O enunciado descreve exatamente a definição clássica de Machine Learning (Aprendizado de Máquina):Campo da Inteligência Artificial que permite que sistemas aprendam padrões a partir de dados e realizem previsões ou decisões sem programação explícita para cada caso.

Esse conceito foi formalizado por Arthur Samuel (1959), que definiu ML como a capacidade de “dar aos computadores a habilidade de aprender sem serem explicitamente programados”.

• Análise de dados históricos
• Previsão futura
• Não programado explicitamente para cada cenário
• Aprendizado automático

Isso é modelo preditivo baseado em treinamento com dados → núcleo do Machine Learning.

-----------

Subárea da IA focada em processamento de texto e linguagem humana.

O caso fala de CPU, memória e tráfego de rede → dados numéricos estruturados.

Tecnologia de infraestrutura (criação de máquinas virtuais).

Não envolve aprendizado.

Processo de extração de padrões em bases de dados.

Pode usar ML, mas não é sinônimo de aprendizado autônomo.

Data Mining é técnica de análise;

Machine Learning é o modelo que aprende.

Rede de dispositivos conectados.

Não é técnica de aprendizado.

-------

Embora não exista uma “lei de machine learning”, o tema é regulado no contexto de IA pela:

Art. 20: O titular tem direito à revisão de decisões tomadas unicamente com base em tratamento automatizado de dados pessoais.

Isso inclui sistemas de ML usados para decisões automatizadas.

Estabelece princípios de neutralidade e proteção de dados aplicáveis a sistemas automatizados.

Define sistemas de IA como:

Sistemas baseados em máquina que operam com níveis variados de autonomia.

O conceito é compatível com Machine Learning.

-------

Ainda não há jurisprudência específica sobre “Machine Learning” em concursos administrativos, mas há precedentes sobre decisões automatizadas:

Reconhecimento da proteção de dados como direito fundamental implícito.

Reconhecimento da validade de decisões automatizadas desde que respeitados princípios da legalidade e transparência.

-----

Fonte: Chat Gpt

A) Processamento de Linguagem Natural (NLP): É uma área da computação e da inteligência artificial que permite que máquinas compreendam, interpretem e gerem linguagem humana (texto ou fala). Exemplos incluem tradutores automáticos, chatbots e assistentes virtuais.

B) Virtualização de Servidores: É a técnica de dividir um único servidor físico em vários servidores virtuais independentes, permitindo melhor uso de recursos, redução de custos e maior flexibilidade na gestão de sistemas.

C) Mineração de Dados: É o processo de analisar grandes volumes de dados para descobrir padrões, tendências e informações úteis que não são facilmente visíveis. É muito usada em negócios, marketing e ciência.

D) Aprendizado de Máquina: É um ramo da inteligência artificial em que sistemas aprendem a partir de dados, identificando padrões e melhorando seu desempenho automaticamente sem serem explicitamente programados para cada tarefa. Também é conhecido por "Machine Learning"

E) Internet das Coisas (IoT): Refere-se à conexão de objetos físicos à internet, permitindo que eles coletem e troquem dados. Exemplos incluem casas inteligentes, relógios inteligentes e dispositivos conectados.

No presente caso, trata-se de aprendizado de máquina - em que os sistemas aprendem através de dados, sem necessariamente ser programados para cada tarefa.

✅ Alternativa correta: D) Aprendizado de Máquina

No Inteligência Artificial, o campo que permite que sistemas aprendam com dados e melhorem seu desempenho sem programação explícita para cada situação é o Aprendizado de Máquina (Machine Learning).

D) Aprendizado de Máquina

É o ramo da IA em que algoritmos aprendem padrões a partir de dados históricos e conseguem fazer previsões ou decisões (ex.: prever uso de CPU, detectar anomalias, recomendar ações).

❌ A) Processamento de Linguagem Natural (NLP)

Área da IA voltada para compreensão e geração de linguagem humana (texto e fala), como chatbots e tradutores. Não é o foco de previsão de recursos de servidores.

❌ B) Virtualização de Servidores

Tecnologia de infraestrutura que cria “servidores virtuais” dentro de um hardware físico. Não envolve aprendizado ou IA.

❌ C) Mineração de Dados

Processo de análise de grandes volumes de dados para descobrir padrões e informações úteis. Pode ser usada junto com Machine Learning, mas não é o campo principal de aprendizado automático.

❌ E) Internet das Coisas (IoT)

Rede de dispositivos físicos conectados à internet que coletam e trocam dados (sensores, câmeras, etc.). Não é um campo de aprendizado de modelos.

Resumo final:

• IA que aprende com dados → Aprendizado de Máquina (D)
• NLP → linguagem
• Virtualização → infraestrutura
• Mineração de dados → análise
• IoT → dispositivos conectados