No que concerne aos fundamentos conceituais e operacionais do aprendizado de máquina, julgue os itens a seguir.
I O algoritmo de aprendizado constitui o procedimento
lógico-matemático (ou processo de otimização) aplicado ao
conjunto de dados para a indução de um modelo; este último
representa a generalização ou hipótese final capaz de realizar
inferências sobre dados não observados durante o
treinamento.
II Os parâmetros são variáveis internas ao modelo cujos valores
são aprendidos ou estimados a partir dos dados (ex.: pesos em
redes neurais ou coeficientes de regressão); por outro lado, os
hiperparâmetros são configurações externas ao modelo,
definidas antes do processo de treinamento, que controlam o
comportamento do algoritmo e a complexidade do modelo
(ex.: número de vizinhos no KNN ou a taxa de aprendizado).
III No aprendizado supervisionado, o objetivo é a indução de
uma função de mapeamento entre variáveis de entrada e uma
variável alvo predestinada (rótulo); já no aprendizado não
supervisionado, o processo foca a descoberta de padrões
intrínsecos, estruturas latentes ou distribuições em dados que
não possuem anotações ou supervisão externa. Assinale a opção correta.