Em machine learning, quando algoritmos de aprendizado de máquina são usados para analisar e agrupar conjuntos de dados não rotulados, de forma tal que os algoritmos descobrem padrões ocultos sem a necessidade de intervenção humana, usa-se a forma de aprendizado do tipo
- A)não supervisionado.
Correta, porque o aprendizado não supervisionado trabalha com dados não rotulados e busca padrões ou agrupamentos sem resposta pronta.
- B)supervisionado.
Errada, porque o aprendizado supervisionado depende de dados rotulados para treinar o modelo com base em saídas conhecidas.
- C)over fitting.
Errada, porque overfitting é um problema de ajuste excessivo ao treino, e não um tipo de aprendizado.
- D)under fitting.
Errada, porque underfitting é quando o modelo aprende pouco demais, mas isso também não define uma forma de aprendizado.
- E)classificação.
Errada, porque classificação é uma tarefa típica de aprendizado supervisionado, não o nome do tipo de aprendizado descrito.
Gabarito: A
Em machine learning, quando você entrega ao algoritmo um conjunto de dados sem rótulos e ele precisa encontrar sozinho estruturas, semelhanças e padrões escondidos, você está falando de aprendizado não supervisionado. É como dar uma pilha de peças misturadas e pedir para o sistema descobrir quais parecem pertencer ao mesmo grupo, sem ninguém dizer qual é a resposta certa. Esse tipo de abordagem é muito usado em tarefas como clusterização, segmentação de clientes e descoberta de padrões. A ideia central é justamente a ausência de rótulos de saída: o algoritmo aprende pela própria organização dos dados, e não pela comparação com respostas previamente conhecidas. Por isso o gabarito A está correto. O enunciado descreve exatamente o cenário clássico de aprendizado não supervisionado: analisar e agrupar dados não rotulados para identificar padrões ocultos, sem intervenção humana direta no processo de identificação desses grupos. Já aprendizado supervisionado precisa de exemplos rotulados, porque ele aprende a partir da relação entre entrada e saída esperada. Então, se o texto fala em dados sem rótulos e descoberta de padrões, a pista é bem clara: não é hora de supervisionar ninguém, é hora de deixar o algoritmo se virar um pouco.