FC ConcursosFC Concursos

Questão FC890563

O aprendizado de máquina (machine learning) é frequentemente categorizado em diferentes paradigmas, dependendo da natureza dos dados disponíveis e do problema a ser resolvido. Dois

Inteligência Artificial (IA)

FGV · 2026

O aprendizado de máquina (machine learning) é frequentemente categorizado em diferentes paradigmas, dependendo da natureza dos dados disponíveis e do problema a ser resolvido. Dois dos tipos mais comuns são o aprendizado supervisionado e o aprendizado não supervisionado.

 

A principal diferença conceitual entre essas duas abordagens reside no fato de que, no aprendizado supervisionado:

  1. o algoritmo opera sobre dados que não possuem classificação prévia, buscando encontrar padrões ou estruturas ocultas por conta própria;
  2. o conjunto de dados de treinamento contém pares de dados de entrada e seus respectivos rótulos (labels) ou respostas corretas desejadas;
  3. o sistema aprende através da interação com um ambiente dinâmico, recebendo sinais de recompensa ou punição baseados em suas ações;
  4. o objetivo principal é sempre reduzir a dimensionalidade dos dados para facilitar a visualização, ignorando as variáveis de saída;
  5. não é necessário separar os dados em conjuntos de treino e teste, visto que a validação ocorre simultaneamente ao processamento.
Mostrar resposta e comentário

Gabarito

B

Comentário do professor

Aprendizado supervisionado refere-se ao cenário em que o conjunto de treinamento contém pares de entrada e respetivos rótulos, isto é, o "gabarito" que indica a resposta correta para cada exemplo.

O objetivo é aprender um mapeamento \(f: X \rightarrow Y\) que, dada uma nova entrada \(x\), estime o rótulo \(y\).

Esse paradigma engloba tarefas de classificação (categorias discretas, ex.: spam/não spam) e de regressão (valores contínuos, ex.: previsão de preço).

Durante o treinamento o algoritmo ajusta parâmetros para reduzir a discrepância entre previsões e rótulos. Depois, valida-se em dados não vistos para avaliar a generalização.

A presença dos rótulos é a característica definidora: sem eles, o modelo não pode aprender diretamente a prever respostas desejadas.

Conteúdo do catálogo FC Concursos · Atualizado em

Continue aprendendo