O tipo de aprendizado máquina, que consiste em treinar um sistema a partir de dados que não estão rotulados e/ou classificados e utilizar algoritmos que buscam descobrir padrões ocultos que agrupam as informações de acordo com semelhanças ou diferenças, é denominado
- A)dinâmico.
Errada, porque “aprendizado dinâmico” não é a classificação padrão usada para esse tipo de técnica em aprendizado de máquina.
- B)sistêmico.
Errada, pois “sistêmico” não designa, na teoria de IA, o aprendizado baseado em dados sem rótulos.
- C)por reforço.
Errada, porque aprendizado por reforço envolve recompensas e punições, não agrupamento de dados não classificados.
- D)supervisionado.
Errada, já que o aprendizado supervisionado exige dados rotulados para comparar entrada e saída conhecidas.
- E)não supervisionado.
Certa, pois o aprendizado não supervisionado trabalha com dados sem rótulos e busca padrões, semelhanças e agrupamentos.
Gabarito: E
Quando falamos em aprendizado de máquina, a primeira pergunta costuma ser: os dados têm rótulo ou não? Se os dados já vêm classificados, o sistema aprende comparando entradas e saídas conhecidas. Se não há rótulos, o cenário muda bastante: o algoritmo precisa “olhar sozinho” para os dados e encontrar semelhanças, diferenças e estruturas escondidas. É aí que entra o aprendizado não supervisionado. Nesse tipo de aprendizado, o sistema não recebe a resposta pronta. Ele tenta descobrir padrões por conta própria, agrupando itens parecidos e identificando relações que talvez nem fossem óbvias para um humano. Um exemplo clássico é a formação de clusters, isto é, agrupamentos de dados semelhantes. Pense em separar clientes com hábitos parecidos de compra sem dizer antes quem pertence a qual grupo. O algoritmo faz esse trabalho exploratório. Por isso, o gabarito é a alternativa E. A expressão “dados não rotulados e/ou classificados” praticamente entrega a ideia de aprendizado não supervisionado, que é justamente o treino sem supervisão direta, sem etiqueta dizendo o que cada amostra representa. Em doutrina de IA e ciência de dados, essa é a definição consagrada: o modelo busca padrões ocultos e organiza os dados por similaridade ou diferença. Já o aprendizado supervisionado é o oposto: ele usa exemplos rotulados para aprender a relação entre entrada e saída. Então, quando a banca fala em descobrir padrões ocultos em dados sem classificação prévia, você já pode desconfiar de uma pista forte para o aprendizado não supervisionado. É a velha história: ninguém deu o mapa, então o algoritmo vai lendo as placas do caminho.