Alternativa correta: C – certo

Tema central da questão: O enunciado trata do aprendizado não supervisionado em machine learning (aprendizado de máquina), com foco no método de agrupamento (clustering).

Resumo teórico:
O agrupamento é uma técnica de aprendizado não supervisionado, pois os dados processados não possuem rótulos ou respostas associadas. O algoritmo busca identificar padrões de similaridade entre os dados e, com isso, organiza os elementos em grupos chamados de clusters. Cada cluster agrupa itens semelhantes entre si, diferenciando-os dos itens de outros clusters.

Exemplo prático: Imagine uma empresa que deseja segmentar clientes por comportamento de compra, mas sem saber previamente as categorias. O algoritmo de clustering pode descobrir grupos (clusters) de clientes com hábitos parecidos.

Referências confiáveis deste conceito podem ser encontradas em livros clássicos como "Pattern Recognition and Machine Learning", de C. Bishop, e no conteúdo do Manual de Inteligência Artificial do MIT.

Justificativa da alternativa correta:
A assertiva está correta porque descreve precisamente o objetivo do agrupamento: identificar similaridades e formar grupos (clusters) sem supervisão externa, ou seja, sem a necessidade de um professor ou rótulo para cada exemplo.

Estratégia de interpretação:
Para questões desse tipo, fique atento ao uso dos termos "não supervisionado", "similaridade", e "clusters". Eles são características fundamentais do agrupamento em machine learning. Não confunda com métodos supervisionados, que utilizam rótulos nos dados de entrada.

Dica: Sempre que a questão falar de descoberta de grupos a partir de dados brutos, sem rótulos, pense em clustering. Já quando há previsão de classes conhecidas, trata-se de aprendizado supervisionado.

Gostou do comentário? Deixe sua avaliação aqui embaixo!

GAB - ERRADO



Transferência transdutiva: Os domínios de origem e destino são diferentes (e.g., diferentes distribuições de dados), mas a tarefa a ser resolvida permanece a mesma.

Exemplo: um modelo treinado para classificar e-mails em inglês ser ajustado para classificar e-mails em espanhol, com poucas amostras do segundo idioma. 

 Transferência indutiva: Os domínios de origem e destino podem ser iguais ou diferentes, mas as tarefas são diferentes.

Exemplo: um modelo treinado para prever preços de imóveis ser adaptado para prever aluguéis

O aprendizado por transferência consiste em reaproveitar o conhecimento adquirido em uma tarefa para resolver outra parecida ou relacionada (ex: o conhecimento adquirido para andar de bicicleta, como equilíbrio e direção, é usado para aprender andar de moto).

São os seus tipos:

1- Indutivo:

• Domínios/fontes iguais ou diferentes
• Tarefas diferentes

2- Transdutivo:

• Domínios diferentes
• Tarefas iguais

3- Não supervisionado:

• Domínios diferentes
• Tarefas diferentes

técnicas preditivas (supervisionadas) – classificação (conjunto finito de hipóteses) e regressão linear (para valores contínuos, como números e possibilidades);

técnicas prescritivas  (não supervisionadas) = agrupamento (clustering) e regras de associação

Certo

• Agrupamento(Clustering) é uma Técnica de mineração de dados Descritiva/Não supervisionado/Não rotulados/Não classificados; Que agrupa de maneira automática objetos similares em grupos ou clusters. O objetivo é encontrar semelhanças entre os objetos com base em suas características e atributos.

Obs: O agrupamento é amplamente utilizado para descobrir padrões ocultos nos dados, tornando-se essencial para análise exploratória e tomada de decisões estratégicas.

O agrupamento é um algoritmo de aprendizado não supervisionado prescritivo utilizado para agrupamento de dados, que agrupa pontos de dados não rotulados em grupos ou clusters.

PF 2025