No âmbito de uma controladoria-geral, a equipe de fiscalização constatou que a auditoria automatizada de editais de licitação baseada em correspondência exata de termos apresentava limitações. O problema ocorria quando diferentes expressões eram utilizadas para descrever o mesmo objeto contratual, como “aquisição de veículos” e “compra de automóveis”, dificultando a identificação de padrões de risco baseados em similaridade de significado.
Nessa situação, a fim de permitir que o sistema compare textos com base em sua proximidade semântica, independentemente dos termos literais empregados, a equipe deve implementar

Uma equipe de ciência de dados recebeu a tarefa de implantar uma solução de aprendizado não supervisionado para apoiar a auditoria contínua da execução orçamentária. O objetivo dessa solução é agrupar empenhos históricos com características semelhantes e, posteriormente, identificar registros potencialmente atípicos a partir de sua relação com os agrupamentos formados, sem utilizar uma base histórica previamente rotulada. Para esse cenário, foi escolhido o algoritmo k-means.
No caso precedente, a capacidade do algoritmo k-means de apoiar a identificação de registros potencialmente atípicos decorre da