Questões de Engenharia de Software para Concurso

O treinamento em redes neurais artificiais é, essencialmente, um problema de otimização, em que se busca minimizar o erro entre as predições do modelo neural e os valores alvo preexistentes no conjunto de dados de treinamento.

Com respeito aos métodos relacionados à otimização de parâmetros em redes neurais artificiais, analise as afirmativas a seguir.


I. No algoritmo backpropagation, a aplicação da regra da cadeia é fundamental para o cálculo dos gradientes dos erros com respeito aos pesos (parâmetros) da rede neural artificial.
II. O método do gradiente (também chamado de método do máximo declive ou Gradient Descent – GD) escolhe aleatoriamente um pequeno número de instâncias de dados de treinamento a cada passo, aumentando a velocidade inicial de minimização das métricas de erro.
III. As técnicas de regularização L1 (Lasso) e L2 (Ridge) podem ser utilizadas para mitigar problemas relacionados a inicialização indevida de pesos (parâmetros) em redes neurais.


Está correto o que se afirma em

Considerando as técnicas e as ferramentas da gerência de um projeto, analise as afirmativas a seguir.

I. As técnicas de coleta de dados, tais como listas de verificação, grupos de discussão, entrevistas e brainstorming, são utilizadas para obter dados de forma mais eficiente.

II. Análise de dados, opinião especializada, representação de dados e mapa mental não são exemplos de ferramentas e técnicas da gerência de um projeto.

III. Como técnica e ferramenta de um projeto é possível encontrar as estimativas análoga, paramétrica, única, de três pontos e a bottom-up, por exemplo.


Está correto o que se afirma em:

A respeito dos conceitos de DevOps, analise as afirmativas a seguir e assinale (V) para a verdadeira e (F) para a falsa.

( ) Uma das práticas da Integração Contínua é estimular que a equipe de desenvolvimento agregue código em um repositório compartilhado várias vezes ao dia.
( ) Executar casos de teste automatizados e compilar o código fonte são tarefas de ferramentas de automação de build, como Cucumber, Travis CI e Zabbix.
( ) Configuration Management é eficiente quando nem todas as instalações e modificações são aplicadas novamente aos servidores, atualizando apenas o comportamento alterado.

As afirmativas são, respectivamente,

Há uma família de modelos de IA generativa que tem dois modelos treinados em conjunto: o gerador e o discriminador.
O gerador tenta criar dados falsos que sejam indistinguíveis dos dados reais, enquanto que o discriminador tenta distinguir entre dados reais e falsos. O treinamento é um jogo min-max, em que o gerador melhora suas habilidades para enganar o discriminador, e o discriminador melhora suas habilidades para detectar dados falsos.
Assinale a opção que apresenta as características do modelo de IA generativa descritas no texto.

Como primeira coisa que fez após instalar o Git, um Técnico de um tribunal configurou sua Identidade (nome de usuário e endereço de e-mail), que é uma atividade bastante importante, porque cada commit usa essa informação e ela fica carimbada de forma imutável nos commits que se começa a criar.

Para isso ele utilizou a seguinte configuração:
$ git config <<opção>> user.name "J J do tribunal"
$ git config <<opção>> user.email analistajjOtribunal.br

Para que o Git use essa informação em qualquer coisa que seja feita, ou seja, para fazer isso somente uma vez no sistema que está sendo configurado, ele deve usar a <<opção>> , corretamente, como