O Tribunal de Contas dispõe de duas bases de dados: • a pri...
Próximas questões
Com base no mesmo assunto
Ano: 2026
Banca:
FGV
Órgão:
TCE-PE
Prova:
FGV - 2026 - TCE-PE - Auditor de Controle Externo – Tecnologia da Informação - REAPLICAÇÃO |
Q4279910
Sistemas de Informação
O Tribunal de Contas dispõe de duas bases de dados:
• a primeira contém registros de contratações já analisadas, cada um identificado como regular ou como fraude confirmada;
• a segunda contém contratações recentes, ainda não analisadas e sem classificação prévia.
A equipe pretende utilizar essas bases para:
1. estimar o risco de fraude nas contratações recentes com base nos resultados das análises anteriores; e
2. identificar, entre os registros recentes, padrões anômalos que possam não estar representados nos casos históricos.
Considerando as técnicas de machine learning supervisionado e não supervisionado, assinale a estratégia mais adequada.
• a primeira contém registros de contratações já analisadas, cada um identificado como regular ou como fraude confirmada;
• a segunda contém contratações recentes, ainda não analisadas e sem classificação prévia.
A equipe pretende utilizar essas bases para:
1. estimar o risco de fraude nas contratações recentes com base nos resultados das análises anteriores; e
2. identificar, entre os registros recentes, padrões anômalos que possam não estar representados nos casos históricos.
Considerando as técnicas de machine learning supervisionado e não supervisionado, assinale a estratégia mais adequada.
Gabarito comentado
Confira o gabarito comentado por um dos nossos professores
Gabarito: C
Fundamento decisivo: Como o histórico está classificado e a questão propõe dois objetivos distintos para os registros recentes, a estratégia deve combinar as técnicas adequadas a cada objetivo, como faz a alternativa C.
Tema central: Aprendizado supervisionado e não supervisionado
Análise das alternativas
A
Errada
Inverte a função das técnicas: para aprender a reproduzir as classes conhecidas, o treinamento supervisionado deve aproveitar os rótulos históricos. Aplicar um modelo supervisionado aos registros recentes sem rótulo é possível, mas pressupõe treinamento com exemplos classificados, etapa que a alternativa não estabelece.
B
Errada
Desconsidera justamente as classificações históricas que sustentariam o treinamento supervisionado. Também erra ao exigir classificação prévia para identificar anomalias, pois essa busca pode ser feita por aprendizado não supervisionado.
C
Certa
A alternativa C respeita a distinção entre treinamento e aplicação: o modelo supervisionado aprende com os exemplos classificados e pode estimar o risco em registros ainda sem rótulo. A análise não supervisionada complementa essa predição ao buscar padrões anômalos que podem não estar representados no histórico. A avaliação posterior é necessária porque estimativa de risco e identificação de anomalia não equivalem à confirmação de fraude.
D
Errada
A técnica não supervisionada pode identificar anomalias, mas seu uso isolado não atende ao objetivo de estimar risco com base nas classificações históricas. Além disso, um padrão anômalo não constitui, por si só, prova de fraude.
E
Errada
Descarta os rótulos disponíveis, deixando de aproveitar os resultados anteriores para a predição supervisionada. Também atribui à análise não supervisionada uma conclusão que ela não sustenta: identificar padrões ou desvios não confirma a ocorrência de fraude.
Pegadinha da questão
Confundir a exigência de rótulos no treinamento supervisionado com a exigência de rótulos nos registros submetidos à predição, além de equiparar anomalia ou risco elevado a fraude comprovada.
Dica para questões semelhantes
- Quando a predição deve aproveitar resultados conhecidos, use os exemplos rotulados para treinar o modelo supervisionado.
- Separe treinamento de predição: registros novos não precisam estar classificados para receber predições de um modelo já treinado.
- Para buscar padrões anômalos sem classificação prévia, considere a análise não supervisionada, inclusive como complemento à predição baseada no histórico.
- Distinga estimativa de risco, detecção de anomalia e confirmação de fraude; os achados exigem avaliação posterior.
Clique para visualizar este gabarito
Visualize o gabarito desta questão clicando no botão abaixo
Comentários
Veja os comentários dos nossos alunos
Fonte: Gemini
Análise dos objetivos e das técnicas de machine learning:
- Estimar o risco de fraude nas contratações recentes com base nas análises anteriores: A primeira base de dados possui rótulos conhecidos (regular ou fraude confirmada). Treinar um modelo com dados previamente rotulados para prever a classe de novos dados é a definição de aprendizado supervisionado (classificação).
- Identificar padrões anômalos não representados nos casos históricos: A segunda base não possui rótulos. Para encontrar agrupamentos, outliers ou desvios de padrão em dados não rotulados sem depender de classificações passadas, utiliza-se o aprendizado não supervisionado (como detecção de anomalias ou clustering).
- Análise humana: Os padrões não supervisionados não constituem prova automática de fraude, devendo ser submetidos à verificação dos auditores.
Análise das alternativas:
- A: Incorreta. Tenta inverter os conceitos, aplicando técnicas supervisionadas em dados não classificados.
- B: Incorreta. Não se pode aplicar técnicas supervisionadas em novos dados sem usar a base histórica treinada, além de ignorar o aprendizado não supervisionado para anomalias.
- C (Correta): Aplica a técnica supervisionada aos registros históricos rotulados para estimar o risco e a técnica não supervisionada aos registros recentes para identificar novos padrões anômalos.
- D: Incorreta. Um padrão anômalo detectado por algoritmo não supervisionado serve como indício de suspeita, não como prova definitiva de fraude.
- E: Incorreta. Descartar os rótulos históricos ignoraria o conhecimento já adquirido pelo tribunal e impediria a estimativa precisa do risco baseada em casos confirmados.
A alternativa correta é a C.
Clique para visualizar este comentário
Visualize os comentários desta questão clicando no botão abaixo
Conheça nossos planos