Questões de Concurso Sobre inteligencia artificial em engenharia de software

Foram encontradas 426 questões

Q3090090 Engenharia de Software
Um dos principais objetivos dos algoritmos de aprendizado de máquinas é o de estabelecer um modelo que melhor descreva as relações entre variáveis de um conjunto de dados. Em algumas situações, ao serem treinados, os modelos ajustam-se demasiadamente aos dados do conjunto, capturando até mesmo padrões relacionados aos ruídos dos dados. Esses modelos tendem a ser excessivamente complexos e a ter um mau desempenho na generalização, isto é, nas etapas em que é necessário processar novas instâncias de dados não pertencentes ao conjunto de treinamento original.

Uma maneira de mitigar esse comportamento inconveniente é usar técnicas de
Alternativas
Q3090089 Engenharia de Software
Técnicas de redução de dimensionalidade são usadas em aprendizado de máquina para reduzir o número de características (dimensões, ou, do inglês, features) de um conjunto de dados. Uma das técnicas mais usadas para a redução de dimensionalidade é a Análise de Componentes Principais (Principal Component Analysis - PCA).

A respeito da PCA, avalie as afirmativas a seguir.

I. As componentes principais equivalem às direções resultantes do cálculo dos autovetores da matriz de covariâncias dos dados normalizados, selecionando-se aqueles autovetores associados aos menores autovalores, até um limite definido pelo analista.
II. As componentes principais equivalem, em geral, a combinações lineares das características originais do conjunto de dados.
III. A maior vantagem da PCA é a manutenção total das informações do conjunto de dados original, sem ocorrência de perdas decorrentes de projeções dos dados sobre as componentes principais.


Está correto o que se afirma em
Alternativas
Q3090088 Engenharia de Software
A classificação de dados é uma tarefa comumente executada por meio de algoritmos de aprendizado de máquina. Uma técnica muito conhecida de classificação se dá por aprendizado supervisionado, e classifica novas instâncias de dados por associação à classe da maioria das instâncias de dados preexistentes mais próximas a elas. A avaliação dessa proximidade é baseada em normas (isto é, métricas de distância) definidas no espaço multidimensional das amostras.
Assinale a técnica de classificação que melhor se enquadra nas características descritas acima. 
Alternativas
Q3089330 Engenharia de Software
O Comitê Olímpico Brasileiro está implantando uma nova infraestrutura de banco de dados em memória para otimizar a análise de desempenho dos atletas. A utilização de técnicas de Inteligência Artificial (IA) tem permitido prever resultados, identificar padrões de desempenho e detectar anomalias em tempo real, proporcionando aos treinadores dados rápidos e precisos para tomada de decisões estratégicas.
Com a combinação de IA e bancos de dados em memória, o Comitê espera melhorar a eficiência na análise de grandes volumes de dados e fornecer insights personalizados para cada atleta, otimizando o treinamento e a performance nas competições.
Diante desse cenário, sobre o impacto da IA aplicada a bancos de dados em memória, assinale a opção incorreta.
Alternativas
Q3088243 Engenharia de Software
A detecção de outliers é uma tarefa importante que integra tanto a etapa de pré-processamento do processo de mineração de dados quanto a análise exploratória de dados em aprendizado de máquina. Outliers são valores atípicos que podem fornecer informações importantes ou, em alguns casos, distorcer análises de dados. Eles são classificados em diferentes tipos, dependendo de suas características e do contexto em que aparecem.
Considere um cenário em que uma sequência de vendas de um produto permanece constante durante uma promoção que normalmente gera picos de vendas, retornando aos patamares normais ao final da promoção.
Nessas condições, o tipo de outlier observado nessa sequência de vendas é o
Alternativas
Q3086561 Engenharia de Software

A Inteligência Artificial (IA) tem transformado diversos setores da economia e sociedade, possibilitando a automação de tarefas complexas, a análise de grandes volumes de dados e a tomada de decisões mais rápidas e precisas. Modelos de aprendizado de máquina (machine learning) e redes neurais são algumas das principais tecnologias que impulsionam a IA, permitindo que sistemas sejam treinados para identificar padrões, prever comportamentos e melhorar suas capacidades com base em novas informações. O avanço da IA, combinado com outras inovações tecnológicas como a computação em nuvem e a internet das coisas (IoT), está moldando o futuro de indústrias como saúde, transporte e finanças.


Julgue o item a seguir, a respeito do texto acima:

Algoritmos de aprendizado de máquina podem ser supervisionados, não supervisionados ou semi-supervisionados, permitindo que sistemas sejam treinados com ou sem conjuntos de dados rotulados, dependendo do objetivo do modelo.
Alternativas
Q3086560 Engenharia de Software

A Inteligência Artificial (IA) tem transformado diversos setores da economia e sociedade, possibilitando a automação de tarefas complexas, a análise de grandes volumes de dados e a tomada de decisões mais rápidas e precisas. Modelos de aprendizado de máquina (machine learning) e redes neurais são algumas das principais tecnologias que impulsionam a IA, permitindo que sistemas sejam treinados para identificar padrões, prever comportamentos e melhorar suas capacidades com base em novas informações. O avanço da IA, combinado com outras inovações tecnológicas como a computação em nuvem e a internet das coisas (IoT), está moldando o futuro de indústrias como saúde, transporte e finanças.


Julgue o item a seguir, a respeito do texto acima:

O aprendizado por reforço é uma técnica de inteligência artificial que utiliza recompensas e punições para treinar modelos, possibilitando que agentes de IA aprendam a tomar decisões com base em interações com o ambiente.
Alternativas
Q3086559 Engenharia de Software

A Inteligência Artificial (IA) tem transformado diversos setores da economia e sociedade, possibilitando a automação de tarefas complexas, a análise de grandes volumes de dados e a tomada de decisões mais rápidas e precisas. Modelos de aprendizado de máquina (machine learning) e redes neurais são algumas das principais tecnologias que impulsionam a IA, permitindo que sistemas sejam treinados para identificar padrões, prever comportamentos e melhorar suas capacidades com base em novas informações. O avanço da IA, combinado com outras inovações tecnológicas como a computação em nuvem e a internet das coisas (IoT), está moldando o futuro de indústrias como saúde, transporte e finanças.


Julgue o item a seguir, a respeito do texto acima:

Os modelos de IA, como GPT (Generative Pre-trained Transformer), são baseados em grandes modelos de linguagem que utilizam milhões de parâmetros para gerar texto de maneira coerente e natural, sendo capazes de realizar tarefas como tradução automática, resumo de textos e chatbots.
Alternativas
Q3086558 Engenharia de Software

A Inteligência Artificial (IA) tem transformado diversos setores da economia e sociedade, possibilitando a automação de tarefas complexas, a análise de grandes volumes de dados e a tomada de decisões mais rápidas e precisas. Modelos de aprendizado de máquina (machine learning) e redes neurais são algumas das principais tecnologias que impulsionam a IA, permitindo que sistemas sejam treinados para identificar padrões, prever comportamentos e melhorar suas capacidades com base em novas informações. O avanço da IA, combinado com outras inovações tecnológicas como a computação em nuvem e a internet das coisas (IoT), está moldando o futuro de indústrias como saúde, transporte e finanças.


Julgue o item a seguir, a respeito do texto acima:

Os sistemas de IA que utilizam aprendizado profundo (deep learning) têm um processo de treinamento rápido e requerem pouco poder computacional, tornando-os ideais para aplicações em tempo real.
Alternativas
Q3086557 Engenharia de Software

A Inteligência Artificial (IA) tem transformado diversos setores da economia e sociedade, possibilitando a automação de tarefas complexas, a análise de grandes volumes de dados e a tomada de decisões mais rápidas e precisas. Modelos de aprendizado de máquina (machine learning) e redes neurais são algumas das principais tecnologias que impulsionam a IA, permitindo que sistemas sejam treinados para identificar padrões, prever comportamentos e melhorar suas capacidades com base em novas informações. O avanço da IA, combinado com outras inovações tecnológicas como a computação em nuvem e a internet das coisas (IoT), está moldando o futuro de indústrias como saúde, transporte e finanças.


Julgue o item a seguir, a respeito do texto acima:

A inteligência artificial, por meio de redes neurais profundas, permite que sistemas identifiquem padrões em grandes volumes de dados sem a necessidade de treinamento prévio, ou seja, essas redes funcionam de forma totalmente autônoma desde o início.
Alternativas
Q3086079 Engenharia de Software
Um conjunto de dados foi particionado em dois subconjuntos, sendo um de treinamento e outro de testagem, ambos utilizados exclusivamente para serem usados em seus objetivos originais (dados de treino para treinamento, e de teste para testagem).
Em relação ao ajuste e validação de modelos em aprendizado de máquina, um modelo sofre overfitting quando
Alternativas
Q3086019 Engenharia de Software
A Inteligência Artificial (IA) é uma área da ciência da computação que visa desenvolver sistemas capazes de realizar tarefas que normalmente exigiriam inteligência humana.
O conceito que está mais diretamente relacionado ao desenvolvimento de sistemas que aprendem com os dados e melhoram seu desempenho ao longo do tempo é o de 
Alternativas
Q3052459 Engenharia de Software
A otimização de hiperparâmetros é crucial na construção de modelos de Machine Learning, pois pode afetar significativamente o desempenho do modelo. Diversas técnicas de busca são usadas para encontrar a melhor combinação de hiperparâmetros, e entender quais são eficazes para esse propósito é essencial para aprimorar a precisão do modelo.
A técnica apropriada na otimização de hiperparâmetros para um modelo de aprendizado supervisionado, considerando tanto a eficiência quanto a eficácia é a 
Alternativas
Q3052458 Engenharia de Software
No processamento de linguagem natural (PLN), a redução de dimensionalidade é vital para simplificar dados textuais e melhorar o desempenho dos algoritmos de aprendizado de máquina. Diversos métodos são usados para esse fim, cada um com suas próprias características.
Na redução de dimensionalidade em PLN, a técnica utilizada é chamada 
Alternativas
Q3052456 Engenharia de Software
No aprendizado de máquina, técnicas de classificação e agrupamento têm objetivos distintos.
Assinale a opção que descreve corretamente uma diferença fundamental entre técnicas de agrupamento e técnicas de classificação. 
Alternativas
Q3048293 Engenharia de Software

Redes Neurais Artificiais são técnicas computacionais que utilizam um modelo matemático inspirado no neurônio biológico, obtendo aprendizado pela experiência. Encontra aplicações em visão computacional, automação residencial e industrial, robótica, microeletrônica, entre outros. A respeito de redes neurais MLP (Multi-layer Perceptron), analise as afirmativas:


I. Os parâmetros a serem definidos para a execução de uma rede MLP são número de camadas, número de neurônios em cada camada, taxa de aprendizado e função de ativação;


II. São redes recorrentes;


III. Os neurônios da camada oculta são capazes de capturar a não-linearidade dos dados;


IV. Geralmente utiliza-se a função sigmóide como função de ativação nas camadas oculta e de saída.


As afirmativas corretas são:

Alternativas
Q3048291 Engenharia de Software
Redes Neurais Artificiais são consideradas como a tecnologia mais avançada para a descoberta de padrões em dados. Têm sido utilizadas para resolver uma grande diversidade de aplicações, tais como tradução de idiomas, reconhecimento de fala e legendagem de imagens, além de aplicações no mercado de ações por grandes empresas como IBM, Google e Microsoft. Redes Neurais podem ser definidas como processadores paralelamente distribuídos, constituídos de unidades de processamento simples, que têm a capacidade natural de armazenar conhecimento experimental e torná-lo disponível para uso. Com respeito à arquitetura de redes neurais artificiais, uma rede auto-realiamentada se refere a uma:
Alternativas
Q3048126 Engenharia de Software
Em aplicações modernas de Processamento de Linguagem Natural, usando Grandes Modelos de Linguagem (Large Language Models – LLM) é comum a necessidade de usar informações relevantes que estão em documentos novos e privados, que não foram usados no pré-treinamento dos modelos de LLM. Considerando que esses documentos podem ser longos e em grande quantidade, que o tamanho do contexto usado na chamada à Application Programming Interface (API) da LLM é limitado, e ainda pensando que os custos de processar são muitas vezes calculados por quantidade de tokens, foi desenvolvida a técnica conhecida como Retrieval Augmented Generation (RAG).
Considerando-se esse contexto, qual é a característica da técnica RAG?
Alternativas
Q3048122 Engenharia de Software
Um pesquisador de ciência de dados foi encarregado de analisar a capacidade de um modelo de aprendizado de máquina em prever se um cliente é bom pagador. Para isso, possuía um conjunto de dados de testes rotulado, sobre o qual aplicou o modelo e obteve a matriz de confusão a seguir:

Imagem associada para resolução da questão

Considerando-se esse contexto, quais são, respectivamente, os valores aproximados, em 2 casas decimais, da precisão (precision) e da revocação (recall) obtidos pelo modelo?
Alternativas
Q3048120 Engenharia de Software
Uma equipe de desenvolvimento de Inteligência Artificial (IA) em uma empresa de tecnologia está implementando um sistema de recomendação baseado em aprendizado de máquina. Durante o processo de implementação, a equipe precisa estar atenta aos potenciais riscos e vulnerabilidades associados ao uso da IA. O sistema utiliza grandes volumes de dados históricos de clientes para treinar seus modelos. Há uma preocupação com a possibilidade de invasores manipularem a entrada de dados para enganar o modelo e gerar saídas indesejadas ou incorretas. A equipe deve também garantir que o modelo não exponha dados sensíveis dos clientes.
Considere as seguintes afirmativas com relação à mitigação dos riscos identificados:

I - adotar uma abordagem de fairness-aware learning para corrigir potenciais vieses no modelo, garantindo que as recomendações sejam justas para todos os grupos de usuários.
II - implementar métodos de robustness testing para simular ataques adversariais e avaliar a resiliência do modelo, e realizar auditorias regulares para identificar e corrigir vieses algorítmicos.
III - implementar técnicas de data augmentation para aumentar a diversidade dos dados de treinamento, reduzindo o risco de viés algorítmico, e adotar uma estratégia de monitoramento contínuo para detectar e mitigar ataques adversariais.
IV - utilizar técnicas de differential privacy durante o treinamento do modelo para proteger dados sensíveis e garantir que as previsões do modelo não revelem informações específicas dos clientes.

Estão corretas as seguintes afirmativas: 
Alternativas
Respostas
21: D
22: B
23: C
24: D
25: A
26: C
27: C
28: C
29: E
30: E
31: A
32: B
33: D
34: C
35: A
36: D
37: A
38: C
39: B
40: E