MédiaMúltipla escolha

Questão de prática de AI-900

Qual tipo de aprendizado de máquina usa dados de treinamento rotulados onde a saída correta é fornecida para cada entrada?

Escolha a melhor resposta.

Resposta correta

  • CSupervised learning

Explicação

O aprendizado supervisionado usa explicitamente dados de treinamento rotulados onde cada exemplo de entrada é pareado com o rótulo de saída correto. O algoritmo aprende a mapear entradas para saídas minimizando o erro entre suas previsões e os rótulos fornecidos, permitindo tarefas como classificação e regressão.

Por que cada alternativa está certa ou errada

A

Incorreta

Unsupervised learning

O aprendizado não supervisionado encontra estrutura em dados que não possuem rótulos de saída, portanto não pode mapear entradas para respostas conhecidas. É tentador porque o agrupamento e a detecção de anomalias se adequam genuinamente ao trabalho exploratório onde não existe verdade fundamental, mas o enunciado exige explicitamente uma saída correta fornecida por entrada.

B

Incorreta

Reinforcement learning

O aprendizado por reforço aprende com sinais de recompensa produzidos pelas ações de um agente em um ambiente, sem que sejam fornecidos pares rotulados de entrada-saída. É a abordagem correta para problemas de decisão sequencial, como jogos ou controle de robôs, onde as ações ótimas são descobertas por tentativa e erro.

C

Correta

Supervised learning

O aprendizado supervisionado treina modelos em conjuntos de dados rotulados, onde cada entrada é pareada com sua saída correta conhecida, permitindo que o algoritmo aprenda o mapeamento entre elas. Isso atende diretamente ao requisito do enunciado de dados de treinamento rotulados com saídas fornecidas, distinguindo-o do aprendizado não supervisionado, que usa dados não rotulados.

D

Incorreta

Transfer learning

O aprendizado por transferência reutiliza os pesos de um modelo pré-treinado e os ajusta em um conjunto de dados novo e frequentemente pequeno; ele não define por si só o paradigma de treinamento com entradas rotuladas que o enunciado descreve. É tentador porque envolve dados de treinamento, e seria a escolha certa quando exemplos rotulados são escassos e existe um modelo pré-treinado relacionado.

Para se aprofundar

O aprendizado supervisionado treina um modelo em um conjunto de dados onde cada exemplo de entrada é pareado com um rótulo conhecido, e o algoritmo ajusta seus parâmetros para minimizar a diferença entre as saídas previstas e as reais. Os algoritmos comuns incluem regressão linear para alvos contínuos e regressão logística ou árvores de decisão para classificação, com a função de perda orientando a otimização baseada em gradiente. Um comportamento sutil é que o desempenho depende fortemente da qualidade e da cobertura dos rótulos; rótulos com ruído ou tendenciosos fazem com que o modelo aprenda mapeamentos incorretos, e o desequilíbrio de classes pode tornar a acurácia enganosa. Na prática, um cenário como predecir se um cliente cancelará o serviço usa registros históricos onde os resultados de cancelamento já são conhecidos, permitindo que o modelo aprenda padrões e pontue novos clientes cujos resultados são desconhecidos.

Sobre estas questões de prática

Esta é uma das questões de prática originais de AI-900 da Courseiva, escrita para o aprendizado e nunca copiada de provas reais nem de dumps.

Traduzida do original em inglês com IA e conferida quanto ao sentido. Códigos de exame, comandos e nomes de produtos são mantidos como aparecem na prova.