Questões de Concurso

Uma empresa de análise de dados está treinando um modelo de machine learning para prever a probabilidade de inadimplência de clientes com base em seu histórico de transações e informações cadastrais. O objetivo é que o modelo aprenda padrões complexos a partir dos dados históricos para fazer previsões precisas sobre novos clientes.

(a)

O modelo está utilizando aprendizado supervisionado, pois os dados históricos incluem informações sobre quais clientes foram inadimplentes (rótulos) e quais não foram, permitindo que o algoritmo aprenda a mapear características para o resultado desejado.

(b)

Este cenário descreve aprendizado não supervisionado, onde o algoritmo busca agrupar clientes com perfis semelhantes sem ter conhecimento prévio sobre inadimplência.

(c)

O treinamento do modelo se enquadra em aprendizado por reforço, pois o algoritmo recebe 'recompensas' ou 'punições' com base na precisão de suas previsões futuras.

(d)

A empresa está empregando aprendizado semissupervisionado, combinando um pequeno conjunto de dados rotulados com um grande volume de dados não rotulados para otimizar o treinamento.

(e)

O modelo está sendo treinado com aprendizado profundo (deep learning), especificamente utilizando redes neurais convolucionais para analisar os padrões de transações.