Retirada de:

https://www.ibm.com/br-pt/topics/supervised-learning

C.

Outras questões acerca dos tipos de aprendizados:

CESPE - 2024 - CTI - Tecnologista. No aprendizado de máquinas, o aprendizado supervisionado compreende um conjunto de dados de treinamento para ensinar modelos a mostrar a saída desejada. C

CESPE - 2023 - DATAPREV - Analista. Um sistema de aprendizado supervisionado, dotado de um conjunto de dados de treinamento que foram classificados manualmente, tenta aprender, a partir desses dados de treinamento, uma forma de classificá-los, bem como de classificar novos dados, ainda não observados. C

IDECAN - 2022 - TJ-PI - Analista. À aprendizagem por reforço é um tipo de treinamento usado onde enfrentamos um ambiente complexo. Através das tentativas e erro o computador busca uma solução para O problema. Para que a máquina entenda o que são acertos e erros ela receberá recompensas e penalidades durante o processo de busca da solução. C

CESPE - 2023 - FUB - Analista. Nos algoritmos de aprendizagem de máquina não supervisionados, os dados de treinamento são fornecidos sem rótulos e, nesse caso, o algoritmo deverá agrupar os dados de treinamento pelas similaridades de seus atributos. C

Certo. O aprendizado supervisionado é uma técnica de inteligência artificial em que os algoritmos são treinados usando conjuntos de dados rotulados. Nesse método, cada exemplo de treinamento é associado a um rótulo ou classe conhecida. O objetivo é aprender uma função que mapeie entradas para saídas com base nos exemplos de treinamento. Essa função pode ser usada posteriormente para classificar dados não rotulados ou fazer previsões com base nos padrões aprendidos durante o treinamento. Portanto, a afirmação está correta!

Esse "com precisão" é de F##..

ora, é claro que esperamos isos, mas não há garantias: você pode escolher um algoritmo inadequado ao problema, e aí?

Questão padrão CESPE de sacanagem

CERTO

Tipos de Aprendizagem:

1.Supervisionada: Executa tarefas com resultados conhecidos (Triviais)

• Há interação humana
• Treina algorítimos para classificar dados ou prever resultados com precisão
• Os dados são rotulados/classificados/regressão/detecção de desvio/pré-definidos
• Os dados já estão marcados com a resposta correta
• Ex.: descrever as caracteristicas de uma maçã e uma banana para, posteriormente, identificar cada uma com precisão

2.Não supervisionada: Executa tarefas com resultados não conhecidos (NãoTriviais)

• Não há interação humana
• Não há caminho certo ou errado
• Os dados não são rotulados e não há pré-definição ele são agrupados em (clustering) ou associados.
• Os dados não possui marcação com a resposta
• Ex.: Para a máquina identificar uma maçã e uma banana ela irá analisar cor, formato, tamanhos, etc. Pois não há uma pré-definição, visto que os dados são inseridos por si só.

3.Por reforço: Recebe um feedback da análise dos dados orientando o usuário p/ o melhor resultado

• Aprende por tentativa e erro

*Agrupamento (Clustering): Tenta encontrar uma estrutura de grupos nos dados não rotulados

• Usa técnica descritiva

*Regressão: Faz previsão de um alvo a partir do agrupamento de dados

• Usa técnica preditiva