Questões de Engenharia de Software - Inteligencia Artificial para Concurso - Página 27

Q2228312

Ano: 2023 Banca: CESPE / CEBRASPE Órgão: SEFIN de Fortaleza - CE Prova: CESPE / CEBRASPE - 2023 - SEFIN de Fortaleza - CE - Analista Fazendário Municipal - Área de Conhecimento: Ciência da Computação, Informática/Processamento de Dados |

Q2228312 Engenharia de Software

Julgue o item a seguir, a respeito de inteligência artificial (IA) e machine learning.

Nos algoritmos de aprendizado por reforço, o agente recebe uma recompensa atrasada na próxima etapa de tempo para avaliar sua ação anterior; seu objetivo, então, é maximizar a recompensa.

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

Q2226550

Ano: 2023 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2023 - SERPRO - Analista - Especialização: Tecnologia |

Q2226550 Engenharia de Software

Aprendizado de máquina é um subcampo da inteligência artificial que consiste no treinamento de modelos computacionais para que possam reconhecer padrões e, a partir de um conjunto de dados de entrada, prever o valor de uma variável de saída. Em relação ao aprendizado de máquina, julgue o item a seguir.
Em aprendizado de máquina, as características de entrada e saída são definidas, respectivamente, como atributos previsores e atributos alvo ou meta.

Certo

Errado

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

Q2226547

Ano: 2023 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2023 - SERPRO - Analista - Especialização: Tecnologia |

Q2226547 Engenharia de Software

Aprendizado de máquina é um subcampo da inteligência artificial que consiste no treinamento de modelos computacionais para que possam reconhecer padrões e, a partir de um conjunto de dados de entrada, prever o valor de uma variável de saída. Em relação ao aprendizado de máquina, julgue o item a seguir.
A matriz de confusão permite avaliar o desempenho de um modelo de classificação a partir da frequência de erros e acertos.

Certo

Errado

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

Q2207703

Ano: 2023 Banca: OBJETIVA Órgão: Prefeitura de Ilópolis - RS Provas: OBJETIVA - 2023 - Prefeitura de Ilópolis - RS - Analista de Tecnologia de Informação | OBJETIVA - 2023 - Prefeitura de Ilópolis - RS - Monitor Escolar | OBJETIVA - 2023 - Prefeitura de Ilópolis - RS - Auxiliar de Creche | OBJETIVA - 2023 - Prefeitura de Ilópolis - RS - Assistente Social Escolar | OBJETIVA - 2023 - Prefeitura de Ilópolis - RS - Engenheiro Civil | OBJETIVA - 2023 - Prefeitura de Ilópolis - RS - Médico | OBJETIVA - 2023 - Prefeitura de Ilópolis - RS - Professor – Agricultura e Silvicultura | OBJETIVA - 2023 - Prefeitura de Ilópolis - RS - Professor – Educação Especial | OBJETIVA - 2023 - Prefeitura de Ilópolis - RS - Psicólogo Escolar e Educacional |

Q2207703 Engenharia de Software

O Google começou a disponibilizar ao público seu chatbot de inteligência artificial (IA). O objetivo do projeto do Google é concorrer com o ChatGPT, programa lançado pelo laboratório de pesquisas OpenAI em novembro de 2022 e apoiado pela Microsoft. Como se chama esse chatbot?

A

Bing.

B

Colorize.

C

Bard.

D

Replika.

Q2198248

Ano: 2023 Banca: Quadrix Órgão: CRM-MG Prova: Quadrix - 2023 - CRM - MG - Técnico de Informática |

Q2198248 Engenharia de Software

O tipo de aprendizagem de máquina que se baseia em dados preparados para treinamento, quando se sabe o desfecho de cada registro do conjunto de dados, em geral previamente rotulados por um especialista, é a aprendizagem

A

supervisionada.

B

não supervisionada.

C

por reforço.

D

aleatória.

E

flexível.

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

Q2181813

Ano: 2023 Banca: FGV Órgão: SEFAZ-MT Prova: FGV - 2023 - SEFAZ- MT - Fiscal de Tributos Estaduais (FTE) - Tarde |

Q2181813 Engenharia de Software

Sobra algaritmos de clusterização, analise as afirmativas a seguir.

I. Os resultados de um algoritmo de clusterização baseados em grafo são normalmente mostrados como um dendrograma.

II. Os métodos baseados em densidade são adequados para descobrir clusters com forma arbitrária, tais como elíptica, cilíndrica ou espiralada.

III. K-Means e K-Medaids são algoritmos de clusterização aglomerativa que dividen a base de dados em k-grupos, onde o número k é dado pelo usuário.

Está correto o que se afirma em

A

I, apenas.

B

II, apenas.

C

III, apenas.

D

I e II, apenas.

E

I, II e III.

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

Q2179321

Ano: 2023 Banca: CESPE / CEBRASPE Órgão: AGER - Mato Grosso Prova: CESPE / CEBRASPE - 2023 - AGER - Mato Grosso - Analista Regulador - Ciências da Computação e ou Sistemas de Informação |

Q2179321 Engenharia de Software

Em machine learning, quando algoritmos de aprendizado de máquina são usados para analisar e agrupar conjuntos de dados não rotulados, de forma tal que os algoritmos descobrem padrões ocultos sem a necessidade de intervenção humana, usa-se a forma de aprendizado do tipo

A

não supervisionado.

B

supervisionado.

C

over fitting.

D

under fitting.

E

classificação.

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

Q2179320

Ano: 2023 Banca: CESPE / CEBRASPE Órgão: AGER - Mato Grosso Prova: CESPE / CEBRASPE - 2023 - AGER - Mato Grosso - Analista Regulador - Ciências da Computação e ou Sistemas de Informação |

Q2179320 Engenharia de Software

Para criar, por meio de bots, uma forma de automatizar tarefas repetitivas de software, como entrada de dados em formulários, usando-se tecnologias que imitam tarefas de back-office de trabalhadores humanos, uma solução seria a implementação de

A

MVP (minimum viable product).

B

tratamento do débito técnico.

C

RPA (robotic process automation).

D

técnicas de refatoração de software.

E

low code.

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

Q2172382

Ano: 2023 Banca: FUNDATEC Órgão: PROCERGS Prova: FUNDATEC - 2023 - PROCERGS - ANC - Analista em Computação - Ênfase em Ciências de Dados |

Q2172382 Engenharia de Software

__________ consiste em uma análise estatística que envolve duas variáveis: a de resposta e a preditiva, e considera que o valor da variável de resposta (ou dependente) pode ser estimado por uma combinação de variáveis explicativas (dependentes). Já quando a variável de resultado é de natureza categórica, __________ pode ser usada para prever a probabilidade de um resultado com base nas variáveis de entrada que podem ser explicativas, contínuas e/ou binárias.
Assinale a alternativa que preenche, correta e respectivamente, as lacunas do trecho acima.

A

Rede Neural Recorrente – Rede Neural Convolucional

B

Random Forest – K-Means

C

Regressão Linear – Regressão Logística

D

k-Means – k-Nearest Neighbors

E

Suport Vector Machine – Radom Forest

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

Q2172381

Ano: 2023 Banca: FUNDATEC Órgão: PROCERGS Prova: FUNDATEC - 2023 - PROCERGS - ANC - Analista em Computação - Ênfase em Ciências de Dados |

Q2172381 Engenharia de Software

Analise as assertivas abaixo sobre Naïve Bayes:
I. É um classificador ingênuo que assume que a presença ou ausência de uma característica particular de uma classe não está relacionada com a presença ou ausência de outras características.
II. As variáveis de entrada são geralmente categóricas, mas variações do algoritmo podem aceitar variáveis contínuas. Também existem maneiras de converter variáveis contínuas em categóricas. Esse processo é denominado discretização de variáveis contínuas.
III. A filtragem de spam é um exemplo clássico do uso de Naïve Bayes para distinguir e-mail de spam de e-mail legítimo. Muitos clientes de e-mail modernos implementam variantes de filtragem bayesiana de spam.
Quais estão corretas?

A

Apenas II.

B

Apenas I e II.

C

Apenas I e III.

D

Apenas II e III.

E

I, II e III.

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

Q2172380

Ano: 2023 Banca: FUNDATEC Órgão: PROCERGS Prova: FUNDATEC - 2023 - PROCERGS - ANC - Analista em Computação - Ênfase em Ciências de Dados |

Q2172380 Engenharia de Software

Para evitar overfitting, uma prática comum é randomicamente dividir a base de dados em N conjuntos de dados de tamanhos aproximadamente iguais. O modelo é treinado com N-1 conjuntos e testado com o restante. Uma medida de erro é obtida. Esse processo é repetido um total de N vezes através das várias combinações dos N conjuntos de dados. Por fim, calcula-se a média de validação dos N experimentos para se obter a estimativa de erro. Qual é o nome dessa técnica descrita e utilizada para avaliar modelos de aprendizado de máquina?

A

Coeficiente de determinação (R² ).

B

Validação cruzada k-fold.

C

Curvas de complexidade.

D

Medida F (F1).

E

Curvas de aprendizado.

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

Q2172374

Ano: 2023 Banca: FUNDATEC Órgão: PROCERGS Prova: FUNDATEC - 2023 - PROCERGS - ANC - Analista em Computação - Ênfase em Ciências de Dados |

Q2172374 Engenharia de Software

As Redes Neurais _________ possuem uma arquitetura feed-forward que usam filtros e camadas de agrupamento para transformar os dados, enquanto as Redes Neurais _________ são preditivas, reutilizam funções de ativação de outros pontos de dados na sequência para gerar a próxima saída em uma série.
Assinale a alternativa que preenche, correta e respectivamente, as lacunas do trecho acima.

A

LSTM (Long short-term memory) – GRU (Gated Recurrent Network)

B

Radial Basis Network (RBF) – Perceptrons (P)

C

Convolucionais – Recorrentes

D

Feed Forward Network (FFN) – Convolucionais

E

Recorrentes – Radial Basis Network (RBF)

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

Q2128640

Ano: 2023 Banca: CESGRANRIO Órgão: Banco do Brasil Prova: CESGRANRIO - 2023 - Banco do Brasil - Agente de Tecnologia - Microrregião 158 - TI |

Q2128640 Engenharia de Software

Uma organização decidiu monitorar a opinião do público sobre ela nas redes sociais. Para isso, processou as mensagens com referências ao seu nome, a fim de possibilitar o uso de uma técnica de processamento de linguagem natural conhecida como análise de sentimentos.
Após transformar cada mensagem em uma string, um dos passos importantes nessa técnica é a tokenização, que consiste em

A

colocar todos os caracteres da mensagem em minúsculas.

B

colocar todos os verbos da mensagem no infinitivo.

C

dividir o texto da mensagem em palavras isoladas.

D

eliminar todos os marcadores HTML ou XML da mensagem.

E

substituir todos os caracteres acentuados da mensagem por suas versões sem acento.

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

Q2128638

Ano: 2023 Banca: CESGRANRIO Órgão: Banco do Brasil Prova: CESGRANRIO - 2023 - Banco do Brasil - Agente de Tecnologia - Microrregião 158 - TI |

Q2128638 Engenharia de Software

No processo de aprendizagem de máquina, busca-se identificar padrões compreensíveis em bases de dados. Desse modo, supõe-se a existência de uma hierarquia de três níveis: a base, com os itens elementares, captados e armazenados por recursos de Tecnologia da Informação; o nível intermediário, no qual esses itens são processados, com significados e contextos bem definidos; e o nível mais alto, contendo os padrões ou os conjuntos cuja formulação pode envolver ou relacionar os níveis inferiores.
Os três níveis dessa hierarquia, listados, respectivamente, da base para o nível mais alto, são:

A

conhecimento, informação e dado

B

dado, conhecimento e informação

C

dado, informação e conhecimento

D

informação, conhecimento e dado

E

informação, dado e conhecimento

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

Q2121028

Ano: 2023 Banca: FGV Órgão: TCE-ES Prova: FGV - 2023 - TCE-ES - Auditor de Controle Externo - Tecnologia da informação |

Q2121028 Engenharia de Software

Com o objetivo de minimizar os riscos na concessão de crédito, um banco contratou uma empresa especializada em sistemas digitais para desenvolver um classificador de requisitantes de crédito em bons ou maus pagadores. Ao entregar o modelo de classificação para o banco, a empresa afirmou que o classificador havia obtido nos testes uma precisão de mais de 95%. No entanto, após alguns meses, o banco notou que o desempenho do classificador estava aquém do esperado, ficando abaixo de 60%. Essa situação apresenta um problema de:

A

underfitting, que se caracteriza pelo classificador estar subajustado aos exemplos do mundo real;

B

overfitting, que se caracteriza pelo classificador estar superajustado aos exemplos de treinamento;

C

undersampling, que se caracteriza pela quantidade de exemplos do mundo real ser pequena;

D

oversampling, que se caracteriza pela quantidade de exemplos de treinamento ser excessiva;

E

outliers, que se caracteriza pela presença de exemplos do mundo real muito distintos dos exemplos de treinamento.

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

Q2121027

Ano: 2023 Banca: FGV Órgão: TCE-ES Prova: FGV - 2023 - TCE-ES - Auditor de Controle Externo - Tecnologia da informação |

Q2121027 Engenharia de Software

João e Júlio fazem parte da equipe de Ciência de Dados do TCE/ES e estão realizando um estudo para o desenvolvimento de um classificador binário (classes positiva e negativa) usando Naive Bayes. Com o intuito de dividirem suas tarefas, João ficou responsável por treinar o modelo de classificação, e Júlio, por avaliar o desempenho do modelo. Após o treinamento do modelo, João aplicou-o ao conjunto de teste e enviou um e-mail a Júlio com a matriz de confusão resultante. Dessa forma, Júlio poderá calcular:

A

a acurácia do modelo, mas não o seu recall;

B

o recall do modelo, mas não a sua precisão;

C

a precisão do modelo, mas não o seu F₁-score;

D

o F₁-score do modelo, mas não a sua AUC;

E

a AUC do modelo, mas não a sua acurácia.

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

Q2121025

Ano: 2023 Banca: FGV Órgão: TCE-ES Prova: FGV - 2023 - TCE-ES - Auditor de Controle Externo - Tecnologia da informação |

Q2121025 Engenharia de Software

Ao ser contratado por uma empresa da área de e-commerce, o cientista de dados Pedro foi alocado a um importante projeto: desenvolver um classificador para análise de sentimentos considerando as opiniões emitidas no Twitter pelos clientes dessa empresa. Para o início do trabalho, Pedro recebeu um pequeno conjunto de dados de tweets parcialmente anotados, que foram coletados da rede social por intermédio de uma API, usando como palavras-chave na busca os nomes de diversas empresas de e-commerce. Como parte das escolhas de técnicas a serem utilizadas no projeto, Pedro optou pelo uso de word embeddings, com o objetivo de resolver o problema muito comum em processamento de linguagem natural de:

A

falta de anotação nos tweets, pois essa técnica gera automaticamente a anotação a partir das palavras que compõem o texto;

B

baixa quantidade de instâncias no conjunto de dados, pois essa técnica produz sobreamostragem da classe minoritária do conjunto de dados, incrementando-o;

C

maldição da dimensionalidade, pois essa técnica permite a representação das palavras como vetores de baixa dimensionalidade;

D

presença de outliers, pois essa técnica elimina as instâncias que não apresentam similaridade ao conjunto de dados como um todo;

E

flexão de palavras, pois essa técnica reduz substantivos flexionados em gênero ou número e verbos conjugados às suas formas mais básicas.

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

Q2096295

Ano: 2023 Banca: FGV Órgão: Receita Federal Prova: FGV - 2023 - Receita Federal - Analista-Tributário (manhã) |

Q2096295 Engenharia de Software

No contexto do desenvolvimento de chatbots baseados em prompt textuais, uma habilidade importante é a resolução de ambiguidades, visando à compreensão completa do texto.
Assinale a técnica de NLP adequada nesse tipo de desenvolvimento.

A

Processamento de Voz.

B

Reconhecimento de Imagem.

C

Aprendizado de Máquina.

D

Análise Semântica.

E

Tokenização.

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

Q2096188

Ano: 2023 Banca: FGV Órgão: Receita Federal Prova: FGV - 2023 - Receita Federal - Auditor-Fiscal (manhã) |

Q2096188 Engenharia de Software

Em relação ao processamento de linguagem natural (PLN), analise as afirmativas a seguir.

I. O PLN envolve a compreensão e a geração de linguagem natural humana.

II. A tarefa principal do PLN é traduzir textos de uma língua para outra.

III. O PLN não é utilizado para tarefas de processamento de voz.

IV. O PLN é aplicado em sistemas de recuperação de informações e assistentes virtuais.

Estão corretas as afirmativas

A

I e IV, apenas.

B

II e III, apenas.

C

I e III, apenas.

D

I, II e III.

E

I, II e IV.

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

Q2096186

Ano: 2023 Banca: FGV Órgão: Receita Federal Prova: FGV - 2023 - Receita Federal - Auditor-Fiscal (manhã) |

Q2096186 Engenharia de Software

Responsible AI (IA Responsável) e Explainable AI (IA Explicável) são conceitos importantes no desenvolvimento de sistemas de inteligência artificial. A IA Explicável refere-se à capacidade de explicar como uma decisão foi tomada pelo modelo de IA, permitindo que os usuários entendam o processo de tomada de decisão. Já a IA Responsável envolve garantir que a IA seja desenvolvida e implementada de forma ética e legalmente responsável.

Nesse contexto, sobre Responsible AI, assinale a afirmativa incorreta.

A

A Responsible AI envolve garantir que a IA seja desenvolvida e implementada de forma ética e legalmente responsável.

B

A Responsible AI considera as implicações sociais e os potenciais efeitos negativos que o sistema pode ter sobre as pessoas.

C

A Responsible AI é sinônimo de IA Explicável, pois ambas se referem à tomada de decisões éticas e transparentes.

D

Uma IA pode ser responsável, mas ainda ser opaca e não explicável, tornando difícil para os usuários entenderem como as decisões são tomadas.

E

A Responsible AI leva em consideração o ciclo de vida da IA, desde a concepção até a desativação, e sua responsabilidade ética em cada fase.

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

Questões de Concurso Comentadas sobre inteligencia artificial em engenharia de software

Foram encontradas 651 questões