Questões de Concurso Público IF-SP 2024 para Professor EBTT - Informática

Overfitting ocorre quando um modelo de aprendizado de máquina se ajusta tão bem aos dados de treinamento que começa a capturar não apenas os padrões gerais, mas também os ruídos e variações específicas desses dados. Isso resulta em um modelo que tem um desempenho excelente nos dados de treinamento, mas que não consegue realizar generalizações para novos dados. Qual das seguintes abordagens é mais eficaz para mitigar o problema de overfitting em modelos de aprendizado de máquina?

Em um diagrama de classes, as relações de agregação e composição são tipos de associações que representam uma relação “todo/parte” onde a parte pode existir independentemente do todo ou não. A partir do seguinte diagrama de classes, é correto afirmar que

Uma equipe de desenvolvimento está utilizando a metodologia ágil Scrum para criar um software que automatiza o encaminhamento de processos eletrônicos em uma organização. Esses processos são registrados em um banco de dados e precisam ser distribuídos automaticamente, com base nas categorias e finalidades de cada processo. Durante uma sprint, um dos desenvolvedores identifica um bloqueio que impede a implementação de uma regra de negócio essencial para a correta categorização e distribuição dos processos. Diante dessa situação, qual é a ação mais adequada a ser tomada pela equipe, segundo os princípios do Scrum?

Redes neurais profundas (do inglês Deep Neural Network - DNN) são um tipo de rede neural artificial cuja estrutura possui múltiplas camadas ocultas entre a camada de entrada e a camada de saída, cada uma com seus próprios pesos e bias. As múltiplas camadas proporcionam que as DNNs aprendam representações complexas dos dados, apresentando bons resultados para tarefas complexas como o processamento de linguagem natural, o reconhecimento ou classificação de imagens ou áudio, por exemplo. Especificamente para o problema de classificação de imagens de cães e gatos, qual dos algoritmos abaixo é utilizado para ajustar os pesos das conexões e bias em uma rede neural e que pode melhorar na acurácia da classificação das imagens?

Um banco está desenvolvendo um sistema crítico de gerenciamento de riscos financeiros para sua operação. O sistema precisa analisar dados em tempo real, identificar padrões e gerar relatórios de riscos, tudo em uma plataforma única e intuitiva. O problema é que o prazo para entrega do sistema é extremamente curto, devido à necessidade de se adequar a novas regulamentações do mercado. Dentre as alternativas, qual a estratégia mais eficaz para lidar com a restrição de tempo nesse caso, garantindo a qualidade e a funcionalidade do sistema?