Questões de Engenharia de Software - Inteligencia Artificial para Concurso - Página 3

Q3880224

Ano: 2026 Banca: FGV Órgão: AL-GO Prova: FGV - 2026 - AL-GO - Analista Legislativo - Analista de Ciência de Dados |

Q3880224 Engenharia de Software

O aprendizado não supervisionado utiliza algoritmos de aprendizado de máquina para analisar e agrupar conjuntos de dados sem rótulos. Esses algoritmos descobrem padrões ocultos, fazem associações ou agrupamentos de dados sem a necessidade de intervenção humana.

Selecione a alternativa que apresenta um algoritmo de regras de associação.

A

Apriori.

B

Aposteriori.

C

Ligação de Ward.

D

Modelo de mistura gaussiana.

E

Análise de componentes principais.

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

Q3878695

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

Q3878695 Engenharia de Software

Uma empresa de e-commerce implantou um modelo de machine learning para prever a probabilidade de churn, métrica que indica a rotatividade ou evasão de clientes. Após seis meses em produção, a equipe de dados observou que, embora as distribuições estatísticas das features de entrada permanecessem estáveis (mesmas médias, mesmos desvios-padrão e mesmas distribuições), o relacionamento entre essas features e a variável-alvo (churn) havia mudado significativamente devido a alterações no comportamento dos consumidores causadas por novas políticas de fidelização da empresa. Diante desse cenário, é correto afirmar que o modelo:

A

requer apenas ajustes nos hiperparâmetros através de validação cruzada com os dados históricos originais, mantendo a mesma arquitetura e features do pipeline de produção atual;

B

está sofrendo de concept drift, uma vez que a relação entre as features e o target mudou, requerendo retreinamento do modelo com dados recentes que reflitam o novo comportamento dos clientes;

C

não apresenta problemas, pois as distribuições estatísticas das features permanecem estáveis, e mudanças em políticas internas da empresa não afetam a capacidade preditiva de modelos já treinados;

D

está sofrendo de data drift, pois as características dos dados de entrada mudaram ao longo do tempo, sendo necessário realizar feature engineering adicional para capturar as novas políticas de fidelização;

E

apresenta tanto data drift quanto concept drift simultaneamente, sendo necessário reprojetar completamente o pipeline de machine learning incluindo nova coleta de dados e arquitetura de modelo.

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

Q3874760

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

Q3874760 Engenharia de Software

A Lei Geral de Proteção de Dados Pessoais (LGPD) tem como objetivo proteger os direitos fundamentais de privacidade, liberdade e o livre desenvolvimento da personalidade, ao mesmo tempo em que tem por fundamento o desenvolvimento econômico e tecnológico e a inovação. Portanto, a inovação tecnológica deve estar em harmonia com a proteção de dados pessoais.
A LGPD estabelece que o controlador deverá fornecer informações claras e adequadas a respeito dos critérios e dos procedimentos utilizados para a decisão automatizada, observados os segredos comercial e industrial.

Esse preceito da LGPD está relacionado à explicabilidade na inteligência artificial (IA), que se refere:

A

à propriedade de um sistema de IA que permite suposições confiáveis pelas partes interessadas sobre a saída;

B

a redes neurais de aprendizado profundo serem pouco complexas e facilitarem a explicação significativa de como o sistema chega uma decisão;

C

a algoritmos baseados em regras, como métodos simbólicos ou árvores de decisão, que são muito complexos e contêm regras que precisam ser detalhadamente explicadas;

D

à suscetibilidade dos seres humanos a confiar em uma decisão automatizada, especialmente quando a decisão é de alguma forma adversa a eles em nível pessoal;

E

à propriedade de um sistema de IA, que permite que fatores importantes que influenciam uma decisão possam ser expressos de uma maneira que os humanos possam entender.

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

Q3874752

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

Q3874752 Engenharia de Software

Um órgão de controle estuda implantar uma plataforma avançada baseada em grandes modelos de linguagem para apoiar a análise de documentos, a consulta a bases normativas e a execução de fluxos complexos (por exemplo, checagem automática em diários oficiais, sistemas internos e bases abertas). A arquitetura em estudo combina LLMs, geração aumentada por recuperação (RAG), agentes de IA com uso de ferramentas externas e mecanismos de monitoramento para riscos éticos e de segurança.
Com base em conceitos de transformers e LLMs, RAG, agentificação, engenharia de prompts, bem como ética e segurança em IA, analise as afirmativas a seguir.

I. Em uma arquitetura com RAG, o LLM é utilizado principalmente como gerador condicionado a evidências: os documentos relevantes são buscados por similaridade de embeddings em um índice vetorial e incorporados ao contexto de entrada, de modo que decisões sobre fragmentação (tamanho dos trechos, sobreposição, estratégia de indexação) influenciam diretamente tanto a recuperação quanto a qualidade e a fundamentação das respostas.
II. Em arquiteturas que combinam LLMs com RAG, o risco de exposição indevida de dados sensíveis tende a ser intrinsecamente menor do que no uso direto de LLMs, porque os documentos sigilosos não precisam ser indexados: o modelo passa a depender principalmente de representações paramétricas já aprendidas no pré-treinamento, reduzindo a necessidade de controles específicos sobre o ciclo de vida dos dados no índice vetorial.
III. Técnicas de alinhamento com preferências humanas, como Reinforcement Learning e variantes de preference optimization, são frequentemente combinadas com boas práticas de engenharia de prompts (zero-shot, few-shot, encadeamento de pensamento) e com avaliações sistemáticas de prompts e saídas, pois, mesmo após o alinhamento, permanecem desafios como viés algorítmico, suscetibilidade a jailbreaks e prompt injection, exigindo camadas adicionais de governança, monitoramento e auditoria.

Está correto o que se afirma em:

A

I, apenas;

B

I e II, apenas;

C

I e III, apenas;

D

II e III, apenas;

E

I, II e III.

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

Q3874751

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

Q3874751 Engenharia de Software

No contexto de redes convolucionais (CNN) aplicadas à visão computacional, as camadas de convolução têm como função:

A

converter imagens coloridas em escala de cinza, como pré-requisito para que a rede consiga aprender padrões visuais;

B

embaralhar aleatoriamente os pixels da imagem de entrada, de forma a aumentar a generalização do modelo por meio de ruído;

C

reduzir a dimensão espacial das imagens de entrada, descartando linhas e colunas para diminuir o custo computacional;

D

aplicar filtros com pesos compartilhados sobre a imagem para extrair padrões locais, como bordas, texturas e formas simples, gerando mapas de ativação;

E

transformar automaticamente qualquer imagem em um vetor de mesma dimensão que a camada de saída, substituindo a necessidade de camadas totalmente conectadas.

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

Q3874750

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

Q3874750 Engenharia de Software

Uma equipe está analisando o comportamento de um neurônio em uma rede neural binária já treinada. Para um determinado neurônio da camada de saída, mediu-se o valor da combinação linear z (antes da ativação) e o valor de saída a (após a ativação), obtendo-se os seguintes pares aproximados:

• Para z = 0, observou-se a ≈ 0,5;
• Para z = ln (3), observou-se a ≈ 0,75;
• Para z = −ln (3), observou-se a ≈ 0,25.

Admita que o neurônio utiliza uma única função de ativação escalar a = f(z), aplicada a todos os valores de z, e que as aproximações numéricas acima são consideradas exatas para fins de análise.

Nessa situação, conclui-se que a função de ativação compatível com os dados observados é:

A

função linear pura, dada por f(z) = z;

B

função ReLU, dada por f(z) = max (0, z);

C

função sigmoide logística, dada por f(z) = 1 1+e -z ;

D

função tangente hiperbólica, dada por f(z) = tanh (z);

E

função degrau (Heaviside), que assume apenas os valores 0 ou 1.

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

Q3874748

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

Q3874748 Engenharia de Software

No contexto dos principais paradigmas de aprendizado de máquina, relacione os tipos de aprendizado a seguir com as técnicas correspondentes.

1. Aprendizado supervisionado
2. Aprendizado não supervisionado
3. Aprendizado semisupervisionado

( ) Uso de algoritmos de clustering como k-means ou clustering hierárquico para agrupar observações com base em medidas de similaridade, sem rótulos de saída.
( ) Emprego de algoritmos de propagação de rótulos (label propagation ou label spreading), combinando um pequeno conjunto de exemplos rotulados com um grande volume de dados não rotulados para melhorar a generalização.
( ) Utilização de k-vizinhos mais próximos (k-NN) para classificar exemplos, tomando como referência os rótulos dos vizinhos mais próximos no conjunto de treino.

A sequência correta é:

A

1, 2 e 3;

B

1, 3 e 2;

C

2, 1 e 3;

D

2, 3 e 1;

E

3, 1 e 2.

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

Q3874618

Ano: 2026 Banca: FAU Órgão: Prefeitura de Verê - PR Prova: FAU - 2026 - Prefeitura de Verê - PR - Analista de Tecnologia da Informação |

Q3874618 Engenharia de Software

No modelo de Machine Learningo Overfitting ocorre quando:

A

Generaliza bem.

B

Ajusta demais aos dados de treinamento.

C

Os dados são balanceados.

D

O modelo é simples demais.

E

Regularização é aplicada.

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

Q3871968

Ano: 2026 Banca: FCC Órgão: CPU-PE Prova: FCC - 2026 - CPU-PE - Gestor Governamental - Especialidade: Planejamento, Orçamento e Gestão |

Q3871968 Engenharia de Software

Em um laboratório de ciência de dados voltado ao setor público, três equipes desenvolvem soluções distintas baseadas em aprendizado de máquina, elencadas com os itens I, II e III.

I. Uma equipe cria um modelo que identifica se solicitações de serviços enviadas por cidadãos pertencem às categorias saúde, educação ou segurança pública, com base no texto da mensagem.
II. Outra equipe desenvolve um modelo que prevê o valor estimado de arrecadação tributária para o próximo mês, considerando dados históricos e indicadores econômicos.
III. Aterceira equipe elabora um modelo que segmenta municípios com perfis socioeconômicos semelhantes.

Com base nos conceitos fundamentais de aprendizado de máquina, os tipos de algoritmos utilizados nas soluções correspondem a

A

I. Classificação - II. Regressão - III. Agrupamento.

B

I. Regressão - II. Agrupamento - III. Classificação.

C

I. Agrupamento - II. Classificação - III. Regressão.

D

I. Regressão - II. Classificação - III. Agrupamento.

E

I. Classificação - II. Agrupamento - III. Regressão.

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

Q3869760

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

Q3869760 Engenharia de Software

O cientista de dados Leo está desenvolvendo um modelo de inteligência artificial para analisar casos e tomar decisões sobre a procedência ou não do pleito.
Para analisar como o modelo chegou a uma determinada decisão, Leo deve utilizar:

A

auditoria;

B

surrogate models;

C

feature importance;

D

partial dependence plots (PDP);

E

métodos de interpretabilidade local.

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

Q3869751

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

Q3869751 Engenharia de Software

Um laboratório de pesquisa médica está desenvolvendo um sistema de inteligência artificial para auxiliar no diagnóstico de uma doença de pele extremamente rara. O maior desafio do projeto é a escassez de dados: a equipe possui apenas 300 imagens dermatoscópicas rotuladas da doença, quantidade insuficiente para treinar uma rede neural convolucional (CNN) complexa do zero sem causar sobreajuste (overfitting).
Para contornar essa limitação, os cientistas de dados decidiram utilizar um modelo de arquitetura robusta (como a ResNet-50), que já foi previamente treinado em milhões de imagens genéricas do banco de dados ImageNet. A estratégia adotada consiste em manter os pesos das camadas iniciais da rede inalterados (congelados), aproveitando a capacidade do modelo de reconhecer formas e texturas, e treinar apenas as últimas camadas para distinguir a lesão de pele específica.
Essa técnica de reaproveitamento de conhecimento prévio de um domínio para resolver um problema em outro domínio com poucos dados é denominada:

A

Data Augmentation (aumento de dados);

B

Transfer Learning (Aprendizado por Transferência);

C

Reinforcement Learning (Aprendizado por Reforço);

D

Unsupervised Clustering (Agrupamento Não Supervisionado);

E

Dimensionality Reduction (Redução de Dimensionalidade).

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

Q3856599

Ano: 2026 Banca: CESPE / CEBRASPE Órgão: TCE-MG Prova: CESPE / CEBRASPE - 2026 - TCE-MG - Analista de Controle Externo - Especialidade: Ciência da Computação |

Q3856599 Engenharia de Software

Amplamente utilizado em tarefas de clusterização, o algoritmo k-means

A

ignora valores extremos, uma vez que o cálculo do centroide é baseado em medianas.

B

tende a produzir clusters esféricos, sendo sensível à escala dos atributos.

C

encontra agrupamentos independentemente da inicialização e converge para a solução global ótima.

D

produz como saída, durante sua execução, o valor ótimo de k.

E

é adequado para dados categóricos, pois calcula centroides usando a moda das categorias.

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

Q3856595

Ano: 2026 Banca: CESPE / CEBRASPE Órgão: TCE-MG Prova: CESPE / CEBRASPE - 2026 - TCE-MG - Analista de Controle Externo - Especialidade: Ciência da Computação |

Q3856595 Engenharia de Software

Certa startup brasileira desenvolveu uma aplicação de inteligência artificial para auxiliar a justiça federal na análise inicial de recursos jurídicos de baixo valor. O sistema opera como um agente inteligente que utiliza um extenso dataset de jurisprudências passadas para calcular a probabilidade de sucesso de novos recursos, com o objetivo de otimizar a triagem processual ao maximizar a taxa de acerto nas suas previsões. Em testes, a aplicação atingiu uma impressionante taxa de precisão de 98% na previsão de resultados. No entanto, uma auditoria de compliance ético revelou que o algoritmo apresentava um viés: os recursos originários de regiões com baixo índice de desenvolvimento humano (IDH) do Nordeste brasileiro eram sistematicamente classificados com menor probabilidade de sucesso, mesmo quando apresentavam mérito legal similar a casos de regiões mais desenvolvidas. A equipe técnica defendeu o sistema, alegando que ele era racional, pois maximizava consistentemente a métrica de acerto definida.

Considerando a natureza do sistema criado nessa situação hipotética e a distinção fundamental entre racionalidade e justiça em sistemas de IA, assinale a opção que apresenta corretamente a falha ética do sistema à luz dos conceitos básicos da inteligência artificial.

A

O viés regional é uma prova incontestável de que o sistema é um exemplo de inteligência artificial simbólica, pois somente essa arquitetura, baseada em regras pré-codificadas, é capaz de manifestar discriminação explícita, ao contrário dos modelos conectivistas (redes neurais).

B

A falha do sistema é uma evidência de que ele não pode ser classificado como um agente racional, pois, por definição, ele deve seguir a função de utilidade ideal de uma sociedade justa, o que exige que o sistema possua consciência e um senso moral.

C

O sistema é um agente puramente reativo, e sua incapacidade de manter estados internos sobre a equidade do dataset é a causa direta do viés, o que demonstra a ineficácia dos sistemas de machine learning baseados em modelos.

D

O sistema demonstra uma limitação da inteligência artificial forte, cuja alta taxa de acerto é incompatível com o viés, o que confirma que a singularidade tecnológica não será alcançada enquanto os sistemas de inteligência artificial não forem treinados apenas com dados totalmente neutros, sem histórico humano.

E

A racionalidade técnica do sistema é mantida, pois ele maximiza sua função utilidade (taxa de acerto), mas o viés detectado reside na definição dessa utilidade ou na qualidade dos dados de treinamento, o que o caracteriza como um sistema racionalmente tendencioso, mas não irracional.

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

Q3991671

Ano: 2025 Banca: INSTITUTO AOCP Órgão: MPE-RS Prova: INSTITUTO AOCP - 2025 - MPE-RS - Analista do Ministério Público - Informática |

Q3991671 Engenharia de Software

O framework que fornece bibliotecas para criar aplicações avançadas de RAG (Retrieval Augmented Generation) e que tem como finalidade facilitar a aquisição de conteúdo e também realizar a indexação e recuperação de vários tipos de conteúdo, permitindo que a construção de aplicações possa acessar múltiplas fontes de dados e gerar respostas integradas, é denominado

A

CRISP-DM.

B

PamDDoS.

C

Rancher.

D

LlamaIndex.

E

WCAG.

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

Q3970433

Ano: 2025 Banca: LEGALLE Concursos Órgão: TCE-SP Prova: LEGALLE Concursos - 2025 - TCE-SP - Auditor de Controle Externo - Processo de Promoção 2023 |

Q3970433 Engenharia de Software

Analise as partes: Um aspecto importante que a inteligência artificial traz, com ferramentas como o ChatGPT, por exemplo, é que em um único lugar, todos consigam pesquisar, criar conteúdo de forma muito acessível (1ª parte), não é necessário utilizar uma linguagem específica de programação (2ª parte), buscar mais de um portal ou sate para se obter uma informação que é consoladada, resumida e entregue em segundos (3ª parte).
Acerca das partes, pode-se afirmar que:

A

Todas as partes estão corretas.

B

Apenas a 1ª parte está incorreta.

C

Apenas a 2ª parte está correta.

D

Apenas a 3ª parte está incorreta.

E

Todas as partes estão incorretas

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

Q3970431

Ano: 2025 Banca: LEGALLE Concursos Órgão: TCE-SP Prova: LEGALLE Concursos - 2025 - TCE-SP - Auditor de Controle Externo - Processo de Promoção 2023 |

Q3970431 Engenharia de Software

Tem-se que o ____ ocorre quando os elementos que compõem a amostra de treinamento são tão díspares que o algoritmo não consegue identificar uma quantidade suflciente de padrões _____ na amostra.
Preenche, CORRETA e respectivamente, as lacunas:

A

oveíitting, diferentes.

B

lightfitting; em comum

C

Iightíitting ; diferentes.

D

oveiitting: em comum

E

lightfitting; iguais.

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

Q3970428

Ano: 2025 Banca: LEGALLE Concursos Órgão: TCE-SP Prova: LEGALLE Concursos - 2025 - TCE-SP - Auditor de Controle Externo - Processo de Promoção 2023 |

Q3970428 Engenharia de Software

Considerando os benefícios do refinamento iterativo, analise as assertivas:
l. Melhoria Contínua: Cada iteração melhora a qualidade do prompt e, consequentemente, das respostas.
ll. Eficiência: Maximiza a necessidade de revisão manual e edição pós-geração, economizando tempo e esforço.
lll Precisão e Relevância: Prompts refinados produzem respostas mais precisas e relevantes.
Está(ão) CORRETA(S)

A

Apenas ll.

B

Apenas l e lll.

C

l, ll e lll.

D

Apenas ll e lll

E

Apenas l

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

Q3970425

Ano: 2025 Banca: LEGALLE Concursos Órgão: TCE-SP Prova: LEGALLE Concursos - 2025 - TCE-SP - Auditor de Controle Externo - Processo de Promoção 2023 |

Q3970425 Engenharia de Software

Acerca da importância nos modelos de linguagem na engenharia de prompts, analise o texto:
Comandos bem projetados são essenciais para garantir que os modelos de lA compreendam corretamente a intenção do usuário e forneçam respostas úteis. isso é especialmente importante em aplicações críticas. como auditorias de controle extemo onde a precisão é fundamental.
Acerca do texto, pode-se afirmar que ele está:

A

Plenamente adequado, pois apresenta somente anformações verdadeiras

B

Parcialmente adequado, visto que lA não necessita de comandos bem projetados.

C

Parcialmente adequado, visto que a lA é sempre precisa. não havendo situações especiais.

D

Parcialmente adequado, visto que auditorias de controle externo não podem fazer uso de lA

E

Plenamente inadequado, pois apresenta somente informações falsas.

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

Q3903014

Ano: 2025 Banca: TJ-PI Órgão: TJ-PI Prova: TJ-PI - 2025 - TJ-PI - Residente Tecnológico |

Q3903014 Engenharia de Software

Para auxiliar magistrados e assessores na elaboração de sentenças e acórdãos, a equipe de TI do TJPI planeja desenvolver um sistema de recomendação de jurisprudência integrado ao editor de textos do PJe. Ao analisar o texto da minuta em elaboração, o sistema deve sugerir decisões e súmulas relevantes do próprio TJPI e de tribunais superiores. Qual das seguintes arquiteturas de sistema de recomendação é a mais adequada para essa tarefa?

A

Um sistema baseado em filtragem colaborativa (collaborative filtering), que recomendaria jurisprudência com base no que outros magistrados com histórico de julgamento similar visualizaram ou citaram no passado.

B

Um sistema baseado em conteúdo (content-based filtering), que analisaria o conteúdo textual da minuta em elaboração (usando técnicas como TFIDF ou embeddings de texto) e buscaria na base de dados jurisprudencial os documentos com maior similaridade textual.

C

Um sistema que recomenda apenas as decisões mais citadas ou populares em todo o tribunal, independentemente do conteúdo da minuta, pois a popularidade é o melhor indicador de relevância.

D

Um sistema baseado em regras fixas, onde um jurista cadastraria manualmente pares de "palavra-chave" -> "jurisprudência recomendada", garantindo total controle e precisão sobre as recomendações.

E

Um sistema híbrido que utiliza a filtragem colaborativa como base principal e o conteúdo textual apenas como critério de desempate, pois a "sabedoria da multidão" dos magistrados é mais importante que a análise semântica do texto.

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

Q3903012

Ano: 2025 Banca: TJ-PI Órgão: TJ-PI Prova: TJ-PI - 2025 - TJ-PI - Residente Tecnológico |

Q3903012 Engenharia de Software

A Corregedoria Geral da Justiça do TJPI detectou um aumento expressivo no volume de processos contra um pequeno grupo de empresas de telefonia e instituições financeiras, caracterizando um fenômeno de litigância de massa. Para gerenciar essa demanda, a equipe de TI foi solicitada a construir um modelo preditivo que, ao analisar uma nova petição inicial no PJe, identifique com alta probabilidade se ela pertence a esse conjunto de litígios repetitivos. A análise inicial do dataset histórico revelou que esses processos representam apenas 5% do total de petições. Diante de um problema de classificação com dados severamente desbalanceados, qual é a abordagem metodológica mais adequada?

A

Treinar um modelo de árvore de decisão utilizando a acurácia como métrica principal de avaliação, pois essa métrica reflete diretamente a porcentagem de classificações corretas do modelo no geral.

B

Ignorar o desbalanceamento, pois algoritmos modernos como redes neurais profundas são inerentemente capazes de lidar com a desproporção entre as classes sem qualquer tratamento especial nos dados.

C

Aplicar técnicas de reamostragem, como SMOTE (Synthetic Minority Over-sampling Technique) para gerar exemplos sintéticos da classe minoritária (litígios de massa), e avaliar o modelo utilizando métricas como F1-Score ou a Área Sob a Curva ROC (AUCROC), que são mais robustas ao desbalanceamento de classes.

D

Remover aleatoriamente 95% dos exemplos da classe majoritária (undersampling) para criar um dataset perfeitamente balanceado, garantindo assim que o modelo não terá nenhum viés e maximizará todas as métricas de performance.

E

Utilizar um algoritmo de clusterização não supervisionado, como o K-Means, para agrupar as petições em clusters e, em seguida, rotular manualmente cada cluster como "litígio de massa" ou "normal", pois esta é a única forma de descobrir os padrões sem viés.

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 661 questões