Questão de Tecnologia da Informação · FCC TRT5 2022 (nº 43)

Modelos preditivos usam dados históricos para fazer previsões sobre eventos futuros. Existem dois tipos principais de aprendizado: supervisionado, onde o modelo aprende com exemplos que já têm a "resposta" correta (dados de entrada e saída), e não supervisionado, onde o modelo busca padrões e estruturas em dados que não têm respostas pré-definidas (apenas dados de entrada).

(A) Incorreta: O modelo preditivo não supervisionado recebe apenas dados de entrada para encontrar padrões ou estruturas, sem ter as "respostas" ou dados de saída. Receber dados de entrada e saída é característica do aprendizado supervisionado.
(B) Incorreta: O modelo supervisionado recebe dados de entrada e saída (rótulos) durante o treinamento para aprender a relação entre eles. Receber "apenas dados de entrada" é uma característica do aprendizado não supervisionado. A pegadinha aqui é que modelos supervisionados de fato encontram padrões, mas eles precisam dos dados de saída para "supervisionar" esse aprendizado.
(C) Incorreta: A afirmação I está incorreta.
(D) Correta: A análise preditiva é amplamente empregada para detectar anomalias e padrões incomuns que podem indicar fraudes, como em transações financeiras ou seguros. A utilização de aprendizado de máquina (Machine Learning) é fundamental para a análise preditiva, pois automatiza a identificação de padrões complexos e a construção de modelos, resultando em previsões mais rápidas e precisas do que métodos manuais.
(E) Incorreta: As afirmações I e II estão incorretas.