Questão nº 42
Questão de Conhecimentos Específicos · FCC TRF4 2025 (nº 42)
Em um projeto voltado à modernização do acompanhamento processual, a equipe de analistas de um tribunal identificou duas demandas distintas: estimar o prazo de conclusão dos processos judiciais a partir de dados históricos e detectar agrupamentos de demandas com características semelhantes, sem informações prévias de classificação. Com base nos conceitos de aprendizado de máquina, a solução adequada para atender a esses objetivos envolve a utilização de modelos
- Abaseados em regras, que utilizam conhecimento prévio sobre categorias de dados para identificar padrões e agrupar entradas sem depender de algoritmos de aprendizado automático.
- Bsupervisionados para classificação de categorias conhecidas e modelos descritivos para análise de similaridades em conjuntos rotulados.
- Csupervisionados para tarefas de regressão e classificação, sendo aplicáveis inclusive na identificação de estruturas de agrupamento quando há inferência posterior.
- Ddescritivos capazes de apoiar a previsão de variáveis em cenários com baixa disponibilidade de rotulagem, com uso complementar de técnicas supervisionadas para refinamento estatístico.
- Edescritivos voltados à identificação de padrões ocultos e modelos supervisionados aplicados à previsão de variáveis-alvo. (alternativa correta)
Resposta comentada
Gabarito Alternativa E
No aprendizado de máquina, você pode ensinar um computador de duas formas principais: supervisionado, quando você mostra exemplos com as respostas corretas para ele aprender a prever ou classificar; e não supervisionado, quando você dá os dados e ele precisa encontrar padrões ou grupos por conta própria, sem respostas pré-definidas.
(A) Incorreta: Modelos baseados em regras são uma forma de IA, mas não são o foco principal do aprendizado de máquina automático para as tarefas descritas. Além disso, a afirmação de agrupar sem depender de algoritmos de aprendizado automático contradiz o contexto da questão.
(B) Incorreta: A primeira demanda é de previsão de um valor contínuo (prazo), que é uma tarefa de regressão (supervisionada), não classificação. Modelos descritivos (não supervisionados) são para dados não rotulados para encontrar padrões, não para "conjuntos rotulados".
(C) Incorreta: Esta é a armadilha. Embora modelos supervisionados sejam para regressão (primeira demanda), a segunda demanda ("detectar agrupamentos... sem informações prévias de classificação") é intrinsecamente não supervisionada. Modelos supervisionados não "identificam estruturas de agrupamento" do zero; eles classificam dados em categorias já conhecidas ou descobertas por outro método. A frase "quando há inferência posterior" tenta confundir, mas a descoberta inicial dos grupos é não supervisionada.
(D) Incorreta: Modelos descritivos (não supervisionados) são para encontrar padrões e estruturas, não para "apoiar a previsão de variáveis" diretamente. Previsão é tarefa de modelos preditivos (supervisionados). A inversão dos papéis está incorreta.
(E) Correta: Esta alternativa descreve perfeitamente as duas demandas. A identificação de padrões ocultos (como agrupamentos sem rótulos prévios) é a função dos modelos descritivos (aprendizado não supervisionado). A previsão de variáveis-alvo (como o prazo de conclusão) é a função dos modelos supervisionados (aprendizado supervisionado, especificamente regressão neste caso).
Fonte: FCC TRF4 2025 Analista Judiciário - Área Apoio Especializado - Especialidade Análise de Sistemas de Informação (Caderno Tipo 001). Reproduzida para fins de estudo.