Questão FC444805
A computação científica consiste em um conjunto de técnicas, ferramentas e teorias que englobam inteligência artificial, matemática, estatística, física e computação e que abrangem
Genética
CEBRASPE (CESPE) · 2025
A computação científica consiste em um conjunto de técnicas, ferramentas e teorias que englobam inteligência artificial, matemática, estatística, física e computação e que abrangem conhecimentos específicos de subáreas tais como estatística aplicada, econometria, matemática aplicada, inteligência computacional, visualização científica e biometria, sendo cada vez mais utilizada no desenvolvimento de novas tecnologias agrícolas, agora no contexto da emergente agricultura digital. Nas últimas décadas, inclusive, a computação científica tem sido apontada como o terceiro pilar da pesquisa científica, junto com a experimentação e a teoria.
Agricultura de Precisão: Um Novo Olhar na Era Digital. EMBRAPA, 2024 (com adaptações).
Considerando as ideias do texto precedente, julgue o item a seguir.
Abordagens determinísticas, estocásticas e de aprendizado de máquina podem ser utilizadas para classificar pares de fazendas como compatíveis ou não, sendo que há exemplos em que os métodos de machine learning superam os demais em termos de qualidade de resultados (acurácia, precisão, sensibilidade e especificidade) e eficiência (tempo de execução computacional).
Mostrar resposta e comentário
Gabarito
Certo
Comentário do professor
A afirmação está correta: abordagens determinísticas, estocásticas e de machine learning podem ser empregadas para classificar pares de fazendas, e há situações em que o machine learning apresenta desempenho superior.
Acurácia: \(=\frac{TP+TN}{TP+TN+FP+FN}\).
Precisão: \(=\frac{TP}{TP+FP}\).
Sensibilidade (recall): \(=\frac{TP}{TP+FN}\).
Especificidade: \(=\frac{TN}{TN+FP}\).
Modelos de machine learning capturam relações não lineares e interações complexas entre variáveis, aprendem representações a partir de grandes volumes de dados e beneficiam-se de ensembles e otimizações computacionais. Isso pode resultar em maiores valores das métricas acima e em ganhos de eficiência quando se usam algoritmos escaláveis e hardware acelerado, explicando por que, em vários exemplos práticos, o machine learning supera métodos determinísticos e estocásticos.
Conteúdo do catálogo FC Concursos · Atualizado em