Questões de Engenharia de Software - Inteligencia Artificial para Concurso

Q4389062

Ano: 2026 Banca: FGV Órgão: DATAPREV Prova: FGV - 2026 - DATAPREV - Analista de Tecnologia da Informação – Inteligência da Informação |

Q4389062 Engenharia de Software

A equipe de Engenharia de Dados de uma multinacional está otimizando o pipeline de PLN de um sistema de atendimento ao cliente em tempo real. O objetivo é classificar os chamados recebidos em categorias de urgência e encaminhá-los ao suporte técnico correto. Durante o desenvolvimento do modelo de inteligência artificial, os engenheiros debateram sobre o impacto de diferentes técnicas de pré-processamento e vetorização na captura do significado semântico e contextual das mensagens dos usuários.
Considerando os conceitos fundamentais de pré-processamento, vetorização e arquitetura de PLN aplicados a esse cenário, assinale a afirmativa correta.

A

A aplicação severa da técnica de Stemming é recomendada para substituir totalmente a Lematização em análises de contexto avançadas, pois o Stemming garante a criação de palavras gramaticalmente válidas e preserva o contexto exato do verbo conjugado.

B

O modelo tradicional de Bag-of-Words (BoW) é a escolha ideal para capturar ambiguidades e dependências de longo alcance na frase, uma vez que sua representação matricial preserva rigorosamente a ordem sequencial das palavras na mensagem.

C

A remoção de Stop Words deve ser aplicada obrigatoriamente em todas as tarefas de PLN, inclusive em modelos baseados em Transformers para tradução automática, pois palavras como "não" ou "com" apenas geram ruído e nunca alteram o sentido de uma sentença.

D

A métrica TF-IDF (Term Frequency-Inverse Document Frequency) gera embeddings densos e de baixa dimensão que aprendem as relações semânticas entre sinônimos, superando o algoritmo Word2Vec em tarefas de representação contextual contínua.

E

As técnicas de Word Embeddings densos, como Word2Vec ou embeddings de Transformers, mapeiam palavras ou tokens em vetores contínuos em um espaço multidimensional, permitindo que palavras semanticamente semelhantes fiquem geometricamente próximas umas das outras.

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

Q4389060

Ano: 2026 Banca: FGV Órgão: DATAPREV Prova: FGV - 2026 - DATAPREV - Analista de Tecnologia da Informação – Inteligência da Informação |

Q4389060 Engenharia de Software

Uma equipe de Ciência de Dados construiu uma rede neural profunda para prever a taxa de cancelamento de clientes em uma grande plataforma. Durante a fase de validação, os engenheiros notaram que o modelo apresentava uma acurácia próxima de 99% no conjunto de dados de treino, mas o desempenho despencava para 62% no conjunto de testes. Para combater esse problema de sobreajuste, a liderança técnica solicitou a aplicação de técnicas de regularização baseadas na penalização da função de perda por meio de normas (L1 e L2), visando melhorar a capacidade de generalização do modelo e limitar o crescimento excessivo dos pesos.
Considerando o comportamento e o impacto teórico das penalizações pela norma L1 (Lasso) e pela norma L2 (Decaimento de Pesos) nas redes neurais artificiais, assinale a afirmativa correta.

A

A regularização L1 adiciona a soma dos quadrados dos pesos à função de perda, o que reduz os pesos de forma suave e contínua, enquanto a regularização L2 adiciona a soma dos valores absolutos, forçando muitos coeficientes a zerarem exatamente e gerando modelos mais esparsos.

B

O principal objetivo da norma L1 é eliminar o problema do desaparecimento do gradiente, enquanto a norma L2 é aplicada exclusivamente na camada de entrada para ignorar outliers do conjunto de dados de teste.

C

A regularização L2 penaliza o quadrado da magnitude dos pesos, empurrando os coeficientes em direção a zero sem zerá-los completamente; já a regularização L1 penaliza o valor absoluto dos pesos, o que pode zerar parâmetros irrelevantes e atuar como um mecanismo automático de seleção de recursos.

D

Ambas as regularizações (L1 e L2) alteram a função de ativação das camadas ocultas para funções lineares, garantindo que o erro da rede diminua tanto no treino quanto no teste sem afetar o valor dos pesos conectados.

E

Ao aplicar a norma L2, a rede neural gera um modelo com matrizes de pesos esparsas (com muitos valores nulos), o que torna a inferência mais rápida na nuvem, enquanto a norma L1 apenas distribui os pesos igualmente entre todos os neurônios da rede.

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

Q4375783

Q4375783 Engenharia de Software

Sobre métodos de Aprendizado de Máquina, analise as afirmativas a seguir e assinale (V) para a verdadeira e (F) para a falsa.

( ) Na aprendizagem bayesiana, as previsões sobre um dado novo são feitas considerando todo o espaço de hipóteses, ponderadas por suas probabilidades.
( ) No aprendizado por reforço ativo, o agente deve decidir autonomamente quais ações tomar em cada estado para minimizar sua função de utilidade a longo prazo.
( ) No aprendizado profundo, as hipóteses são estruturadas como redes complexas de funções algébricas interconectadas por pesos numéricos ajustáveis.

As afirmativas são, respectivamente,

A

V – V – F.

B

F – V – V.

C

V – F – V.

D

V – V – V.

E

F – F – V.

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

Q4348399

Ano: 2026 Banca: FAURGS Órgão: IF-SC Prova: FAURGS - 2026 - IF-SC - Professor EBTT - Informática |

Q4348399 Engenharia de Software

Numere a segunda coluna de acordo com a primeira, relacionando as etapas do processo de alinhamento de modelos de linguagem via aprendizado por reforço com feedback humano (RLHF) às suas respectivas definições.

(1) Ajuste fino supervisionado (SFT)
(2) Modelo de recompensa (RM)
(3) Aprendizado por reforço (RLHF)

( ) Utiliza o algoritmo PPO para ajustar a política do modelo de linguagem.
( ) É treinado com rankings de preferência humana sobre múltiplas saídas do modelo.
( ) É baseado em demonstrações de comportamento desejado escritas por humanos.

A sequência numérica correta de preenchimento dos parênteses da segunda coluna, de cima para baixo, é

A

3 – 2 – 1.

B

1 – 2 – 3.

C

2 – 1 – 3.

D

3 – 1 – 2.

E

2 – 3 – 1.

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

Q4348394

Ano: 2026 Banca: FAURGS Órgão: IF-SC Prova: FAURGS - 2026 - IF-SC - Professor EBTT - Informática |

Q4348394 Engenharia de Software

Em arquiteturas de redes neurais, o termo "profundidade" (depth) de um modelo é utilizado para descrever

A

o tempo de processamento necessário para uma única passagem de inferência (forward pass).

B

a largura da maior camada oculta, medida pelo número de unidades que a compõem.

C

o número total de neurônios distribuídos entre todas as camadas da rede.

D

o comprimento do caminho mais longo de computações entre a entrada e a saída do modelo.

E

a quantidade de dados de treinamento necessários para o modelo convergir.

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

Q4279913

Ano: 2026 Banca: FGV Órgão: TCE-PE Prova: FGV - 2026 - TCE-PE - Auditor de Controle Externo – Tecnologia da Informação - REAPLICAÇÃO |

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.

A

Formular um prompt breve, solicitando apenas “analise os documentos”, e permitir que o agente complete livremente informações ausentes para produzir uma conclusão definitiva.

B

Formular um prompt com o objetivo da análise e permitir que o agente selecione fontes externas não autorizadas sempre que considerar os documentos insuficientes, dispensando a revisão humana.

C

Formular um prompt que especifique o contexto, as tarefas, as restrições, o formato da resposta e o tratamento de informações insuficientes; e utilizar o agente para coordenar o recebimento dos documentos, o envio das instruções ao LLM, a verificação da presença das seções exigidas e o encaminhamento do resultado ao auditor.

D

Formular um prompt contendo apenas o formato final da resposta e utilizar o agente para determinar, sem restrições, quais fatos e conclusões devem ser acrescentados ao conteúdo produzido pelo LLM.

E

Formular prompts diferentes a cada execução, sem critérios previamente definidos, e utilizar o agente somente para armazenar a resposta final, sem coordenar as etapas do processo.

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

Q4279855

Ano: 2026 Banca: FGV Órgão: TCE-PE Provas: FGV - 2026 - TCE-PE - Auditor de Controle Externo – Tecnologia da Informação - REAPLICAÇÃO | FGV - 2026 - TCE-PE - Auditor de Controle Externo - Contas Públicas - REAPLICAÇÃO |

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

A

“Utilize somente informações presentes no conteúdo fornecido e, quando um dado solicitado não estiver disponível nesse conteúdo, registre expressamente essa ausência.”

B

“Produza uma síntese objetiva, destacando as datas e os demais elementos considerados relevantes para a compreensão do documento.”

C

“Examine o documento integralmente e apresente a resposta mais provável quando alguma informação necessária não estiver explícita.”

D

“Compare as informações do documento, resolva eventuais lacunas de contexto e apresente uma única resposta para cada dado solicitado.”

E

“Identifique as informações principais do documento e complete os dados ausentes quando puderem ser inferidos a partir do contexto.”

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

Q4255275

Ano: 2026 Banca: IDECAN Órgão: AL-CE Prova: IDECAN - 2026 - AL-CE - Analista Legislativo - Análise de Dados |

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.

A

Utilizar mecanismos capazes de evidenciar a contribuição das variáveis para as previsões realizadas, permitindo maior compreensão das decisões produzidas pelo modelo.

B

Restringir o acesso às informações sobre o funcionamento do modelo, reduzindo o risco de questionamentos relacionados às decisões produzidas automaticamente.

C

Priorizar exclusivamente indicadores de desempenho preditivo, considerando irrelevante a compreensão dos fatores que influenciam os resultados gerados.

D

Substituir procedimentos de validação por descrições textuais simplificadas, eliminando a necessidade de análises quantitativas sobre o comportamento do modelo.

E

Concentrar o desenvolvimento em algoritmos cada vez mais complexos, independentemente da capacidade dos usuários compreenderem os resultados apresentados.

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

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

Q4223176

Ano: 2026 Banca: FGV Órgão: NAV Brasil Prova: FGV - 2026 - NAV Brasil - Analista de Tecnologia |

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

A

Estouro de Buffer (Buffer Overflow).

B

Condição de Corrida Distribuída.

C

Fragmentação de Índice Clustered.

D

Compilação Estática Tardia (JIT).

E

Desvio de Dados (Data Drift).

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

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

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

Questões de Concurso Comentadas sobre inteligencia artificial em engenharia de software

Foram encontradas 661 questões