No contexto dos principais paradigmas de aprendizado de máqu...
Próximas questões
Com base no mesmo assunto
Ano: 2026
Banca:
FGV
Órgão:
TJ-RJ
Prova:
FGV - 2026 - TJ-RJ - Analista Judiciário - Tecnologia da Informação - Analista de Inteligência Artificial |
Q3874748
Engenharia de Software
No contexto dos principais paradigmas de aprendizado de máquina, relacione os tipos de aprendizado a seguir com as técnicas correspondentes.
1. Aprendizado supervisionado
2. Aprendizado não supervisionado
3. Aprendizado semisupervisionado
( ) Uso de algoritmos de clustering como k-means ou clustering hierárquico para agrupar observações com base em medidas de similaridade, sem rótulos de saída.
( ) Emprego de algoritmos de propagação de rótulos (label propagation ou label spreading), combinando um pequeno conjunto de exemplos rotulados com um grande volume de dados não rotulados para melhorar a generalização.
( ) Utilização de k-vizinhos mais próximos (k-NN) para classificar exemplos, tomando como referência os rótulos dos vizinhos mais próximos no conjunto de treino.
A sequência correta é:
1. Aprendizado supervisionado
2. Aprendizado não supervisionado
3. Aprendizado semisupervisionado
( ) Uso de algoritmos de clustering como k-means ou clustering hierárquico para agrupar observações com base em medidas de similaridade, sem rótulos de saída.
( ) Emprego de algoritmos de propagação de rótulos (label propagation ou label spreading), combinando um pequeno conjunto de exemplos rotulados com um grande volume de dados não rotulados para melhorar a generalização.
( ) Utilização de k-vizinhos mais próximos (k-NN) para classificar exemplos, tomando como referência os rótulos dos vizinhos mais próximos no conjunto de treino.
A sequência correta é:
Comentários
Veja os comentários dos nossos alunos
letra d)
Principais tipos de aprendizado de máquina:
- Supervisionado: modelo treinado com dados rotulados (entrada + resposta correta). Exemplos: classificação e regressão.
- Não supervisionado: usa dados sem rótulos para descobrir padrões ou agrupamentos. Exemplos: clustering e redução de dimensionalidade.
- Semi-supervisionado: combina pequena quantidade de dados rotulados com grande volume de dados não rotulados.
- Aprendizado por reforço: um agente aprende por tentativa e erro, recebendo recompensas ou penalidades ao interagir com o ambiente.
Clique para visualizar este comentário
Visualize os comentários desta questão clicando no botão abaixo
Conheça nossos planos