Questão de Noções de Informática — Inteligência Artificial e Automação — INSTITUTO AOCP 2025

Aprendizado de Máquina: Clusterização

Gabarito: letra E. A técnica que agrupa dados de modo que os itens dentro de um grupo sejam mais semelhantes entre si e diferentes dos demais grupos é a clusterização (ou agrupamento), um método de aprendizado não supervisionado que identifica agregações naturais nos dados — exatamente o caso da segmentação de clientes por comportamento citada no enunciado.

A clusterização (do inglês clustering) é uma das tarefas centrais do aprendizado de máquina não supervisionado. Diferentemente do aprendizado supervisionado — em que o modelo recebe dados rotulados, ou seja, com a resposta esperada já conhecida —, no não supervisionado o algoritmo recebe apenas os dados brutos e deve descobrir estruturas, padrões ou agrupamentos por conta própria. O objetivo do clustering é particionar o conjunto de dados em grupos (chamados clusters) de forma que os elementos de um mesmo grupo sejam maximamente semelhantes entre si e maximamente diferentes dos elementos de outros grupos. Não há uma "resposta certa" prévia: o próprio algoritmo define os grupos com base em medidas de similaridade ou distância entre os dados.

O exemplo clássico dado no enunciado — segmentação de clientes com base em comportamento — ilustra perfeitamente a aplicação: a empresa não diz ao algoritmo "este cliente é do grupo A, este é do grupo B"; ela apenas fornece os dados de comportamento (histórico de compras, frequência, valores gastos) e o algoritmo agrupa os clientes que se comportam de maneira parecida. A partir daí, o profissional pode analisar cada grupo e criar estratégias específicas para cada segmento.

É fundamental distinguir a clusterização das demais técnicas de aprendizado de máquina, pois essa é a pegadinha clássica da banca. A classificação e a regressão são tarefas de aprendizado supervisionado: a classificação prevê uma categoria (ex.: e-mail é spam ou não), e a regressão prevê um valor numérico contínuo (ex.: preço de um imóvel). A associação busca identificar combinações de itens que ocorrem com frequência (ex.: quem compra cerveja também compra gelo). A redução de dimensionalidade é uma técnica de pré-processamento que reduz o número de variáveis, mantendo a informação essencial. A clusterização, por sua vez, é a única que agrupa dados sem rótulos prévios, sendo uma técnica descritiva (descobre padrões) e não supervisionada.

A banca explora exatamente a confusão entre classificação e clusterização: ambas envolvem "grupos", mas a classificação trabalha com classes predefinidas (supervisionado), enquanto a clusterização descobre os grupos nos dados (não supervisionado). Guarde essa fronteira: é nela que as alternativas se dividem.

Alternativa A — ❌ Incorreta

A redução de dimensionalidade é uma técnica de pré-processamento que visa reduzir o número de variáveis (dimensões) de um conjunto de dados, preservando ao máximo a informação relevante. Técnicas como PCA (Análise de Componentes Principais) são usadas para simplificar modelos e melhorar o desempenho computacional, mas não agrupam dados em grupos semelhantes. O erro aqui é confundir uma etapa de preparação de dados com uma tarefa de agrupamento.

Alternativa B — ❌ Incorreta

A classificação é uma tarefa de aprendizado supervisionado que atribui dados a categorias predefinidas. O modelo é treinado com dados rotulados (ex.: e-mails marcados como spam ou não-spam) e depois classifica novos dados. A diferença crucial para a clusterização é que, na classificação, os grupos (classes) já existem antes do algoritmo atuar; na clusterização, os grupos são descobertos a partir dos dados. O enunciado descreve exatamente a descoberta de grupos, não a atribuição a classes conhecidas.

Alternativa C — ❌ Incorreta

A regressão é uma tarefa de aprendizado supervisionado que prevê um valor numérico contínuo com base em variáveis de entrada. Por exemplo, prever o preço de uma casa com base em tamanho, localização e número de quartos. Não há agrupamento de dados em categorias ou grupos; o objetivo é estimar um valor. O enunciado fala em agrupar itens semelhantes, o que não se relaciona com previsão de valores.

Alternativa D — ❌ Incorreta

A associação é uma técnica que identifica combinações de itens que ocorrem com frequência em um conjunto de dados, como regras do tipo "quem compra X também compra Y" (ex.: {cerveja} → {gelo}). Ela busca correlações entre itens, não o agrupamento de dados semelhantes. Embora seja uma técnica não supervisionada, seu objetivo é diferente: encontrar padrões de co-ocorrência, não formar grupos homogêneos.

Alternativa E — ✅ Correta ⟵ GABARITO

A clusterização (ou agrupamento) é a técnica de aprendizado de máquina não supervisionado que agrupa dados de forma que os elementos de um mesmo grupo sejam mais semelhantes entre si e diferentes dos elementos de outros grupos. O exemplo de segmentação de clientes por comportamento é a aplicação clássica: o algoritmo identifica grupos naturais de clientes com comportamentos similares, permitindo estratégias direcionadas. É exatamente o que o enunciado descreve.

Gabarito: letra E