com dados sem rótulos. O objetivo é descobrir estruturas, padrões ou agrupamentos nos próprios dados. É o caso da Tarefa B: queremos identificar grupos de servidores com padrões semelhantes de participação, sem saber de antemão o que define esses grupos. O algoritmo de clusterização (agrupamento) é o exemplo clássico, como o K-Means.
A confusão entre esses conceitos é a pegadinha mais comum nesse tema. A banca frequentemente inverte os termos: diz que a tarefa preditiva é não supervisionada ou que a descritiva é supervisionada. A chave é sempre perguntar: existe uma variável-alvo (rótulo) que o modelo deve prever? Se sim, é supervisionado. Se o objetivo é apenas explorar e agrupar dados sem um alvo definido, é não supervisionado.
NÃO CAIA NESSA!
A banca adora inverter os conceitos de supervisionado e não supervisionado, e também confundir "preditivo" com "descritivo". Nesta questão, as alternativas A, B, D e E exploram exatamente essas trocas. Lembre-se: preditivo = supervisionado (há um alvo a prever) e descritivo = não supervisionado (busca-se padrões sem alvo).
Critério
Tarefa A (prever conclusão)
Tarefa B (agrupar padrões)
Tipo de aprendizado
Supervisionado
Não supervisionado
Variável-alvo (rótulo)
Definida (concluir ou não)
Ausente
Objetivo
Preditivo (classificação)
Descritivo (clusterização)
Exemplo de algoritmo
Classificação (ex.: regressão logística)
Agrupamento (ex.: K-Means)
Aprendizado de máquina: Supervisionado (com rótulos) (Classificação (categórica), Regressão (numérica)); Não supervisionado (sem rótulos) (Clusterização (agrupamento), Descritivo); Tarefa A (prever conclusão) (Supervisionado, Preditivo); Tarefa B (agrupar padrões) (Não supervisionado, Descritivo)
Alternativa A — ❌ Incorreta
Inverte completamente os conceitos. A Tarefa A (prever conclusão) é preditiva e supervisionada, não descritiva. A Tarefa B (agrupar) é descritiva e não supervisionada, não preditiva. A alternativa troca os termos "preditiva" e "descritiva" e os associa erroneamente às tarefas.
Alternativa B — ❌ Incorreta
Afirma que ambas são supervisionadas. Isso é falso para a Tarefa B, que não possui rótulos (variável-alvo) e, portanto, é não supervisionada. A presença de atributos (frequência, tipo de curso, cargo) não torna a tarefa supervisionada; o que define é a existência de um rótulo a ser previsto.
Alternativa C — ✅ Correta ⟵ GABARITO
Caracteriza corretamente as duas tarefas. A Tarefa A é supervisionada porque há uma variável-alvo definida (concluir ou não o curso). A Tarefa B é não supervisionada porque não há rótulos conhecidos, apenas a busca por padrões de agrupamento. Essa é a definição clássica e correta.
Alternativa D — ❌ Incorreta
Inverte os conceitos novamente. A Tarefa A (prever) é supervisionada, não não supervisionada. A Tarefa B (agrupar) é não supervisionada, não supervisionada. A alternativa troca os termos e ainda adiciona a justificativa incorreta de que a Tarefa B "depende de atributos quantitativos", o que não a torna supervisionada.
Alternativa E — ❌ Incorreta
Afirma que ambas exigem apenas classificação binária. Isso é falso: a Tarefa A pode ser uma classificação binária (concluir ou não), mas a Tarefa B é um problema de clusterização (agrupamento), que não é classificação. Além disso, nem todo problema supervisionado é binário; pode ser multiclasse ou regressão.