Questão nº 56
Questão de Tecnologia da Informação · FGV DATAPREV 2024 (nº 56)
Considere o seguinte cenário: Uma empresa de telecomunicações está analisando os dados de uso de seus clientes, como frequência de chamadas, uso de dados móveis e envio de mensagens. Ela quer identificar grupos de clientes com comportamentos semelhantes para oferecer promoções personalizadas.
Em uma escolha por uma solução de aprendizado de máquina, o cientista de dados deve observar que, se o aprendizado for
- Ahíbrido, congregará as características dos modelos supervisionado e não supervisionado, em um modelo ensemble.
- Bnão supervisionado oferecerá opções como os algoritmos back propagation, K-means e C4.5.
- Cnão supervisionado demandará uma fase de pós-processamento que envolve visualização e análise do modelo.
- Dsupervisionado considerará a abstração de um modelo de conhecimento da forma (entrada, saída desejada). (alternativa correta)
- Esupervisionado, os algoritmos partirão dos dados, buscando relacionamento entre eles.
Resposta comentada
Gabarito Alternativa D
O Aprendizado de Máquina é um campo da Inteligência Artificial onde computadores aprendem padrões a partir de dados. Existem dois tipos principais: Aprendizado Supervisionado, que usa dados com "respostas" (saídas desejadas) para aprender a prever resultados, e Aprendizado Não Supervisionado, que busca padrões e estruturas em dados sem respostas pré-definidas.
- (A) Incorreta: Um modelo híbrido ou ensemble pode combinar características, mas esta alternativa descreve uma abordagem mais avançada e não a característica fundamental de um dos tipos básicos de aprendizado mencionados na questão.
- (B) Incorreta: Esta alternativa mistura algoritmos. Enquanto K-means é um algoritmo de aprendizado não supervisionado (para agrupamento), back propagation é um método de treinamento para redes neurais (usadas em ambos, mas classicamente em supervisionado) e C4.5 é um algoritmo de aprendizado supervisionado (para classificação). Armadilha da banca: A menção de K-means pode levar o aluno a pensar que a alternativa está correta, mas a inclusão de algoritmos supervisionados como C4.5 a torna incorreta para a categoria "não supervisionado".
- (C) Incorreta: Embora a fase de pós-processamento, visualização e análise seja crucial para o aprendizado não supervisionado (e para qualquer modelo de ML), ela não é uma característica exclusiva ou a definição fundamental do aprendizado não supervisionado. Todos os modelos de ML precisam de análise para serem compreendidos e validados.
- (D) Correta: O aprendizado supervisionado é fundamentalmente definido por aprender a partir de exemplos onde cada entrada de dados tem uma "saída desejada" (ou rótulo) correspondente. O modelo busca abstrair uma regra ou função que mapeia a entrada para essa saída.
- (E) Incorreta: A afirmação de que os algoritmos "partirão dos dados, buscando relacionamento entre eles" é verdadeira para qualquer tipo de aprendizado de máquina, seja supervisionado ou não supervisionado. Não é uma característica distintiva do aprendizado supervisionado.
Fonte: FGV DATAPREV 2024 Analista de Tecnologia da Informação - Inteligência da Informação (Caderno Tipo 1). Reproduzida para fins de estudo.