O Tribunal de Contas pretende utilizar técnicas de machine ...

Próximas questões
Com base no mesmo assunto
Q4279909
Noções de Informática Inteligência Artificial e Automação ,
Ano: 2026 Banca: FGV Órgão: TCE-PE Prova: FGV - 2026 - TCE-PE - Auditor de Controle Externo – Tecnologia da Informação - REAPLICAÇÃO |
Q4279909 Noções de Informática
O Tribunal de Contas pretende utilizar técnicas de machine learning em três análises.

I. Utilizar registros históricos já identificados como regulares ou irregulares para construir um modelo capaz de indicar, em novos registros, uma dessas duas classificações.
II. Examinar despesas ainda não classificadas previamente, organizando-as em grupos formados a partir das semelhanças existentes entre seus dados.
III. Utilizar dados históricos nos quais o nível de risco de cada contratação já é conhecido para construir um modelo que estime o risco de novas contratações.

As técnicas de machine learning empregadas nas análises I, II e III são, respectivamente,
Alternativas

Gabarito comentado

Confira o gabarito comentado por um dos nossos professores

Gabarito: D

Fundamento decisivo: O critério é a existência de respostas-alvo conhecidas nos dados de treinamento: estão presentes em I e III, enquanto II agrupa dados sem rótulos prévios. Isso leva à sequência supervisionada, não supervisionada e supervisionada, correspondente à alternativa D.

Tema central: Aprendizagem supervisionada e não supervisionada
Análise das alternativas
A
Errada
Inverte as três modalidades: I e III são supervisionadas porque utilizam respostas-alvo conhecidas; II é não supervisionada porque forma grupos sem classificação prévia.
B
Errada
Acerta I, mas erra II e III. O agrupamento de II não utiliza classes-alvo previamente fornecidas, portanto não é supervisionado. Já III utiliza níveis de risco conhecidos no treinamento, portanto é supervisionado.
C
Errada
Acerta II e III, mas erra I: os registros já identificados como regulares ou irregulares fornecem os rótulos usados no treinamento, caracterizando aprendizagem supervisionada.
D
Certa
A aprendizagem supervisionada utiliza exemplos cuja resposta-alvo já é conhecida: em I, os rótulos regular ou irregular; em III, o nível de risco de cada contratação. Esses resultados conhecidos orientam o aprendizado para prever novos casos. Em II, não há respostas-alvo previamente fornecidas: os grupos são formados pelas semelhanças entre os dados, o que caracteriza aprendizagem não supervisionada.
E
Errada
Acerta III, mas erra I e II. Em I, os rótulos conhecidos tornam a aprendizagem supervisionada. Em II, os grupos surgem das semelhanças entre dados sem classificação prévia, tornando a aprendizagem não supervisionada.
Pegadinha da questão
Formar grupos não equivale a aprender com classes previamente fornecidas. Além disso, o risco desconhecido das novas contratações não torna III não supervisionada: o que importa é que o risco dos exemplos de treinamento já é conhecido.
Dica para questões semelhantes
  • Verifique se os exemplos de treinamento possuem respostas-alvo conhecidas; a mera existência de dados históricos não define supervisão.
  • Identifique se os grupos são formados por semelhança, sem rótulos prévios: esse procedimento caracteriza aprendizagem não supervisionada.
  • Distinga a resposta conhecida no treinamento da resposta ainda desconhecida nos novos casos; é a primeira que determina a supervisão.

Clique para visualizar este gabarito

Visualize o gabarito desta questão clicando no botão abaixo

Comentários

Veja os comentários dos nossos alunos

  • Supervisionado: modelo treinado com dados rotulados (entrada e saída esperada). Exemplos: classificação e regressão.

  • Aprendizado não supervisionado: o modelo trabalha com dados sem rótulos, buscando identificar padrões ou estruturas ocultas.

Isaías 41:10. Não temas, porque eu sou contigo; não te assombres, porque eu sou teu Deus; eu te fortaleço, e te ajudo, e te sustento com a destra da minha justiça.

Fonte: Gemini

Análise das técnicas empregadas em cada uma das três tarefas:

  • I. Classificação com dados históricos rotulados (Regulares ou Irregulares): Como os dados históricos possuem respostas conhecidas (rótulos) e o objetivo é prever uma categoria discreta para novos registros, trata-se de um problema de aprendizado supervisionado (especificamente, uma tarefa de classificação).
  • II. Agrupamento de despesas não classificadas por semelhança: Como os dados não possuem classificação prévia e o objetivo é formar grupos (clusters) baseados em padrões e características inerentes dos dados, trata-se de aprendizado não supervisionado (especificamente, clustering).
  • III. Estimação de risco com base em histórico rotulado: Como os dados de treino possuem o nível de risco previamente conhecido (seja uma nota contínua para regressão ou uma classe para classificação) e o objetivo é estimar o risco para novos registros, trata-se de aprendizado supervisionado.

Portanto, a sequência correta para I, II e III é: supervisionada, não supervisionada e supervisionada.

A alternativa correta é a D.

Gabarito D

Análise I (Supervisionada): O modelo utiliza registros históricos que já possuem rótulos pré-definidos ("regulares" ou "irregulares") para aprender a classificar novos registros. Trata-se de uma tarefa clássica de classificação (Aprendizado Supervisionado).

Análise II (Não Supervisionada): O algoritmo examina dados sem rotulagem prévia para identificar padrões implícitos e reunir as despesas por semelhança. Trata-se de uma tarefa de agrupamento/clustering (Aprendizado Não Supervisionado).

Análise III (Supervisionada): O treinamento utiliza dados históricos cujo resultado desejado ("nível de risco") já é conhecido para prever/estimar o risco em novos casos (Aprendizado Supervisionado).

Retroceder Nunca Render-se Jamais !

Força e Fé !

Fortuna Audaces Sequitur ! 

temos dados rotulados, agrupamento e dados rotulados nessa sequência.

agrupamento é Não supervisionado

Clique para visualizar este comentário

Visualize os comentários desta questão clicando no botão abaixo

Questões de assuntos semelhantes

Provas relacionadas