Questões de Engenharia de Software - Inteligencia Artificial para Concurso

Q4240123

Ano: 2026 Banca: FCC Órgão: TJ-CE Prova: FCC - 2026 - TJ-CE - Analista Judiciário - Área Técnico Administrativa - Especialidade: Sistemas da Informação |

Q4240123 Engenharia de Software

Uma equipe de inovação de um Tribunal de Justiça está desenvolvendo uma solução baseada em Processamento de Linguagem Natural (PLN) para auxiliar magistrados e servidores na análise de documentos processuais. Durante a definição da arquitetura, foram discutidas diferentes formas de utilização do PLN em atividades relacionadas ao tratamento de textos jurídicos. Considerando os fundamentos do Processamento de Linguagem Natural e suas aplicações no contexto jurídico, uma utilização dessa tecnologia é empregar técnicas capazes de identificar padrões linguísticos em documentos jurídicos,

A

dispensando etapas de treinamento ou adaptação dos modelos aos dados utilizados na aplicação.

B

restringindo a análise textual à identificação de termos e relações previamente especificadas para o domínio jurídico.

C

prescindindo da organização prévia dos documentos em estruturas rígidas, convertendo textos não estruturados em representações para análise computacional.

D

substituindo a interpretação contextual dos textos pela aplicação de regras fixas definidas previamente.

E

eliminando ambiguidades semânticas por meio da associação direta entre termos e significados previamente catalogados.

Incorreta. Gabarito oficial da banca:

Veja esse conteúdo explicado passo a passo em nossos cursos. Buscar curso

Parabéns! Você acertou!

Mandou bem! Revise esse tema nos nossos cursos. Buscar curso

Q4240121

Ano: 2026 Banca: FCC Órgão: TJ-CE Prova: FCC - 2026 - TJ-CE - Analista Judiciário - Área Técnico Administrativa - Especialidade: Sistemas da Informação |

Q4240121 Engenharia de Software

Uma equipe de inovação de um órgão público está desenvolvendo um assistente baseado em modelos de linguagem para auxiliar servidores na consulta de atos normativos, resoluções internas e manuais administrativos. Durante os testes, observou-se que o modelo gerava respostas plausíveis, porém ocasionalmente apresentava informações desatualizadas ou não respaldadas pelos documentos institucionais. Para reduzir esse comportamento, foi proposta a adoção da arquitetura Retrieval-Augmented Generation (RAG). Diante dos fundamentos dessa arquitetura, seu objetivo é recuperar documentos potencialmente relevantes durante a consulta,

A

armazenando-os em uma memória persistente para reexecutar o treinamento completo do modelo antes da geração da resposta.

B

associando os documentos recuperados ao contexto da consulta em substituição ao conhecimento dodo modelo.

C

incorporando seu conteúdo ao contexto fornecido ao modelo de linguagem antes da geração da resposta.

D

atualizando os pesos do modelo de linguagem com as informações recuperadas antes da geração da resposta.

E

substituindo a etapa de geração por um mecanismo de busca responsável pela apresentação direta dos trechos encontrados.

Incorreta. Gabarito oficial da banca:

Errou um tema comum da banca? Veja o que mais costuma cair no Raio-X. Ver raio-X

Parabéns! Você acertou!

Essa questão segue o padrão da banca! Veja o que mais costuma cair. Ver raio-X

Q4228212

Ano: 2026 Banca: CESPE / CEBRASPE Órgão: Prefeitura de Porto Velho - RO Prova: CESPE / CEBRASPE - 2026 - Prefeitura de Porto Velho - RO - Técnico de Controle Interno |

Q4228212 Engenharia de Software

Uma equipe de ciência de dados recebeu a tarefa de implantar uma solução de aprendizado não supervisionado para apoiar a auditoria contínua da execução orçamentária. O objetivo dessa solução é agrupar empenhos históricos com características semelhantes e, posteriormente, identificar registros potencialmente atípicos a partir de sua relação com os agrupamentos formados, sem utilizar uma base histórica previamente rotulada. Para esse cenário, foi escolhido o algoritmo k-means.
No caso precedente, a capacidade do algoritmo k-means de apoiar a identificação de registros potencialmente atípicos decorre da

A

validação estrutural dos dados executada diretamente pelo sistema operacional hospedeiro.

B

aplicação de funções hash unidirecionais para anonimizar os registros antes da formação dos agrupamentos.

C

definição de regras determinísticas de negócio para segmentar automaticamente os registros em categorias predefinidas.

D

análise da distância das observações em relação aos centroides dos agrupamentos, o que permite identificar registros significativamente mais afastados do que os demais elementos do grupo.

E

dependência de treinamento supervisionado com um conjunto histórico de empenhos previamente classificados por auditores humanos.

Incorreta. Gabarito oficial da banca:

Esse erro também aparece no seu Resumão. Veja o que melhorar

Parabéns! Você acertou!

Esse acerto está no seu Resumão. Ver Resumão da semana

Q4228211

Ano: 2026 Banca: CESPE / CEBRASPE Órgão: Prefeitura de Porto Velho - RO Prova: CESPE / CEBRASPE - 2026 - Prefeitura de Porto Velho - RO - Técnico de Controle Interno |

Q4228211 Engenharia de Software

No âmbito de uma controladoria-geral, a equipe de fiscalização constatou que a auditoria automatizada de editais de licitação baseada em correspondência exata de termos apresentava limitações. O problema ocorria quando diferentes expressões eram utilizadas para descrever o mesmo objeto contratual, como “aquisição de veículos” e “compra de automóveis”, dificultando a identificação de padrões de risco baseados em similaridade de significado.
Nessa situação, a fim de permitir que o sistema compare textos com base em sua proximidade semântica, independentemente dos termos literais empregados, a equipe deve implementar

A

vetorização baseada em TF-IDF, que atribui pesos estatísticos aos termos segundo sua frequência nos documentos, sem representar diretamente relações semânticas entre palavras distintas.

B

técnicas de stemming, que reduzem palavras a radicais aproximados para agrupar variações morfológicas de um mesmo termo.

C

expressões regulares para localizar padrões sintáticos previamente definidos nos textos.

D

representações semânticas por embeddings vetoriais, que mapeiam palavras, frases ou documentos semanticamente semelhantes para regiões próximas em um espaço vetorial multidimensional.

E

funções hash, que transformam sequências de caracteres em valores numéricos sem preservar relações semânticas entre os termos.

Incorreta. Gabarito oficial da banca:

Veja como esse erro impacta seu desempenho geral. Ver estatísticas

Parabéns! Você acertou!

Esse acerto melhora seu desempenho! Veja suas estatísticas

Q4222040

Ano: 2026 Banca: Rede Sarah Órgão: APS Prova: Rede Sarah - 2026 - APS - Engenheiro de Manutenção - Especialista de Manutenção |

Q4222040 Engenharia de Software

Em um hospital da Rede Sarah, foi implantada uma plataforma de inteligência artificial integrada ao sistema de gestão da manutenção. O sistema passou a:
I. estimar a probabilidade de falha de chillers a partir de dados históricos de operação e monitoramento;
II. identificar automaticamente pontos de corrosão em tubulações por meio da análise de imagens capturadas por drones durante inspeções; e
III. definir diariamente a sequência de atendimento às ordens de serviço, considerando a localização das equipes, a criticidade dos equipamentos e o tempo estimado de deslocamento.
As funcionalidades descritas em I, II e III correspondem, respectivamente, a

A

algoritmos preditivos, visão computacional e otimização de rotas.

B

mineração de dados, internet das coisas (IoT) e computação em nuvem.

C

aprendizado supervisionado, processamento de linguagem natural e georreferenciamento.

D

manutenção baseada em condição, aprendizado não supervisionado e realidade aumentada.

Incorreta. Gabarito oficial da banca:

Errou um tema comum da banca? Veja o que mais costuma cair no Raio-X. Ver raio-X

Parabéns! Você acertou!

Essa questão segue o padrão da banca! Veja o que mais costuma cair. Ver raio-X

Q4218187

Ano: 2026 Banca: FGV Órgão: MPE-ES Prova: FGV - 2026 - MPE-ES - Agente Especializado - Cientista de Dados e Inteligência de Negócios |

Q4218187 Engenharia de Software

No contexto da IA Generativa, assinale a opção que melhor explica o conceito de embedding.

A

Embeddings são os pesos dos modelos de LLM.

B

Embeddings são as representações vetoriais densas.

C

É o processo de transferência de aprendizado em que o modelo de linguagem recebe um novo treinamento sobre o treinamento já existente.

D

É o mecanismo que permite a conexão direta do LLM com bancos de dados relacionais externos, realizando consultas SQL automáticas para atualizar o conhecimento do modelo.

E

É a segmentação do texto bruto em unidades menores, como palavras ou subpalavras, com o objetivo de definir o tamanho da janela de contexto que será processada pelo modelo de linguagem.

Incorreta. Gabarito oficial da banca:

Veja como esse erro impacta seu desempenho geral. Ver estatísticas

Parabéns! Você acertou!

Esse acerto melhora seu desempenho! Veja suas estatísticas

Q4218182

Ano: 2026 Banca: FGV Órgão: MPE-ES Prova: FGV - 2026 - MPE-ES - Agente Especializado - Cientista de Dados e Inteligência de Negócios |

Q4218182 Engenharia de Software

O treinamento de redes neurais profundas envolve o ajuste iterativo dos pesos, com base no erro observado entre a saída prevista e a saída esperada.
Esse processo é viabilizado pelo algoritmo de retropropagação, em conjunto com métodos de otimização que usam gradientes para minimizar a função de perda.
No contexto do treinamento de redes neurais, assinale a opção que indica o principal mecanismo da retropropagação.

A

Distribuir o erro uniformemente entre todos os neurônios da rede.

B

Ajustar a função de ativação de cada neurônio para reduzir o erro global.

C

Minimizar a função de perda por meio de busca exaustiva no espaço de pesos.

D

Calcular gradientes da função de perda em relação aos pesos usando a regra da cadeia.

E

Calcular a saída da rede a partir dos dados de entrada, propagando informações da entrada para a saída.

Incorreta. Gabarito oficial da banca:

Compare seu desempenho com quem faz o mesmo concurso. Ver concorrência

Parabéns! Você acertou!

Compare seu desempenho com quem faz o mesmo concurso. Ver concorrência

Q4218181

Ano: 2026 Banca: FGV Órgão: MPE-ES Prova: FGV - 2026 - MPE-ES - Agente Especializado - Cientista de Dados e Inteligência de Negócios |

Q4218181 Engenharia de Software

Sobre o treinamento de redes neurais profundas, assinale a opção que indica a principal finalidade da técnica conhecida como dropout.

A

Evitar a explosão de gradientes por meio da limitação do valor dos gradientes durante o treinamento.

B

Reduzir o overfitting por meio da desativação aleatória de neurônios durante o treinamento.

C

Melhorar a generalização do modelo por meio da remoção de partes aleatórias das imagens durante o treino.

D

Acelerar a convergência do modelo por meio da substituição da função de ativação por uma função linear.

E

Otimizar o desempenho do modelo por meio do ajuste automático de hiperparâmetros com base no erro observado.

Incorreta. Gabarito oficial da banca:

Esse erro também aparece no seu Resumão. Veja o que melhorar

Parabéns! Você acertou!

Esse acerto está no seu Resumão. Ver Resumão da semana

Q4213465

Ano: 2026 Banca: Instituto Consulplan Órgão: Prefeitura de Vitória - ES Prova: Instituto Consulplan - 2026 - Prefeitura de Vitória - ES - Analista em Tecnologia da Informação - Infraestrutura e Suporte |

Q4213465 Engenharia de Software

Durante a fase de homologação de um assistente baseado em IA generativa contratado por determinada prefeitura municipal, a ferramenta foi integrada ao portal interno para auxiliar servidores na consulta a normas, procedimentos administrativos e abertura de chamados. Em uma simulação de uso, o assistente informou a um servidor que certo requerimento poderia ser deferido com base em uma portaria revogada e apresentou como vigente um procedimento que não constava na base normativa atualizada. O contrato previa apoio à consulta e organização de informações, mas não autorizava decisão administrativa automatizada nem dispensa de validação humana. Após o registro da ocorrência, a equipe responsável precisou avaliar o episódio sob três perspectivas: gestão do projeto; fiscalização da contratação de TI; e riscos próprios de modelos de linguagem de grande porte. Considerando fundamentos de gerenciamento de projetos, contratação pública de TI e riscos de IA generativa, assinale a providência tecnicamente correta.

A

A ocorrência transfere ao fornecedor a responsabilidade integral pela conformidade da solução, pois a Administração contratou serviço especializado de IA; a fiscalização contratual deve limitar-se à verificação de disponibilidade da plataforma e ao recebimento da ferramenta, cabendo ao usuário final validar o conteúdo antes de utilizar a resposta.

B

A ocorrência deve ser solucionada pela ampliação da capacidade computacional e pela extensão do prazo contratual, pois respostas alucinatórias decorrem principalmente de insuficiência de processamento; nesse caso, a análise de caminho crítico deve priorizar aquisição de infraestrutura, sem necessidade de revisar requisitos funcionais, base normativa ou critérios de medição.

C

A ocorrência caracteriza inconsistência esperada durante a fase de homologação e deve ser aceita como variação normal de desempenho, mantendo-se o cronograma e os critérios de aceite originalmente definidos; em projetos com IA generativa, a EAP deve concentrar-se na implantação técnica, deixando validação jurídica, qualidade das respostas e riscos de alucinação para a etapa posterior de operação assistida.

D

A ocorrência deve ser registrada como limitação típica de LLMs e tratada na matriz de riscos do projeto e da contratação, com revisão dos requisitos, critérios de aceite, controles de validação humana, registros de auditoria, base de conhecimento utilizada e indicadores de qualidade das respostas; a fiscalização contratual deve acompanhar as correções e verificar se a entrega continua aderente ao objeto contratado.

Incorreta. Gabarito oficial da banca:

Errou um tema comum da banca? Veja o que mais costuma cair no Raio-X. Ver raio-X

Parabéns! Você acertou!

Essa questão segue o padrão da banca! Veja o que mais costuma cair. Ver raio-X

Q4202321

Ano: 2026 Banca: FUNDATEC Órgão: Prefeitura de Caxias do Sul - RS Prova: FUNDATEC - 2026 - Prefeitura de Caxias do Sul - RS - Auditor Fiscal da Receita Municipal - Bloco 2 |

Q4202321 Engenharia de Software

O clustering (agrupamento) é uma técnica de aprendizado de máquina usada para agrupar objetos, dados e observações com base em semelhanças e padrões, sendo classificada como um tipo de aprendizado:

A

Por reforço.

B

Não supervisionado.

C

Supervisionado.

D

Semissupervisionado.

Incorreta. Gabarito oficial da banca:

Errou um tema comum da banca? Veja o que mais costuma cair no Raio-X. Ver raio-X

Parabéns! Você acertou!

Essa questão segue o padrão da banca! Veja o que mais costuma cair. Ver raio-X

Q4193530

Ano: 2026 Banca: UFU-MG Órgão: UFU-MG Prova: UFU-MG - 2026 - UFU-MG - Técnico de Tecnologia da Informação |

Q4193530 Engenharia de Software

A convergência entre a inteligência artificial (IA) e as plataformas de integração tem sido fundamental para a automação de processos e a agilidade no desenvolvimento de soluções. Diante desse cenário, analise as asserções.

I. O MCP (Model Context Protocol) estabelece um padrão aberto de modelo capaz de sugerir trechos de código e funções completas. O MCP atua de forma consultiva na resolução de dúvidas e no suporte a fluxos rotineiros, como a geração de testes unitários, a depuração de sistemas e a análise de perfil.
II. O protocolo MCP (Model Context Protocol) é um padrão aberto que permite que os modelos de IA interajam com ferramentas e serviços externos por meio de uma interface unificada, proporcionando otimização do desenvolvimento de sistemas e na automação de fluxos de trabalho.
III. O MCP (Model Context Protocol) estabelece um padrão de segurança e conformidade para o desenvolvimento de LLMs (modelos de linguagem de grande porte), assegurando a interoperabilidade técnica para a integração desses modelos em cenários de alta complexidade.
IV. Agentes de IA acoplados à IDE (Integrated Development Environment) transformam requisitos de alto nível, descritos em linguagem natural, em ações concretas na base de código. O agente orquestra desde o planejamento e edição de scripts até a execução de comandos de terminal e integração de ferramentas.

Assinale a alternativa que apresenta apenas asserções corretas.

A

I e II

B

I e III

C

II e IV

D

III e IV

Incorreta. Gabarito oficial da banca:

Treine mais com um simulado focado no seu concurso. Criar simulado

Parabéns! Você acertou!

Está mandando bem! Treine mais em um simulado completo. Criar simulado

Q4181547

Ano: 2026 Banca: FGV Órgão: TJ-RJ Prova: FGV - 2026 - TJ-RJ - Analista Judiciário - Tecnologia da Informação - Engenheiro de Dados |

Q4181547 Engenharia de Software

Uma fintech desenvolveu um pipeline ponta a ponta (end-to-end) de machine learning para detecção de fraudes em transações financeiras. O pipeline inclui as seguintes etapas:

(1) ingestão de dados em tempo real via streaming;
(2) feature engineering com agregações temporais (médias móveis de 7 e 30 dias);
(3) predição usando um modelo de gradient boosting;
(4) deployment em arquitetura de microsserviços.

Após três meses em produção, o time de MLOps observou degradação gradual no F1-score de 0.89 para 0.72, enquanto o monitoramento revelou que as distribuições das features agregadas apresentavam mudanças estatisticamente significativas (p < 0.01 no teste de Kolmogorov-Smirnov), embora as features brutas individuais permanecessem estáveis.

Considerando as melhores práticas de pipelines de ML em produção e estratégias de deployment, a equipe deve:

A

descartar as features agregadas temporais do pipeline, pois são a causa do data drift observado, e retreinar o modelo usando apenas as features brutas individuais que permaneceram estáveis;

B

implementar apenas alertas de monitoramento mais sensíveis para detectar drift precocemente, mantendo o pipeline atual inalterado, pois o F1-score de 0.72 ainda é considerado aceitável para aplicações de detecção de fraudes em produção;

C

adotar estratégia de deployment blue-green para testar um novo modelo treinado com dados recentes em paralelo com o modelo atual, direcionando gradualmente o tráfego para o novo modelo enquanto monitora métricas de desempenho e features drift;

D

implementar um sistema de retreinamento automático com janela deslizante que periodicamente atualiza o modelo com dados recentes, mantendo as features agregadas mas recalculando-as sobre períodos mais curtos para reduzir latência conceitual;

E

aumentar a complexidade do modelo substituindo gradient boosting por deep learning com redes neurais recorrentes, pois modelos mais complexos são mais robustos a drift e podem capturar padrões temporais automaticamente sem feature engineering.

Incorreta. Gabarito oficial da banca:

Veja esse conteúdo explicado passo a passo em nossos cursos. Buscar curso

Parabéns! Você acertou!

Mandou bem! Revise esse tema nos nossos cursos. Buscar curso

Q4181545

Ano: 2026 Banca: FGV Órgão: TJ-RJ Prova: FGV - 2026 - TJ-RJ - Analista Judiciário - Tecnologia da Informação - Engenheiro de Dados |

Q4181545 Engenharia de Software

O desempenho de modelos de aprendizado de máquina está intrinsecamente relacionado ao equilíbrio entre viés e variância. Modelos com alto viés tendem a simplificar excessivamente o problema, resultando em subajuste (underfitting), enquanto modelos com alta variância podem capturar ruído nos dados de treinamento, levando ao sobreajuste (overfitting). Para mitigar esses problemas, diversas técnicas de regularização podem ser empregadas, ajustando a complexidade do modelo e melhorando sua capacidade de generalização.

Considerando os conceitos de compensação viés-variância, sobreajuste, subajuste e técnicas de regularização, é correto afirmar que:

A

o aumento do parâmetro de regularização (lambda ou alpha) reduz o viés do modelo ao permitir que ele capture padrões mais complexos, sendo recomendado para corrigir problemas de underfitting em redes neurais profundas;

B

a regularização L1 (Lasso) e a regularização L2 (Ridge) produzem resultados idênticos em termos de seleção de features, diferindo apenas na velocidade de convergência do algoritmo de otimização durante o treinamento;

C

a validação cruzada (cross-validation) é uma técnica de regularização que modifica a função de perda adicionando um termo de penalização aos coeficientes do modelo, reduzindo assim a variância sem alterar o viés;

D

modelos com sobreajuste apresentam alto viés e baixa variância, razão pela qual técnicas de regularização são aplicadas para aumentar a complexidade do modelo e melhorar seu desempenho no conjunto de treinamento;

E

o aumento do parâmetro de regularização (lambda ou alpha) em modelos regularizados reduz a complexidade efetiva do modelo, aumentando o viés e reduzindo a variância, sendo uma estratégia eficaz contra overfitting, mas que pode levar a underfitting se aplicado excessivamente.

Incorreta. Gabarito oficial da banca:

Errou um tema comum da banca? Veja o que mais costuma cair no Raio-X. Ver raio-X

Parabéns! Você acertou!

Essa questão segue o padrão da banca! Veja o que mais costuma cair. Ver raio-X

Q4176623

Ano: 2026 Banca: CESPE / CEBRASPE Órgão: FUNPRESP-JUD Prova: CESPE / CEBRASPE - 2026 - FUNPRESP-JUD - Analista de Tecnologia da Informação - Especialidade: Ciência de Dados e Inovação |

Q4176623 Engenharia de Software

Julgue o próximo item relativo aos conceitos e aos principais tipos e modelos de inteligência artificial (IA).

O aprendizado por reforço caracteriza-se pela inexistência de mecanismos de recompensa durante o treinamento do agente inteligente.

Certo

Errado

Incorreta. Gabarito oficial da banca:

Compare seu desempenho com quem faz o mesmo concurso. Ver concorrência

Parabéns! Você acertou!

Compare seu desempenho com quem faz o mesmo concurso. Ver concorrência

Q4176578

Ano: 2026 Banca: CESPE / CEBRASPE Órgão: FUNPRESP-JUD Prova: CESPE / CEBRASPE - 2026 - FUNPRESP-JUD - Analista de Tecnologia da Informação - Especialidade: Ciência de Dados e Inovação |

Q4176578 Engenharia de Software

A respeito do desenvolvimento de projetos digitais e do machine learning, julgue o item subsecutivo.

Em validação cruzada k-fold, o modelo é treinado k vezes, cada vez usando uma partição diferente como conjunto de teste, o que produz uma estimativa mais robusta do erro de generalização do que uma única divisão treino-teste.

Certo

Errado

Incorreta. Gabarito oficial da banca:

Salve essa questão em um caderno para revisar depois. Adicionar a um caderno

Parabéns! Você acertou!

Mantenha o ritmo! Salve no caderno para revisar depois. Adicionar a um caderno

Q4104671

Ano: 2026 Banca: FCC Órgão: MPE-AL Prova: FCC - 2026 - MPE-AL - Analista do Ministério Público - Especialidade: Desenvolvimento de Sistemas |

Q4104671 Engenharia de Software

Uma Secretaria Estadual de Saúde implantou um sistema de apoio à decisão para triagem automática da prioridade das solicitações de exames especializados recebidas por meio do portal eletrônico do cidadão. A base histórica disponível contém milhares de solicitações já analisadas por médicos reguladores, devidamente rotuladas conforme o grau de prioridade atribuído à época. A equipe técnica pretende desenvolver automaticamente a categoria de novos solicitações, reduzindo o tempo de resposta e aumentando a eficiência e assertividade da urgência no contexto de atendimento público.

Diante dos fundamentos de Inteligência Artificial e Aprendizado de Máquina, a abordagem adequada para resolver o problema descrito é

A

treinar um modelo de classificação supervisionada utilizando os dados históricos rotulados para prever a categoria de prioridade das novas solicitações.

B

aplicar um método de redução de dimensionalidade para identificar padrões ocultos e, isoladamente, determinar a prioridade do atendimento.

C

aplicar um algoritmo de clusterização não supervisionada para agrupar solicitações semelhantes e, posteriormente, definir manualmente as prioridades.

D

utilizar um modelo de regressão linear para estimar o tempo de espera do paciente e, a partir disso, inferir a prioridade emergente.

E

empregar técnicas de aprendizado por reforço para que o sistema aprenda a priorizar casos com base em recompensas associadas ao tempo de atendimento.

Incorreta. Gabarito oficial da banca:

Errou um tema comum da banca? Veja o que mais costuma cair no Raio-X. Ver raio-X

Parabéns! Você acertou!

Essa questão segue o padrão da banca! Veja o que mais costuma cair. Ver raio-X

Q4088847

Ano: 2026 Banca: FGV Órgão: TCE-SC Prova: FGV - 2026 - TCE-SC - Auditor Fiscal de Controle Externo - Direito |

Q4088847 Engenharia de Software

O TCE-SC desenvolveu um modelo de IA para detectar fraudes em licitações. Durante o treinamento, o modelo apresentou 99% de acerto na base de dados histórica, mas, ao ser aplicado em dados novos de 2026, a precisão caiu para 55%.
Esse fenômeno técnico, no qual o modelo decora os dados de treinamento mas falha em generalizar para dados novos, é conhecido como

A

Underfitting.

B

Overfitting.

C

Normalização de Dados.

D

Aprendizado não supervisionado.

E

Regressão Logística.

Incorreta. Gabarito oficial da banca:

Salve essa questão em um caderno para revisar depois. Adicionar a um caderno

Parabéns! Você acertou!

Mantenha o ritmo! Salve no caderno para revisar depois. Adicionar a um caderno

Q4088604

Ano: 2026 Banca: FGV Órgão: TCE-SC Prova: FGV - 2026 - TCE-SC - Auditor Fiscal de Controle Externo - Ciências da Computação, Sistemas de Informação, Engenharia de Computação e Engenharia de Software |

Q4088604 Engenharia de Software

O TCE-SC está a implementar um assistente virtual para auxiliar os auditores na consulta de normas jurídicas complexas. Para evitar alucinações do modelo de linguagem (LLM) e garantir que as respostas sejam baseadas estritamente no repositório de resoluções do Tribunal, a equipe técnica optou pela arquitetura Retrieval-Augmented Generation (RAG).
No fluxo de funcionamento de um sistema RAG, o papel fundamental do Vector Database é

A

armazenar as representações matemáticas dos documentos para permitir a busca por similaridade semântica.

B

realizar a tradução juramentada dos termos técnicos para linguagem natural.

C

armazenar o código-fonte do modelo pré-treinado para ajuste fino.

D

substituir completamente o LLM na geração do texto final da resposta.

E

gerir o histórico de conversas do usuário em formato de texto estruturado JSON.

Incorreta. Gabarito oficial da banca:

Esse erro também aparece no seu Resumão. Veja o que melhorar

Parabéns! Você acertou!

Esse acerto está no seu Resumão. Ver Resumão da semana

Q4082535

Ano: 2026 Banca: CESPE / CEBRASPE Órgão: ANSA Prova: CESPE / CEBRASPE - 2026 - ANSA - Ênfase 1: Administração |

Q4082535 Engenharia de Software

Em relação à ética em inteligência artificial (IA), julgue o item subsecutivo.

No âmbito da ética aplicada à inteligência artificial, a transparência efetiva transcende a simples abertura do código-fonte, exigindo que os fundamentos lógicos das decisões automatizadas sejam apresentados de forma compreensível para seres humanos, de modo a permitir a identificação de preconceitos e a possibilidade de revisão das conclusões da máquina.

Certo

Errado

Incorreta. Gabarito oficial da banca:

Esse erro também aparece no seu Resumão. Veja o que melhorar

Parabéns! Você acertou!

Esse acerto está no seu Resumão. Ver Resumão da semana

Q4019767

Ano: 2026 Banca: CESPE / CEBRASPE Órgão: TCE-RN Prova: CESPE / CEBRASPE - 2026 - TCE-RN - Auditor de Controle Externo - Especialidade: Tecnologia da Informação |

Q4019767 Engenharia de Software

Com relação ao processamento de linguagem natural (PLN) e à arquitetura e engenharia de sistemas de IA, julgue o item a seguir.

A arquitetura transformer transformou profundamente o processamento de linguagem natural ao substituir redes neurais recorrentes (RNNs) por mecanismos de atenção, acelerando assim a análise sequencial de textos longos.

Certo

Errado

Incorreta. Gabarito oficial da banca:

Compare seu desempenho com quem faz o mesmo concurso. Ver concorrência

Parabéns! Você acertou!

Compare seu desempenho com quem faz o mesmo concurso. Ver concorrência

🎯 Saiba o que estudar

🎯 Saiba o que estudar

Questões de Concurso Sobre inteligencia artificial em engenharia de software

Foram encontradas 764 questões