Questões de Concurso Sobre inteligencia artificial em engenharia de software

Foram encontradas 772 questões

Q4279913 Engenharia de Software
O Tribunal de Contas pretende utilizar um grande modelo de linguagem (LLM) para apoiar a análise preliminar de documentos de fiscalização. A solução deverá

• elaborar um resumo exclusivamente com base nos documentos fornecidos;
• separar a resposta em fatos identificados, possíveis inconsistências e informações ausentes;
• indicar, para cada conclusão, o trecho do documento que lhe dá suporte;
• declarar expressamente quando os dados forem insuficientes;
• submeter o resultado à revisão de um auditor.

Além disso, pretende-se utilizar um agente, entendido, nessa solução, como um componente capaz de coordenar uma sequência previamente definida de ações e acionar os recursos autorizados em cada etapa.

Assinale a opção que apresenta a aplicação mais adequada da engenharia de prompt e do agente nesse cenário.
Alternativas
Q4279855 Engenharia de Software
Um modelo de linguagem de grande porte (LLM) é utilizado para produzir sínteses preliminares de documentos técnicos. Em um teste, o texto fornecido ao modelo não informa a data de conclusão de determinada obra. Ainda assim, a resposta gerada apresenta uma data específica, formulada como se constasse do documento.
Para aperfeiçoar o comando usado nessa tarefa, foram propostas diferentes instruções complementares.

A instrução mais diretamente relacionada à redução do problema observado é
Alternativas
Q4255275 Engenharia de Software
Uma Assembleia Legislativa adotou um sistema baseado em aprendizado de máquina para apoiar a priorização de demandas encaminhadas a setores técnicos especializados. Embora o modelo apresentasse desempenho satisfatório em testes estatísticos, gestores e servidores responsáveis pelas decisões finais manifestaram preocupação quanto à compreensão dos fatores que influenciavam determinadas recomendações produzidas pelo sistema. Em resposta, a equipe de ciência de dados passou a incorporar mecanismos destinados a aumentar a interpretabilidade das previsões geradas, preservando a confiança institucional e a rastreabilidade dos processos decisórios.
Assinale a alternativa que apresenta uma prática alinhada aos princípios de transparência e explicabilidade em modelos de ciência de dados.
Alternativas
Q4255256 Engenharia de Software
Com o objetivo de apoiar comissões parlamentares na análise de manifestações encaminhadas por cidadãos, uma Assembleia Legislativa desenvolveu uma plataforma capaz de processar milhares de contribuições recebidas por meio de consultas públicas eletrônicas. O volume de textos tornou inviável a análise manual individual, levando a equipe de ciência de dados a empregar técnicas de Processamento de Linguagem Natural para identificar padrões de opinião, assuntos recorrentes e agrupamentos de documentos semanticamente relacionados. Durante a avaliação metodológica, tornou-se necessário distinguir corretamente as finalidades das diferentes técnicas empregadas.
Assinale a alternativa que apresenta uma associação tecnicamente adequada entre análise de sentimentos, modelagem de tópicos e similaridade textual.
Alternativas
Q4255247 Engenharia de Software
Uma Assembleia Legislativa desenvolveu um modelo de aprendizado de máquina para apoiar a distribuição automática de demandas recebidas por diferentes setores técnicos. Após alguns meses de utilização, auditorias internas identificaram que determinados tipos de solicitações apresentavam taxas de encaminhamento significativamente diferentes quando comparadas a demandas de características semelhantes. Embora o modelo apresentasse elevados indicadores globais de desempenho, a equipe de governança de dados passou a investigar a possibilidade de existência de vieses introduzidos durante a coleta, preparação ou modelagem dos dados.
Assinale a alternativa que apresenta a interpretação tecnicamente adequada acerca dos vieses algorítmicos em sistemas de ciência de dados.
Alternativas
Q4255244 Engenharia de Software
Uma Assembleia Legislativa implementou um modelo de aprendizado de máquina para auxiliar a priorização de proposições encaminhadas para análise técnica especializada. Embora o modelo apresentasse elevado desempenho preditivo, gestores e consultores legislativos passaram a questionar os critérios utilizados para determinadas classificações, especialmente em situações nas quais proposições semelhantes recebiam tratamentos aparentemente distintos. Diante desse cenário, a área de ciência de dados iniciou a adoção de práticas voltadas à explicabilidade dos modelos, buscando aumentar a confiança dos usuários e a transparência dos processos analíticos.
Assinale a alternativa que apresenta a interpretação tecnicamente adequada acerca da explicabilidade de modelos de inteligência artificial.
Alternativas
Q4255239 Engenharia de Software
Uma equipe de análise de dados do Poder Legislativo desenvolveu modelos para prever a probabilidade de aprovação de proposições legislativas com base em informações históricas de tramitação, autoria, temática, comissões envolvidas e padrões de votação. Durante a avaliação dos algoritmos, observou-se que uma árvore de decisão individual produzia resultados interpretáveis, porém apresentava elevada sensibilidade a pequenas variações nos dados de treinamento. Como alternativa, foram estudadas técnicas baseadas em conjuntos de modelos (ensembles), capazes de aumentar a robustez preditiva e reduzir a variabilidade dos resultados.
Assinale a alternativa que apresenta a descrição tecnicamente adequada acerca do Random Forest.
Alternativas
Q4255238 Engenharia de Software
Uma equipe de ciência de dados da Assembleia Legislativa desenvolveu um modelo preditivo para estimar a probabilidade de determinadas proposições demandarem tramitação acelerada. Durante os testes iniciais, o modelo apresentou desempenho extremamente elevado sobre os dados utilizados no treinamento, porém resultados significativamente inferiores quando aplicado a novas proposições oriundas de períodos legislativos posteriores. Após investigação, concluiu-se que o modelo havia aprendido características muito específicas do conjunto de treinamento, reduzindo sua capacidade de generalização para novos dados. Diante desse cenário, a equipe passou a avaliar técnicas para diagnosticar e mitigar o problema identificado.
Assinale a alternativa que apresenta a interpretação tecnicamente adequada para a situação descrita.
Alternativas
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,
Alternativas
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,
Alternativas
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 
Alternativas
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
Alternativas
Q4223176 Engenharia de Software
Uma equipe de engenharia de dados implantou um modelo de Aprendizado de Máquina em ambiente de produção, para prever anomalias operacionais e riscos de falhas em turbinas aeronáuticas. Após três meses de funcionamento estável, a plataforma de MLOps emitiu um alerta crítico apontando que, apesar de a infraestrutura de servidores estar operando normalmente, a acurácia das previsões do modelo degradou severamente, devido a mudanças graduais no perfil estatístico e nas propriedades das variáveis de entrada vindas dos sensores reais de telemetria, fazendo com que os dados de produção divergissem do dataset usado no treinamento inicial.
A disfunção específica que ocorre no ciclo de vida de modelos de Inteligência Artificial em produção, caracterizada pela mudança na distribuição dos dados de entrada que invalida a capacidade preditiva do modelo, é denominada
Alternativas
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 
Alternativas
Q4218187 Engenharia de Software
No contexto da IA Generativa, assinale a opção que melhor explica o conceito de embedding
Alternativas
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. 
Alternativas
Q4218181 Engenharia de Software
Sobre o treinamento de redes neurais profundas, assinale a opção que indica a principal finalidade da técnica conhecida como dropout.
Alternativas
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.
Alternativas
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:
Alternativas
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. 
Alternativas
Respostas
1: C
2: A
3: A
4: A
5: D
6: C
7: A
8: E
9: C
10: C
11: D
12: D
13: E
14: C
15: B
16: D
17: B
18: D
19: B
20: C