O aprendizado de máquina aplicado à mineração
de dados possibilita a extração de conhecimento
útil a partir de grandes volumes de informações,
automatizando a identificação de padrões e
tendências. Ele é empregado para prever
comportamentos, classificar dados e detectar
anomalias em diferentes contextos. Entre as
abordagens utilizadas nesse processo,
destacam-se o aprendizado supervisionado, o
aprendizado não supervisionado e o aprendizado
por reforço, cada um adequado a diferentes tipos
de problemas e conjuntos de dados. Em relação
às abordagens mencionadas, informe se é
verdadeiro (V) ou falso (F) o que se afirma a
seguir e assinale a alternativa com a sequência
correta.
( ) No aprendizado supervisionado, o modelo aprende com um conjunto de dados não rotulados (exemplo: previsão de vendas).
( ) No aprendizado não supervisionado, o modelo encontra padrões em dados rotulados (exemplo: segmentação de clientes).
( ) No aprendizado por reforço, o modelo aprende através de interações com o ambiente e feedback sobre as ações (exemplo: algoritmos de recomendação)
( ) No aprendizado supervisionado, o modelo aprende com um conjunto de dados não rotulados (exemplo: previsão de vendas).
( ) No aprendizado não supervisionado, o modelo encontra padrões em dados rotulados (exemplo: segmentação de clientes).
( ) No aprendizado por reforço, o modelo aprende através de interações com o ambiente e feedback sobre as ações (exemplo: algoritmos de recomendação)