Questões de Engenharia de Software - Inteligencia Artificial para Concurso

Q3178723

Ano: 2025 Banca: FUNDATEC Órgão: Prefeitura de Porto Alegre - RS Prova: FUNDATEC - 2025 - Prefeitura de Porto Alegre - RS - Auditor Fiscal da Receita Municipal - Bloco II |

Q3178723 Engenharia de Software

Em projetos de modelos que envolvem visão computacional, técnicas transfer learning são frequentemente utilizadas para melhorar o desempenho e reduzir o tempo de desenvolvimento. Levando em consideração os conceitos relacionados à transfer learning, assinale a alternativa correta.

A

Quando se utiliza transfer learning, uma vez que o modelo é carregado, não é possível ajustar seus pesos para melhorar a performance na tarefa-alvo.

B

O transfer learning permite reutilizar modelos pré-treinados em grandes conjuntos de dados, como, por exemplo, o ImageNet, para aplicações específicas.

C

As técnicas de transfer learning não são adequadas para aplicações que envolvem reconhecimento facial devido à necessidade de dados específicos.

D

Durante o treinamento de redes convolucionais, os pesos iniciais sempre começam com valores aleatórios, independentemente de ser um modelo pré-treinado ou não.

E

O transfer learning consiste em treinar um modelo raso desde o princípio, utilizando apenas o conjunto de dados da aplicação específica, sem considerar modelo pré-treinados.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3178714

Ano: 2025 Banca: FUNDATEC Órgão: Prefeitura de Porto Alegre - RS Prova: FUNDATEC - 2025 - Prefeitura de Porto Alegre - RS - Auditor Fiscal da Receita Municipal - Bloco II |

Q3178714 Engenharia de Software

Deep learning é uma subárea do aprendizado de máquina que utiliza redes neurais profundas para modelar dados complexos. Assinale a alternativa que descreve corretamente uma característica fundamental das redes neurais profundas.

A

Redes Neurais Recorrentes (RNNs) são adequadas para processar dados sequenciais, como séries temporais e texto.

B

Redes profundas se caracterizam por nunca demandarem grandes volumes de dados para treinar seus modelos de forma eficaz.

C

Redes Neurais Convolucionais (CNNs) são mais indicadas para a análise de dados tabulares do que para tarefas de visão computacional.

D

Redes neurais profundas se caracterizam por não permitirem otimização dos hiperparâmetros para obter um melhor desempenho

E

Redes neurais artificiais simples são sempre uma melhor opção do que abordagens de deep learning, visto que apresentam maior precisão do que redes profundas para dados complexos.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3178713

Ano: 2025 Banca: FUNDATEC Órgão: Prefeitura de Porto Alegre - RS Prova: FUNDATEC - 2025 - Prefeitura de Porto Alegre - RS - Auditor Fiscal da Receita Municipal - Bloco II |

Q3178713 Engenharia de Software

A clusterização é uma técnica de aprendizado não supervisionado que agrupa dados com características similares. Sobre as diferentes técnicas de clusterização, analise as assertivas abaixo:

I. Hierarchical Clustering é mais adequado para grandes volumes de dados devido ao seu baixo custo computacional.

II. K-means é um algoritmo de clusterização que minimiza a variância dentro dos clusters ao calcular centros iterativamente.

III. DBSCAN é capaz de detectar clusters de formato arbitrário e identificar pontos como ruído se eles não pertencem a nenhum cluster.

Quais estão corretas?

A

Apenas I.

B

Apenas III.

C

Apenas I e II.

D

Apenas II e III.

E

I, II e III.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3178712

Ano: 2025 Banca: FUNDATEC Órgão: Prefeitura de Porto Alegre - RS Prova: FUNDATEC - 2025 - Prefeitura de Porto Alegre - RS - Auditor Fiscal da Receita Municipal - Bloco II |

Q3178712 Engenharia de Software

As técnicas de regressão são amplamente utilizadas para modelar a relação entre variáveis e realizar previsões contínuas em aprendizado de máquina. Sobre as diferentes técnicas de regressão, assinale a alternativa correta.

A

Regressão Polinomial é uma técnica exclusiva para análise categórica de variáveis.

B

Regressão Linear é adequada apenas para problemas não lineares, devido à sua simplicidade.

C

Regressão Logística é uma técnica de regressão apropriada para prever valores contínuos em vez de classes.

D

Regressão Lasso é uma variante da regressão linear que elimina a necessidade de regularização dos coeficientes.

E

A regressão Ridge adiciona uma penalidade baseada na soma dos quadrados dos coeficientes, sendo útil para reduzir overfitting.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3178711

Ano: 2025 Banca: FUNDATEC Órgão: Prefeitura de Porto Alegre - RS Prova: FUNDATEC - 2025 - Prefeitura de Porto Alegre - RS - Auditor Fiscal da Receita Municipal - Bloco II |

Q3178711 Engenharia de Software

As técnicas de classificação são fundamentais em aprendizado de máquina para prever categorias ou classes com base em dados históricos. Nesse contexto, assinale a alternativa que descreve corretamente uma técnica amplamente utilizada para classificação.

A

K-means é um algoritmo de aprendizado por reforço baseado na definição de centros em clusters.

B

Aprendizagem por Reforço é uma técnica baseada em redes neurais, que utiliza recompensas para treinar modelos.

C

Regressão Logística é uma técnica usada para prever classes binárias, como “aprovado” ou “reprovado”.

D

A análise de Componentes Principais (PCA) é utilizada para reduzir a dimensionalidade de dados, sendo um algoritmo utilizado para treinar modelos com base em recompensas.

E

Árvores de Decisão são algoritmos de classificação que utilizam redes neurais profundas para dividir os dados em diferentes categorias, otimizando a performance por meio de camadas ocultas.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3172898

Ano: 2024 Banca: IBFC Órgão: TRF - 5ª REGIÃO Prova: IBFC - 2024 - TRF - 5ª REGIÃO - Analista Judiciário - Área Apoio Especializado - Especialidade: Análise de Sistemas de Informação |

Q3172898 Engenharia de Software

Assinale a alternativa correta sobre a importância da criação de prompts detalhados para obter resultados úteis de uma Inteligência Artificial (IA) generativa.

A

Prompts detalhados ajudam a IA generativa a prever a melhor saída com base em treinamentos anteriores, gerando resultados mais precisos e relevantes

B

Prompts detalhados são importantes para garantir que a IA generativa opere com maior velocidade, reduzindo o tempo de resposta

C

Prompts detalhados são necessários para a IA generativa realizar análises estatísticas complexas e otimizar seus modelos de linguagem

D

Prompts detalhados são utilizados para atualizar os modelos de machine learning da IA generativa com novos dados de treinamento

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3172897

Ano: 2024 Banca: IBFC Órgão: TRF - 5ª REGIÃO Prova: IBFC - 2024 - TRF - 5ª REGIÃO - Analista Judiciário - Área Apoio Especializado - Especialidade: Análise de Sistemas de Informação |

Q3172897 Engenharia de Software

Assinale a alternativa que apresenta o papel de um prompt na interação com a inteligência artificial (IA) generativa.

A

Um prompt é um conjunto de algoritmos usados para melhorar a precisão dos modelos de IA generativa

B

Um prompt é um texto em linguagem natural que orienta a IA generativa a executar uma tarefa específica, gerando novos conteúdos com base em modelos de machine learning pré-treinados

C

Um prompt é uma interface de usuário que facilita a comunicação entre humanos e sistemas de IA generativa sem a necessidade de linguagem natural

D

Um prompt é um mecanismo de armazenamento de dados que armazena informações geradas por modelos de IA para posterior análise

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3172896

Ano: 2024 Banca: IBFC Órgão: TRF - 5ª REGIÃO Prova: IBFC - 2024 - TRF - 5ª REGIÃO - Analista Judiciário - Área Apoio Especializado - Especialidade: Análise de Sistemas de Informação |

Q3172896 Engenharia de Software

Assinale a alternativa que apresenta a principal função da engenharia de prompt no contexto da inteligência artificial (IA) generativa.

A

A engenharia de prompt visa desenvolver novos algoritmos de aprendizado de máquina para melhorar a precisão dos modelos de IA generativa

B

A engenharia de prompt é responsável por criar instruções detalhadas e formatos específicos que orientam a IA generativa para gerar resultados relevantes e de alta qualidade

C

A engenharia de prompt foca em implementar soluções de hardware para melhorar a performance da IA generativa em termos de processamento

D

A engenharia de prompt trata da integração de diferentes plataformas de IA generativa para maximizar a eficiência na execução de tarefas

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3172895

Ano: 2024 Banca: IBFC Órgão: TRF - 5ª REGIÃO Prova: IBFC - 2024 - TRF - 5ª REGIÃO - Analista Judiciário - Área Apoio Especializado - Especialidade: Análise de Sistemas de Informação |

Q3172895 Engenharia de Software

Analise a citação, que trata de uma categoria de Inteligência Artificial (IA):
“[...] acredita que um dia será possível recriar máquinas capazes de pensar, criar e exibir comportamento inteligente nos moldes humanos, a partir da criação de algoritmos cognitivos que possam executar em computadores [...]” (SILVA et al., 2018, p.17).
Assinale a alternativa que apresenta esta categoria de IA.

A

Hiperinteligência

B

Superinteligência

C

Inteligência artificial fraca

D

Inteligência artificial forte

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3172894

Ano: 2024 Banca: IBFC Órgão: TRF - 5ª REGIÃO Prova: IBFC - 2024 - TRF - 5ª REGIÃO - Analista Judiciário - Área Apoio Especializado - Especialidade: Análise de Sistemas de Informação |

Q3172894 Engenharia de Software

Assinale a alternativa que apresenta como a estatística é aplicada no contexto da inteligência artificial e quais são os desafios enfrentados na Era do Big Data.

A

A estatística, combinada com machine learning e deep learning, ajuda a enfrentar desafios e oportunidades da Era Big Data, como a Indústria 4.0 e a Internet das Coisas (IoT)

B

A estatística é utilizada apenas para a coleta de dados em inteligência artificial, sem relação com machine learning

C

Na Era Big Data, a estatística é aplicada unicamente na análise de dados, sem uso em deep learning

D

A estatística e a inteligência artificial são independentes e não se complementam na resolução de problemas complexos

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3172893

Ano: 2024 Banca: IBFC Órgão: TRF - 5ª REGIÃO Prova: IBFC - 2024 - TRF - 5ª REGIÃO - Analista Judiciário - Área Apoio Especializado - Especialidade: Análise de Sistemas de Informação |

Q3172893 Engenharia de Software

Assinale a alternativa que apresenta qual foi o ponto de partida para o desenvolvimento da Inteligência Artificial (IA) e como ela evoluiu ao longo das décadas.

A

O desenvolvimento da IA começou na década de 1960 com a criação de redes neurais

B

A IA surgiu em 1980, com a criação de sistemas capazes de raciocinar como humanos

C

O projeto Dartmouth, em 1950, foi o marco inicial da IA, e ao longo das décadas, o estudo das redes neurais se tornou uma base fundamental para o desenvolvimento da IA

D

A IA começou na década de 1990 com a criação dos primeiros computadores de grande porte

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3171847

Ano: 2024 Banca: FCC Órgão: TRT - 20ª REGIÃO (SE) Prova: FCC - 2024 - TRT - 20ª REGIÃO (SE) - Analista Judiciário - Área Apoio Especializado - Especialidade Tecnologia da Informação |

Q3171847 Engenharia de Software

A equipe de analistas de um órgão público está avaliando o desempenho de dois modelos de machine leaming: um modelo de classificação e outro de regressão. O modelo de classificação utiliza uma curva ROC para analisar a performance, enquanto o modelo de regressão utiliza o erro médio absoluto (MAE) como métrica principal. Durante a avaliação, a equipe percebe que o modelo de classificação está apresentando sobreajuste (overfitting). Uma Analista da equipe afirmou, corretamente, que o sobreajuste ocorre quando o modelo

A

é simples demais e não consegue capturar as complexidades dos dados. A curva ROC compara a acurácia geral do modelo de classificação, enquanto o MAE avalia o desempenho: quanto maior o MAE, melhor é o desempenho do modelo. Para resolver o problema de sobreajuste, deve-se aumentar o número de variáveis no modelo.

B

generaliza excessivamente para dados novos e não consegue se adequar aos dados do treinamento. A curva ROC é capaz de calcular o desempenho do modelo por meio da média entre verdadeiros positivos (especificidade) e falsos positivos (sensibilidade). O MAE é uma métrica de erro quadrático médio que pode ser usada para melhorar o desempenho do modelo. Para eliminar o sobreajuste, deve-se aplicar a técnica de balanceamento de dados conhecida como avaliação cruzada.

C

aprende os padrões específicos do conjunto de treinamento, fornecendo previsões precisas para estes dados, mas com baixo desempenho em novos dados. A curva ROC avalia a relação entre a taxa de verdadeiros positivos e falsos negativos, enquanto o MAE mede o desvio médio absoluto entre os valores previstos e os reais. Para mitigar o sobreajuste, técnicas como regularização e parada antecipada podem ser usadas.

D

aprende as características gerais do conjunto de treinamento, generalizando bem para dados novos. A curva ROC mede a precisão de um modelo de classificação e o MAE mede a precisão de um modelo de regressão.Para reduzir o sobreajuste, deve-se aumentar a complexidade do modelo.

E

não consegue aprender os padrões do conjunto de treinamento. A curva ROC mostra a relação entre a taxa de falsos positivos e a taxa de verdadeiros negativos, enquanto o MAE mede a diferença entre a previsão mais provável e o valor real. Para reduzir o sobreajuste, deve-se remover os dados desbalanceados do conjunto de treinamento.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3171155

Ano: 2024 Banca: IBFC Órgão: TRF - 5ª REGIÃO Prova: IBFC - 2024 - TRF - 5ª REGIÃO - Analista Judiciário - Área Apoio Especializado - Especialidade: Análise de Dados |

Q3171155 Engenharia de Software

Chatbots são bots que conversam em linguagem natural, como o A.L.I.C.E. De todas as categorias de bots, o chatbot é provavelmente a mais antiga, sendo Eliza normalmente reconhecida como o primeiro do mundo. Com relação aos chatbots, assinale a alternativa que apresenta qual assistente pessoal de IA foi lançado em 2011 e ajudou a popularizar os chatbots.

A

Google Now

B

Alexa

C

Cortana

D

Siri

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3171154

Ano: 2024 Banca: IBFC Órgão: TRF - 5ª REGIÃO Prova: IBFC - 2024 - TRF - 5ª REGIÃO - Analista Judiciário - Área Apoio Especializado - Especialidade: Análise de Dados |

Q3171154 Engenharia de Software

Analise a afirmação a seguir:
“______ são uma das categorias mais importantes de robôs, pois permitem interação e acesso a funções computacionais por meio da linguagem natural, que é uma das maneiras mais simples e rápidas para os seres humanos se comunicarem, especialmente na dimensão oral.”(GABRIEL, 2022, p. 93-94).
Diante da afirmação acima, assinale a alternativa que preencha corretamente a lacuna.

A

AutoRobots

B

Messengers

C

Chatbots

D

Intelligent Applications

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3171153

Ano: 2024 Banca: IBFC Órgão: TRF - 5ª REGIÃO Prova: IBFC - 2024 - TRF - 5ª REGIÃO - Analista Judiciário - Área Apoio Especializado - Especialidade: Análise de Dados |

Q3171153 Engenharia de Software

Aprendizado de máquina (Machine learning) e aprendizado profundo (Deep learning) são assuntos populares nos dias de hoje na área da computação. Assinale a alternativa que apresenta a principal diferença entre aprendizado de máquina e aprendizado profundo.

A

Aprendizado de máquina usa apenas análise estatística, enquanto aprendizado profundo usa redes neurais

B

Aprendizado de máquina é baseado em múltiplas técnicas, enquanto aprendizado profundo imita a funcionalidade do cérebro humano usando redes neurais

C

Aprendizado de máquina é menos eficaz do que aprendizado profundo

D

Aprendizado profundo depende de intervenção humana, enquanto aprendizado de máquina é totalmente automatizado

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3171152

Ano: 2024 Banca: IBFC Órgão: TRF - 5ª REGIÃO Prova: IBFC - 2024 - TRF - 5ª REGIÃO - Analista Judiciário - Área Apoio Especializado - Especialidade: Análise de Dados |

Q3171152 Engenharia de Software

O Processamento de Linguagem Natural (PLN) é uma subárea da inteligência artificial que foca na interação entre computadores e a linguagem humana. Ele envolve a criação de algoritmos e modelos que permitem que as máquinas compreendam, interpretem e respondam a textos e fala de maneira semelhante aos humanos. Este processamento segue um fluxo básico de análises e ações. Assinale a alternativa que apresenta quais são os estágios deste fluxo.

A

Pré-processamento, Análise léxica, Análise tradutória, Análise intencional, Análise verificadora

B

Pré-processamento, Análise léxica, Análise sintática, Análise Semântica, Análise pragmática

C

Pré-processamento, Análise tradutória, Análise sintática, Análise verificadora

D

Pré-processamento, Análise tradutória, Análise pragmática, Análise sintática

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3171148

Ano: 2024 Banca: IBFC Órgão: TRF - 5ª REGIÃO Prova: IBFC - 2024 - TRF - 5ª REGIÃO - Analista Judiciário - Área Apoio Especializado - Especialidade: Análise de Dados |

Q3171148 Engenharia de Software

Se vamos criar apenas uma hipótese, essa abordagem é suficiente. Mas muitas vezes acabamos criando várias hipóteses: podemos querer comparar dois modelos de aprendizado de máquina completamente diferentes, ou podemos ajustar os vários “botões” dentro de um modelo. Por exemplo, poderíamos tentar diferentes limiares para poda χ2 das árvores de decisão ou diferentes graus para os polinômios.
Chamamos esses “botões” de hiperparâmetros – parâmetros da classe de modelo, não do modelo individual. Desta forma, assinale a alternativa que apresenta o que são hiperparâmetros em modelos de aprendizado de máquina.

A

Parâmetros ajustados para maximizar o erro do conjunto de teste

B

Parâmetros que são ajustados automaticamente durante o treinamento do modelo

C

Parâmetros que são ajustados apenas depois que o modelo é treinado

D

Parâmetros que determinam a estrutura do modelo, mas não são ajustados durante o treinamento

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3171147

Ano: 2024 Banca: IBFC Órgão: TRF - 5ª REGIÃO Prova: IBFC - 2024 - TRF - 5ª REGIÃO - Analista Judiciário - Área Apoio Especializado - Especialidade: Análise de Dados |

Q3171147 Engenharia de Software

Considere a afirmação a seguir:
“O processo de penalizar explicitamente a hipótese complexa é chamado ______ estamos procurando funções que sejam mais regulares. Observe que agora estamos fazendo duas escolhas: a função de perda (L1 ou L2) e a medida de complexidade, que é chamada função de ______” (RUSSEL et al., 2022, p.607).
Assinale a alternativa que preencha correta e respectivamente as lacunas.

A

Criação / Criação

B

Regularização / Regularização

C

Ajuste / Ajuste

D

Adaptação / Adaptação

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3171146

Ano: 2024 Banca: IBFC Órgão: TRF - 5ª REGIÃO Prova: IBFC - 2024 - TRF - 5ª REGIÃO - Analista Judiciário - Área Apoio Especializado - Especialidade: Análise de Dados |

Q3171146 Engenharia de Software

De acordo com o processo de aprendizado de máquina, assinale a alternativa que apresenta o que ocorre quando os dados são subamostrados (underfitting) no contexto de algoritmos de aprendizagem.

A

O algoritmo pode não convergir devido à quantidade insuficiente de iterações de aprendizagem para ajustar adequadamente o modelo aos dados

B

O algoritmo produz um modelo excessivamente complexo que não generaliza bem

C

O algoritmo convergirá rapidamente para a solução ótima

D

O algoritmo é capaz de adaptar-se a todos os tipos de dados sem necessidade de ajustes adicionais

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3171145

Ano: 2024 Banca: IBFC Órgão: TRF - 5ª REGIÃO Prova: IBFC - 2024 - TRF - 5ª REGIÃO - Analista Judiciário - Área Apoio Especializado - Especialidade: Análise de Dados |

Q3171145 Engenharia de Software

Analise a afirmação a seguir:
“O fenômeno de _______ acontece quando o modelo preditivo é gerado de forma a representar os exemplares usados para sua geração com uma fidelidade mais alta que o necessário. Esses modelos, se avaliados em relação ao seu desempenho nesses exemplares, receberão avaliações muito boas [...]” (SILVA et al, 2016, p. 137).
Diante da afirmação anterior, assinale a alternativa que preencha corretamente a lacuna sobre qual fenômeno é este, com relação às estratégias para treinamento, validação e teste.

A

coesão

B

dilatação

C

contrajuste

D

sobreajuste

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

SUA PREPARAÇÃO MERECE MUITO MAIS!

SUA PREPARAÇÃO MERECE MUITO MAIS!

Questões de Concurso Sobre inteligencia artificial em engenharia de software

Foram encontradas 479 questões