Muitos cenários de análise de dados envolvem conjuntos sem rótulos disponíveis, como é comum em agrupamentos de clientes, detecção de padrões anômalos ou redução de dimensionalidade. Nesses casos, técnicas de aprendizado não supervisionado são essenciais para extrair conhecimento oculto nos dados. Com relação ao aprendizado não supervisionado em Machine Learning, assinale a afirmativa correta. A) O aprendizado não supervisionado depende de conjuntos de dados previamente rotulados para mapear entradas a saídas durante o treinamento. B) Técnicas de aprendizado não supervisionado, como árvores de decisão e regressão logística, são ideais para prever rótulos em problemas de classificação supervisionada. C) O aprendizado não supervisionado é utilizado para gerar automaticamente rótulos com base em padrões nos dados, sem necessidade de saídas conhecidas previamente. D) A principal limitação do aprendizado não supervisionado é que ele não consegue lidar com grandes volumes de dados, sendo restrito a pequenos conjuntos. E) O aprendizado não supervisionado só pode ser utilizado quando todos os atributos do conjunto de dados forem categóricos.

C) O aprendizado não supervisionado é utilizado para gerar automaticamente rótulos com base em padrões nos dados, sem necessidade de saídas conhecidas previamente.

Questões Noções de Informática Inteligência Artificial e Automação

Muitos cenários de análise de dados envolvem conjuntos sem rótulos disponíveis, como é ...

Responda: Muitos cenários de análise de dados envolvem conjuntos sem rótulos disponíveis, como é comum em agrupamentos de clientes, detecção de padrões anômalos ou redução de dimensionalidade. Nesses casos, ...

1Q1039874 | Noções de Informática, Inteligência Artificial e Automação, Auditor de Controle Externo Tecnologia da Informação, TCE PE, FGV, 2025

Muitos cenários de análise de dados envolvem conjuntos sem rótulos disponíveis, como é comum em agrupamentos de clientes, detecção de padrões anômalos ou redução de dimensionalidade. Nesses casos, técnicas de aprendizado não supervisionado são essenciais para extrair conhecimento oculto nos dados.
Com relação ao aprendizado não supervisionado em Machine Learning, assinale a afirmativa correta.

✂️ a) O aprendizado não supervisionado depende de conjuntos de dados previamente rotulados para mapear entradas a saídas durante o treinamento.
✂️ b) Técnicas de aprendizado não supervisionado, como árvores de decisão e regressão logística, são ideais para prever rótulos em problemas de classificação supervisionada.
✂️ c) O aprendizado não supervisionado é utilizado para gerar automaticamente rótulos com base em padrões nos dados, sem necessidade de saídas conhecidas previamente.
✂️ d) A principal limitação do aprendizado não supervisionado é que ele não consegue lidar com grandes volumes de dados, sendo restrito a pequenos conjuntos.
✂️ e) O aprendizado não supervisionado só pode ser utilizado quando todos os atributos do conjunto de dados forem categóricos.