Passo 1 de 5
Supervisionado: aprender com respostas conhecidas
Reconheça como respostas conhecidas associadas aos exemplos orientam o aprendizado supervisionado.
Trilha de aprendizado · Nível 1 · Tutorial 3
Diferencie as três formas de aprendizado pelo tipo de orientação que o sistema recebe. Use situações cotidianas para reconhecer quando há respostas conhecidas, busca de padrões sem rótulos ou aprendizado por ações e recompensas.
Supervisionado: aprender com respostas conhecidas
Reconheça como respostas conhecidas associadas aos exemplos orientam o aprendizado supervisionado. 2 min
Não supervisionado: encontrar padrões sem rótulos
Reconheça o aprendizado não supervisionado pela busca de padrões em exemplos sem respostas-alvo conhecidas e contraste-o com o aprendizado supervisionado. 2 min
Por reforço: aprender com ações e recompensas
Entenda como um robô aprende por ações, consequências e tentativas repetidas. 3 min
Rótulo ou recompensa? Observe o papel da informação
Compare respostas-alvo, recompensas e descrições com informação insuficiente para reconhecer a forma de aprendizado. 2 min
Aplicação final: reconheça e justifique
Aplique os critérios das três formas de aprendizado, justifique a classificação e reconheça quando uma descrição não oferece evidências suficientes. 2 min
Passo 1 de 5
Reconheça como respostas conhecidas associadas aos exemplos orientam o aprendizado supervisionado.
No aprendizado supervisionado, cada exemplo vem acompanhado de uma resposta conhecida. Essa resposta orienta o sistema ao mostrar qual resultado está associado a cada exemplo.
Você já viu rótulos e previsões numéricas. Aqui, o ponto principal é o papel deles: eles são respostas fornecidas junto aos exemplos.
No aprendizado supervisionado, a resposta conhecida acompanha cada exemplo.
Na Loja Aurora, as mensagens já foram associadas a uma categoria conhecida. Essas associações são a orientação usada no aprendizado supervisionado.
Cada linha traz um exemplo e sua resposta conhecida.
| mensagem | categoria conhecida |
|---|---|
| Meu pedido ainda não chegou. | entrega |
| Quero acompanhar minha entrega. | entrega |
| Meu pagamento foi recusado. | pagamento |
| Preciso alterar a forma de pagamento. | pagamento |
Exemplo
As respostas conhecidas podem ser categorias, como entrega e pagamento, mas não se limitam a isso. Uma resposta conhecida também pode ser um valor numérico, por exemplo, o preço de uma casa registrado junto às suas características.
O que define o aprendizado supervisionado é a resposta estar disponível para os exemplos — não o tipo de resposta.
“Supervisionado” não quer dizer que uma pessoa acompanha ou aprova cada decisão do sistema enquanto ele é usado.
O nome se refere à orientação presente nos exemplos: durante o aprendizado, as respostas conhecidas indicam os resultados associados a eles.
Exemplo
Uma equipe pode definir e revisar as categorias antes de preparar os exemplos. Ainda assim, a característica decisiva é que cada exemplo usado para orientar o sistema está acompanhado de uma resposta conhecida.
Nas mensagens categorizadas da Loja Aurora, qual evidência mostra que há aprendizado supervisionado?
Passo 2 de 5
Reconheça o aprendizado não supervisionado pela busca de padrões em exemplos sem respostas-alvo conhecidas e contraste-o com o aprendizado supervisionado.
No aprendizado não supervisionado, o sistema recebe exemplos, mas não recebe uma resposta-alvo conhecida para cada exemplo. Em vez de reproduzir categorias fornecidas, ele procura padrões, semelhanças ou estruturas nos próprios dados.
Na Loja Aurora, as mensagens abaixo aparecem sem categorias. Há dados para observar, mas não há uma resposta dizendo previamente onde cada mensagem deve ficar.
Mensagens disponíveis para observar sem categorias fornecidas.
| nº | mensagem |
|---|---|
| 1 | Meu pedido ainda não chegou. |
| 2 | Quero acompanhar minha entrega. |
| 3 | Meu pagamento foi recusado. |
| 4 | Preciso alterar a forma de pagamento. |
O sistema busca semelhanças nos dados; os grupos não vieram prontos como respostas.
O agrupamento é uma aplicação do aprendizado não supervisionado: exemplos parecidos podem formar grupos como Grupo A e Grupo B.
Esses nomes são provisórios. Não foi informado de antemão que um grupo deveria representar uma categoria específica. Um padrão encontrado pode até ser diferente da divisão que uma pessoa imaginava antes de observar os dados.
O agrupamento não é a única possibilidade: o ponto central é buscar padrões sem respostas-alvo fornecidas para a tarefa.
Exemplo
Imagine que mensagens com assuntos parecidos fiquem próximas e formem o Grupo A. Isso descreve um padrão observado; não significa que alguém forneceu antecipadamente uma categoria correta para cada mensagem.
Uma pessoa ainda pode escolher o objetivo, selecionar quais dados serão observados e analisar o resultado. Portanto, sem rótulos não significa sem dados nem sem participação humana.
Dica
Compare a orientação recebida: no aprendizado supervisionado, há uma resposta conhecida associada a cada exemplo. No aprendizado não supervisionado, há exemplos sem essas respostas-alvo e o sistema procura padrões neles.
Associe cada descrição à forma de orientação recebida.
Toque em um item e depois no par correspondente.
Passo 3 de 5
Entenda como um robô aprende por ações, consequências e tentativas repetidas.
No aprendizado por reforço, um agente aprende ao interagir com um ambiente. Ele observa onde está, realiza uma ação e recebe uma recompensa pelo resultado.
Na Loja Aurora, o agente será um robô de coleta. O ambiente é uma grade de 3 × 3, sem obstáculos. As ações possíveis são mover uma casa adjacente nas direções cima, baixo, esquerda e direita.
A recompensa não entrega uma ação correta pronta. Ela indica se o resultado de uma ação ou de uma sequência foi mais ou menos favorável.
O robô de coleta é o agente; a grade é o ambiente em que ele pode agir.
Podemos resumir uma interação nesta ordem: situação → ação → recompensa → nova situação.
Por exemplo, o robô observa sua situação na grade, escolhe ir para a direita e recebe uma recompensa. Em seguida, ele está em uma nova situação: uma casa à direita de onde estava.
Cada movimento entre casas adjacentes vale -1 ponto. Ao alcançar o Destino, o robô recebe +10 pontos e a tentativa termina. Ao repetir tentativas, ele pode comparar as consequências de sequências diferentes e buscar escolhas que acumulem mais pontos.
A recompensa avalia o resultado da ação; ela não informa diretamente qual movimento escolher em cada situação.
Exemplo
Partindo do Início, uma rota possível é: direita, direita, cima, cima. São quatro movimentos, portanto -4 pontos pelos movimentos. O último movimento alcança o Destino, acrescentando +10 pontos e encerrando a tentativa.
O total dessa tentativa é +6 pontos. O aprendizado por reforço considera a sequência de ações e suas consequências, não apenas um movimento isolado.
Associe cada elemento do cenário à sua função ou consequência.
Toque em um item e depois no par correspondente.
Organize uma interação do robô que ainda não alcançou o Destino.
Passo 4 de 5
Compare respostas-alvo, recompensas e descrições com informação insuficiente para reconhecer a forma de aprendizado.
O ponto central é o papel da informação recebida pelo sistema.
No aprendizado supervisionado, cada exemplo vem associado a uma resposta-alvo conhecida. Essa resposta pode ser uma categoria, como entrega, ou um número, como uma previsão de prazo já registrada.
No aprendizado por reforço, a informação recebida avalia o que aconteceu depois de uma ação ou de uma sequência de ações. Ela pode ser dada em pontos positivos ou negativos, mas não informa diretamente qual seria a ação certa em cada situação.
Uma categoria conhecida acompanha o exemplo; pontos avaliam o resultado das ações do robô.
Um número, sozinho, não define a forma de aprendizado.
Se uma loja registra o valor de frete que já era conhecido para cada pedido e usa esse valor como resposta-alvo, há aprendizado supervisionado. O número é a resposta esperada para cada exemplo.
No robô de coleta, -1 ponto por movimento e +10 pontos ao chegar ao destino são recompensas. Os pontos avaliam uma interação no ambiente; eles não entregam ao robô uma lista da ação correta para cada casa.
Compare a orientação recebida, não apenas o formato do dado.
| situação | número recebido | papel do número |
|---|---|---|
| Pedido da loja com frete já registrado | R$ 18 | resposta conhecida do exemplo |
| Robô move uma casa na grade | -1 ponto | avaliação após a ação |
| Robô alcança o destino | +10 pontos | avaliação do resultado da tentativa |
Também não basta perceber que uma descrição não mostra rótulos.
Sem respostas-alvo conhecidas, o sistema pode estar buscando semelhanças entre exemplos: esse é o caso do aprendizado não supervisionado. Mas ele também pode estar agindo em um ambiente e recebendo recompensas: nesse caso, é aprendizado por reforço.
Se a descrição apenas diz que uma aplicação “usa IA para organizar informações”, ainda faltam evidências. É preciso saber se há respostas conhecidas, busca de padrões ou ações com recompensas. O assunto da aplicação não resolve essa dúvida.
Julgue a afirmação:
“Se uma descrição não menciona categorias conhecidas, então ela descreve necessariamente aprendizado não supervisionado.”
A afirmação é verdadeira ou falsa?
Responda aos três casos, justificando pelo papel da informação recebida:
-1 ponto; alcançar o destino acrescenta +10 pontos e encerra a tentativa.Classifique os casos 1 e 2 e explique por que o número tem papel diferente em cada um. Para o caso 3, diga se há evidência suficiente e qual informação está faltando.
Escreva pelo menos 180 caracteres (0/180).
Passo 5 de 5
Aplique os critérios das três formas de aprendizado, justifique a classificação e reconheça quando uma descrição não oferece evidências suficientes.
Nesta revisão, observe qual orientação o sistema recebe — e não o assunto da situação.
Um número também deve ser interpretado pelo seu papel: pode ser uma resposta conhecida, como um custo já registrado, ou uma recompensa que avalia uma ação.
Para classificar uma situação, procure a fonte de orientação recebida pelo sistema.
Relacione cada evidência à forma de aprendizado correspondente.
Toque em um item e depois no par correspondente.
Classifique os quatro cenários abaixo e justifique com evidências.
+4 pontos; ao colidir, recebe -3 pontos. A posição muda após cada ação, e as tentativas são repetidas para acumular mais pontos.Nos itens 1 e 3, explique por que o número é, respectivamente, uma resposta conhecida ou uma recompensa. No item 4, diga se há evidência suficiente e qual informação falta para classificar o caso.
Escreva pelo menos 300 caracteres (0/300).
Resumo
Confira seu raciocínio:
+4 pontos ao alcançar um ponto de controle ou -3 pontos após uma colisão. Esses pontos avaliam as consequências das ações; não informam diretamente qual ação escolher em cada situação.A orientação recebida — e não o tema, nem o formato dos dados — é a principal pista para diferenciar as três formas.
Parabéns! Você concluiu: Aprendizado supervisionado, não supervisionado e por reforço
Muito bem! Você aplicou os três critérios, distinguiu respostas conhecidas de recompensas e reconheceu quando faltavam evidências. Em um novo caso, procure primeiro qual orientação o sistema recebe.
Milhares de cursos online em vídeo, ebooks e áudiobooks.
Para testar seus conhecimentos no decorrer dos cursos online
Gerado diretamente na galeria de fotos do seu celular e enviado ao seu e-mail
Baixe nosso aplicativo pelo QR Code ou pelos links abaixo:.
Leve o conhecimento no seu bolso.
Baixe o aplicativo Cursa.
São centenas de Cursos gratuitos a disposição, com Certificado de conclusão gratuito que é salvo em sua galeria de imagens do celular.
Baixe o app para ter acesso ao Certificado de conclusão de Curso Gratuitamente.
+ de 10 milhões
de alunos
Certificado grátis e
válido em todo o Brasil
60 mil exercícios
gratuitos
4,8/5 classificação
nas lojas de apps
Cursos gratuitos em
vídeo, ebooks e audiobooks
