Um Instituto Federal de Educação está desenvolvendo diferent...
o uso de dados históricos de estudantes, previamente rotulados quanto à ocorrência de evasão ou de permanência, para estimar o risco de evasão acadêmica;
a análise de dados acadêmicos e de frequência com o objetivo de identificar padrões e perfis semelhantes entre estudantes, sem a definição prévia de categorias;
o desenvolvimento de um agente inteligente capaz de recomendar intervenções pedagógicas ao longo do tempo, ajustando suas decisões a partir de recompensas associadas ao desempenho dos estudantes.
Com base nesse cenário, dadas as afirmativas,
I. A estimativa do risco de evasão acadêmica, a partir de dados históricos previamente rotulados, caracteriza um problema de aprendizado supervisionado.
II. A identificação de padrões e perfis semelhantes entre estudantes pode ser tratada como um problema de aprendizado supervisionado, desde que os dados estejam organizados e armazenados em sistemas acadêmicos.
III. O agente que recomenda intervenções pedagógicas e ajusta suas decisões, a partir de recompensas ao longo do tempo, utiliza aprendizado por reforço.
verifica-se que está/ão correta/s
Gabarito comentado
Confira o gabarito comentado por um dos nossos professores
Gabarito: C
O que precisava saber: Era necessário distinguir os tipos de aprendizado de máquina pelo critério central da questão: dados previamente rotulados caracterizam aprendizado supervisionado; ausência de categorias prévias e busca por padrões ou perfis semelhantes caracterizam aprendizado não supervisionado; decisões ajustadas por recompensas ao longo do tempo caracterizam aprendizado por reforço.
Critério decisivo: A presença ou ausência de rótulos nas situações descritas define a classificação: dados históricos previamente rotulados sobre evasão ou permanência indicam aprendizado supervisionado; identificação de padrões sem categorias prévias indica aprendizado não supervisionado; um agente que ajusta decisões a partir de recompensas ao longo do tempo utiliza aprendizado por reforço.
- Verifique primeiro se há saídas conhecidas previamente associadas aos exemplos; se houver rótulos, o problema é de aprendizado supervisionado.
- Quando o enunciado falar em descobrir padrões, perfis ou agrupamentos sem categorias pré-definidas, o enquadramento é de aprendizado não supervisionado.
- Se aparecer um agente que toma decisões em sequência e ajusta seu comportamento com base em recompensas ou penalidades ao longo do tempo, trata-se de aprendizado por reforço.
Clique para visualizar este gabarito
Visualize o gabarito desta questão clicando no botão abaixo
Comentários
Veja os comentários dos nossos alunos
Gabarit C
I. Correta (Aprendizado Supervisionado): No aprendizado supervisionado, o modelo é treinado com um conjunto de dados que já possui as "respostas" (rótulos). Como os dados históricos de estudantes já estão rotulados (evasão ou permanência), o algoritmo aprende a mapear as características dos alunos a essas categorias para prever novos casos.
II. Incorreta (Aprendizado Não Supervisionado): O erro da afirmativa está em dizer que a identificação de padrões e perfis semelhantes sem a definição prévia de categorias é aprendizado supervisionado. Quando buscamos agrupamentos naturais nos dados (clustering) sem rótulos predefinidos, estamos falando de Aprendizado Não Supervisionado. O fato de os dados estarem organizados em sistemas acadêmicos não muda a natureza do algoritmo.
III. Correta (Aprendizado por Reforço): Este paradigma foca em agentes que tomam decisões em um ambiente para maximizar uma recompensa acumulada. O agente aprende por tentativa e erro: se a intervenção pedagógica gera um bom desempenho (recompensa), a estratégia é reforçada.
Retroceder Nunca Render-se Jamais !
Força e Fé !
Fortuna Audaces Sequitur !
Clique para visualizar este comentário
Visualize os comentários desta questão clicando no botão abaixo
Conheça nossos planos