Com relação a inteligência artificial, análise de dados e Bi...

Alternativa correta: E - Errado

Para compreender o erro na afirmativa apresentada, é crucial diferenciar os conceitos de aprendizado supervisionado e aprendizado não supervisionado, que são subáreas da Inteligência Artificial no contexto de Big Data e análise de dados.

No aprendizado supervisionado, os modelos são treinados utilizando um conjunto de dados previamente classificados ou rotulados. O objetivo é que o algoritmo aprenda a mapear as entradas para as saídas corretas, baseando-se nos exemplos fornecidos. Após o treinamento, o modelo é capaz de predizer a classificação ou o rótulo de novos dados que nunca foram vistos.

Em contrapartida, o aprendizado não supervisionado lida com dados que não são classificados ou rotulados. O sistema tenta identificar padrões e estruturas nos dados por conta própria. A ideia é explorar a organização ou agrupamento intrínseco dos dados para extrair informações que não são imediatamente aparentes.

O equívoco do item avaliado está na descrição de um sistema de aprendizado não supervisionado que utiliza um conjunto de dados previamente classificados manualmente. Na realidade, essa é a descrição de um processo de treinamento para um sistema de aprendizado supervisionado. Portanto, o sistema descrito não pode ser considerado um exemplo de aprendizado não supervisionado, o que justifica a resposta correta ser Errado.

" Um sistema de aprendizado não supervisionado, dotado de um conjunto de dados de treinamento que foram classificados manualmente, tenta aprender, a partir desses dados de treinamento, uma forma de classificá-los, bem como de classificar novos dados, ainda não observados."

Tal conceito trata-se de Aprendizado Supervisionado, pois a questão fala que dados de treinamento foram classificados manualmente, ou seja, por alguém. Em um aprendizado não supervisionado, o algoritmo identifica e extrai padrões sem a interferência de ninguém.

#DEUSÉBOM

#PERTENCEREI

#APF2024/2025

Errado. Um sistema de aprendizado não supervisionado não utiliza dados de treinamento classificados manualmente, mas sim dados não rotulados, ou seja, sem uma saída esperada. O objetivo desse tipo de aprendizado é descobrir padrões ocultos ou agrupamentos de dados sem a necessidade de intervenção humano. Um exemplo de aprendizado não supervisionado é a clusterização, que agrupa dados com base em suas semelhanças ou diferenças.Já um sistema de aprendizado supervisionado utiliza dados de treinamento classificados manualmente e tenta aprender uma função que mapeia os dados de entrada para os dados de saída. O objetivo desse tipo de aprendizado é prever a saída para novos dados, ainda não observados, com base no que foi aprendido com os dados de treinamento. Um exemplo de aprendizado supervisionado é a classificação, que atribui uma categoria ou classe a um dado com base em suas características.

Não supervisionado: não precisa de humanos - máquina se vira sozinha.

Supervisionado: precisa de humanos - treinamento manual - rótulos/categorias/padrões a serem seguidos.

 O aprendizado não supervisionado é uma técnica de aprendizado de máquina que é usada para analisar e agrupar conjuntos de dados não rotulados. Esses algoritmos descobrem padrões ocultos ou agrupamentos de dados sem a necessidade de intervenção humana.

Diferentemente do aprendizado supervisionado, o aprendizado não supervisionado não usa dados rotulados para treinar o modelo. Em vez disso, ele tenta encontrar padrões e estruturas nos dados por conta própria, sem a necessidade de intervenção humana 

Supervisionado: dados rotulados (acredito que não necessariamente por humanos)

Não supervisionado: dados não rotulados