Questões de Engenharia de Software - Inteligencia Artificial para Concurso - Página 12

Q2534596

Ano: 2024 Banca: FGV Órgão: MF Prova: FGV - 2024 - MF - Auditor Federal de Finanças e Controle - Área de Tecnologia da Informação (Transformação Digital) - manhã |

Q2534596 Engenharia de Software

Na trajetória evolutiva da Inteligência Artificial (IA), diversos marcos e transições têm delineado seu progresso e desafios. Nesse contexto, avalie se as afirmativas a seguir, que destacam momentos críticos na história da IA, são verdadeiras (V) ou falsas (F).

( ) Os Invernos da IA representam períodos de avanço tecnológico acelerado e investimento maciço em pesquisa de IA, marcados pela rápida adoção de tecnologias de IA em diversos setores sem qualquer ceticismo ou crítica.
( ) Introduzida em 2012, AlexNet é uma rede neural convolucional que competiu no desafio ImageNet, marcando um ponto de inflexão significativo para o campo do Deep Learning ao demonstrar a capacidade das redes neurais profundas em tarefas de visão computacional.
( ) O aprendizado de máquina (Machine Learning) foi abandonado nos anos 90 e 2000 devido à falta de progresso teórico e prático, com a comunidade de IA se movendo unicamente para o estudo teórico da computação.
( ) O lançamento do GPT-3 pela OpenAI representou um avanço substancial na geração automática de texto, oferecendo capacidades impressionantes de geração de linguagem natural e abrindo novas possibilidades para a aplicação de IA em diversos domínios.

As afirmativas são, respectivamente,

A

V – V – F – V.

B

V – F – V – F.

C

F – F – F – V.

D

F – V – F – V.

E

F – F – V – F.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q2524568

Ano: 2024 Banca: FGV Órgão: TCE-GO Prova: FGV - 2024 - TCE-GO - Analista de Controle Externo - Tecnologia da Informação |

Q2524568 Engenharia de Software

A inteligência artificial generativa (IA generativa) é um campo da inteligência artificial que se concentra na capacidade de criar novos conteúdos e ideias de forma autônoma. Em vez de simplesmente responder a comandos ou fornecer respostas predefinidas, uma IA generativa tem a capacidade de gerar conteúdos originais em uma variedade de formas, como texto, imagens, áudio e vídeo.
São exemplos de categorias amplas de modelos de IA generativa

A

Autocodificadores variacionais e Multilayer Perceptrons.

B

Transformadores e Algoritmos de retropropagação.

C

Autocodificadores variacionais e Redes Adversariais.

D

Algoritmos de retropropagação e ChatGPT.

E

Gemini e Multilayer Perceptrons.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q2524566

Ano: 2024 Banca: FGV Órgão: TCE-GO Prova: FGV - 2024 - TCE-GO - Analista de Controle Externo - Tecnologia da Informação |

Q2524566 Engenharia de Software

O Processamento de Linguagem Natural (PLN) é uma área de estudo dedicada à pesquisa e desenvolvimento de métodos e sistemas que visam compreender e processar a linguagem humana por meio de computadores.
São paradigmas de PLN:

A

Neural e Simbólico.

B

Neural e Regressivo.

C

Estatístico e Sentimental.

D

Neural e Sentimental.

E

Simbólico e Sentimental.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q2524564

Ano: 2024 Banca: FGV Órgão: TCE-GO Prova: FGV - 2024 - TCE-GO - Analista de Controle Externo - Tecnologia da Informação |

Q2524564 Engenharia de Software

Os modelos de aprendizado de máquina desempenham um papel fundamental na análise e interpretação de dados em uma variedade de domínios.
Uma característica dos modelos de aprendizado de máquina supervisionados e não supervisionados é que modelos supervisionados

A

exploram a detecção de outliers, enquanto modelos não supervisionados usam dados representados em formatos como XML ou JSON para treinamento..

B

geralmente têm menos tendência ao overfitting do que modelos não supervisionados.

C

requerem dados rotulados para treinamento, enquanto modelos não supervisionados podem funcionar com dados não rotulados.

D

são mais adequados para tarefas de análise exploratória de dados, enquanto modelos não supervisionados são mais adequados para previsão de séries temporais.

E

são usados apenas para classificação, enquanto modelos não supervisionados são usados apenas para agrupamento.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q2522694

Ano: 2024 Banca: Quadrix Órgão: CRMV-SE Provas: Quadrix - 2024 - CRMV-SE - Advogado | Quadrix - 2024 - CRMV-SE - Contador |

Q2522694 Engenharia de Software

Texto associado

Nas questões que avaliem conhecimentos de informática, a menos que seja explicitamente informado o contrário, considere que: todos os programas mencionados estejam em configuração‑padrão, em português; o mouse esteja configurado para pessoas destras; expressões como clicar, clique simples e clique duplo refiram‑se a cliques com o botão esquerdo do mouse; e teclar corresponda à operação de pressionar uma tecla e, rapidamente, liberá‑la, acionando‑a apenas uma vez. Considere também que não haja restrições de proteção, de funcionamento e de uso em relação aos programas, arquivos, diretórios, recursos e equipamentos mencionados.

Assinale a alternativa que apresenta a principal diferença entre aprendizado supervisionado e aprendizado não supervisionado em aprendizado de máquina.

A

Aprendizado supervisionado e não supervisionado são termos intercambiáveis, sem diferenças significativas.

B

O aprendizado supervisionado requer um conjunto de dados de treinamento rotulado, enquanto o aprendizado não supervisionado não utiliza rótulos.

C

No aprendizado supervisionado, os modelos são treinados sem um conjunto de dados específico, enquanto no aprendizado não supervisionado, um conjunto de dados de treinamento é obrigatório.

D

O aprendizado supervisionado é utilizado apenas para classificação, enquanto o aprendizado não supervisionado é aplicado apenas em problemas de regressão.

E

O aprendizado supervisionado e não supervisionado são conceitos desatualizados e não mais são relevantes em aprendizado de máquina moderno.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q2518308

Ano: 2024 Banca: FGV Órgão: INPE Prova: FGV - 2024 - INPE - Tecnologista Pleno I - Desenvolvimento ou Aprimoramento de Sistema de Assimilação de Dados nas Componentes do Sistema Terrestre e de Aplicações para Monitoramento do Processo de Assimilação |

Q2518308 Engenharia de Software

As técnicas de aprendizado de máquina aplicadas à assimilação podem ser utilizadas de diversas maneiras para tratamento de dados. Um exemplo de processo que pode ser vantajoso para os algoritmos de assimilação é o de redução da dimensionalidade de um conjunto de dados, no qual se aplica treinamento não supervisionado para gerar representações “compactadas” das entradas originais. Esse processo permite a assimilação de dados no espaço latente, melhorando a eficiência de treinamento dos algoritmos.

Determinadas arquiteturas de rede neural são utilizadas para redução de dimensionalidade e para a geração de representações de dados no espaço latente, em que se destaca a arquitetura do tipo

A

Autoencoders.

B

Redes Neurais Bayesianas.

C

Redes Neurais Convolucionais.

D

Redes Adversariais Generativas.

E

Máquinas de Boltzmann Restritas.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q2518307

Ano: 2024 Banca: FGV Órgão: INPE Prova: FGV - 2024 - INPE - Tecnologista Pleno I - Desenvolvimento ou Aprimoramento de Sistema de Assimilação de Dados nas Componentes do Sistema Terrestre e de Aplicações para Monitoramento do Processo de Assimilação |

Q2518307 Engenharia de Software

Redes neurais artificiais são elementos fundamentais para o uso de técnicas de aprendizado de máquina. São constituídas por camadas de unidades de processamento, chamadas de neurônios.

Relacione os tipos de redes neurais listadas as seguir, às suas principais características.

1. Redes de Propagação Direta (feedforward).
2. Redes Neurais Recorrentes.
3. Redes de Funções de Base Radial.
4. Redes Auto-Organizáveis de Kohonen.
( ) Rede que possui realimentação, de forma que as saídas são direcionadas para as entradas, formando-se um loop.
( ) Rede em que os sinais fluem apenas em uma direção, da entrada para a saída, exceto quando em treinamento.
( ) Rede que é treinada com aprendizado não supervisionado, criando clusters dos dados de entrada.
( ) Rede usada para aproximar funções contínuas a partir de combinações lineares de Gaussianas.

Assinale a opção que indica a relação correta na ordem apresentada.

A

2 – 1 – 3 – 4.

B

3 – 1 – 4 – 2.

C

1 – 2 – 3 – 4.

D

2 – 1 – 4 – 3.

E

1 – 2 – 4 – 3.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q2518306

Ano: 2024 Banca: FGV Órgão: INPE Prova: FGV - 2024 - INPE - Tecnologista Pleno I - Desenvolvimento ou Aprimoramento de Sistema de Assimilação de Dados nas Componentes do Sistema Terrestre e de Aplicações para Monitoramento do Processo de Assimilação |

Q2518306 Engenharia de Software

Recentemente, tem-se observado o aumento dos usos de algoritmos de Inteligência Artificial (IA) aplicados à assimilação de dados. Muitos algoritmos de IA em assimilação são baseados em redes neurais e redes neurais profundas, que necessitam de uma etapa de treinamento.

Essas etapas de treinamento nem sempre são de fácil execução. Por exemplo, há um fenômeno que ocorre quando um algoritmo é treinado e apresenta bom desempenho para um conjunto particular de dados usado para treinamento, mas falha ao prever respostas para dados de entrada não incluídos naquele conjunto.

A esse fenômeno dá-se o nome, em inglês, de

A

Supertraining.

B

Underfitting.

C

Overfitting.

D

Reinforcement Learning.

E

Kerneling.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q2517643

Ano: 2024 Banca: FGV Órgão: CVM Prova: FGV - 2024 - CVM - Analista CVM - Perfil 7 - Ciência de Dados - Tarde |

Q2517643 Engenharia de Software

No método tensorflow.keras.layers.Dense(...), se nenhuma função de ativação é especificada, é utilizada por padrão a função:

A

linear;

B

ReLU;

C

sigmoide;

D

softmax;

E

softplus.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q2517621

Ano: 2024 Banca: FGV Órgão: CVM Prova: FGV - 2024 - CVM - Analista CVM - Perfil 7 - Ciência de Dados - Tarde |

Q2517621 Engenharia de Software

A abordagem que garante uma exploração completa das combinações de hiperparâmetros na identificação da configuração ideal para maximizar o desempenho do modelo de aprendizado de máquina é a:

A

realização de uma Grid Search, explorando sistematicamente os valores de hiperparâmetros predefinidos para identificar a combinação ideal para maximizar o desempenho do modelo;

B

utilização de uma Busca Aleatória, amostrando aleatoriamente o espaço de hiperparâmetros, oferecendo uma abordagem mais eficiente para o ajuste de hiperparâmetros em comparação com os métodos exaustivos;

C

implementação de uma Validação Cruzada K-fold, particionando o conjunto de dados em K subconjuntos para treinar e avaliar iterativamente o modelo, fornecendo uma avaliação robusta de seu desempenho de generalização;

D

aplicação de métodos Ensemble, combinando vários modelos para aproveitar suas diversas forças, visando a melhorar o desempenho geral, particularmente quando os modelos individuais apresentam diferentes tipos de erros;

E

utilização de uma Feature Scaling, normalizando a escala das características de entrada para garantir comparações justas entre diferentes variáveis, o que é particularmente benéfico para algoritmos sensíveis a diferenças de escala.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q2517620

Ano: 2024 Banca: FGV Órgão: CVM Prova: FGV - 2024 - CVM - Analista CVM - Perfil 7 - Ciência de Dados - Tarde |

Q2517620 Engenharia de Software

Considere uma estrutura específica de rede neural recorrente, conhecida como Long Short-Term Memory (LSTM). Essa estrutura é projetada para enfrentar desafios como capturar dependências de longo prazo e mitigar o problema do gradiente que desaparece.

A inovação arquitetônica distintiva da LSTM é(são):

A

o recorte de gradiente;

B

as células de memória com mecanismos de gating;

C

os mecanismos de atenção;

D

as conexões de salto;

E

as camadas de Max-pooling.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q2517618

Ano: 2024 Banca: FGV Órgão: CVM Prova: FGV - 2024 - CVM - Analista CVM - Perfil 7 - Ciência de Dados - Tarde |

Q2517618 Engenharia de Software

Considere um modelo de rede neural projetado para tarefas de classificação de imagens. A arquitetura da rede consiste em várias camadas, incluindo camadas de entrada, ocultas e de saída. Durante o treinamento, o modelo aprende a atribuir imagens de entrada a classes predefinidas (por exemplo, “gato”, “cachorro”, “pássaro”, etc.).

Sobre o papel da camada de saída nessa rede neural, é correto afirmar que ela:

A

garante que a rede neural generalize bem para dados não vistos, prevenindo o sobreajuste;

B

ajusta os pesos dos neurônios ocultos para minimizar o erro de classificação durante o treinamento;

C

mapeia as características aprendidas para rótulos de classe específicos com base em padrões aprendidos;

D

realiza a extração de características aprendendo representações hierárquicas a partir de valores de pixel brutos;

E

calcula a soma ponderada das características de entrada e aplica uma função de ativação para produzir probabilidades de classe.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q2515935

Ano: 2024 Banca: FGV Órgão: CVM Prova: FGV - 2024 - CVM - Inspetor CVM - Perfil 1 - Mercado de Capitais - Manhã |

Q2515935 Engenharia de Software

O resultado da aplicação de um algoritmo de Aprendizado de Máquina é um modelo que será usado para realizar predições. Quanto melhor o modelo gerado, mais precisas serão as predições.

A precisão ou a acurácia de um modelo de Aprendizado de Máquina é medida por meio do método:

A

regressão;

B

treino e teste;

C

matriz de confusão;

D

aprendizagem por reforço;

E

bagging (Bootstrap Aggregating).

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q2511973

Ano: 2024 Banca: FGV Órgão: Câmara dos Deputados Prova: FGV - 2024 - Câmara dos Deputados - Analista Legislativo/Consultoria - Consultor Legislativo - Área XIV (Reaplicação) |

Q2511973 Engenharia de Software

No contexto da Inteligência Artificial (IA), assinale a opção que define corretamente o termo “explicabilidade da IA” ou “Inteligência Artificial explicável” e indica por que ele é importante para a regulação do tema.

A

Representa a capacidade de uma IA de realizar tarefas sem quaisquer ações e intervenções humanas. Com base em processos algorítmicos, a IA vem ganhando autonomia decisória e mostrando-se consciente sobre o desenvolvimento das novas tecnologias.

B

Representa a habilidade de uma IA de explicar suas decisões em termos tecnicamente compreensíveis, a partir de uma única linguagem desenvolvida por campos neurais.

C

Representa um conjunto de técnicas de aprendizado de máquina que permite que os usuários humanos entendam, possam confiar e gerenciem com eficácia a geração emergente de parceiros com inteligência artificial.

D

Representa a precisão de uma IA em prever resultados baseados em dados qualitativos e quantitativos.

E

Representa a capacidade de uma IA de passar no Teste de Turing, sendo essencial para sua aceitação social.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q2511953

Ano: 2024 Banca: FGV Órgão: Câmara dos Deputados Prova: FGV - 2024 - Câmara dos Deputados - Analista Legislativo/Consultoria - Consultor Legislativo - Área XIV (Reaplicação) |

Q2511953 Engenharia de Software

Acerca do uso de inteligência artificial (IA) pelos tribunais, temos experiências bem-sucedidas no Brasil, as quais mostram a relevância da tecnologia para a melhoria da eficiência de atividades. Seu uso é bastante promissor nas cortes e deverá auxiliar em mecanismos de acesso à justiça. Sobre o ponto, assinale a alternativa mais adequada.

A

A IA deve ser usada como fonte principal no desenvolvimento da fundamentação de decisões judiciais de mérito.

B

A IA pode ser usada como ferramenta auxiliar, a depender do caso, em decisões e na análise de petições, devendo como regra haver transparência acerca do seu uso.

C

A IA deve substituir servidores e juízes leigos na produção de decisões interlocutórias em Juizados Especiais Cíveis.

D

A IA não tem capacidade para entender normas jurídicas e sua aplicação aos fatos sociais. Portanto, não deve ser usada de qualquer modo em decisões judiciais e serviços jurídicos.

E

A IA não deve ser usada na aplicação de modelos estatísticos voltados à compreensão dos processos e fatos jurídicos.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q2511950

Ano: 2024 Banca: FGV Órgão: Câmara dos Deputados Prova: FGV - 2024 - Câmara dos Deputados - Analista Legislativo/Consultoria - Consultor Legislativo - Área XIV (Reaplicação) |

Q2511950 Engenharia de Software

No contexto jurídico brasileiro, assinale a afirmativa correta acerca do modo como a autonomia de um sistema de Inteligência Artificial (IA) é geralmente tratada, em questões relativas à sua responsabilidade por ações e atividades.

A

A IA é considerada uma entidade legal autônoma com responsabilidades próprias, sendo um sujeito de direito.

B

A responsabilidade pela IA e suas atividades é atribuída exclusivamente ao seu usuário final.

C

A autonomia jurídica da IA não é reconhecida legalmente, recaindo a responsabilidade, como regra, sobre seus atos aos operadores humanos.

D

Sistemas de IA têm, em algumas jurisdições, o mesmo status legal que incapazes.

E

A lei considera a IA uma extensão do seu programador, devendo o mesmo ser legalmente acionado em todos os casos.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q2511949

Ano: 2024 Banca: FGV Órgão: Câmara dos Deputados Prova: FGV - 2024 - Câmara dos Deputados - Analista Legislativo/Consultoria - Consultor Legislativo - Área XIV (Reaplicação) |

Q2511949 Engenharia de Software

Em termos de regulamentação de Inteligência Artificial (IA), a seguinte estratégia é frequentemente considerada essencial para garantir a segurança e a ética nas relações:

A

desenvolvimento de padrões internacionais, jurídicos e regulatórios, para a implementação de IA.

B

regulamentação rigorosa e uniforme em todos os países acerca da aplicação de IA.

C

banimento total do uso de IA em determinados setores, especialmente nas áreas da saúde, segurança e controle de acesso.

D

deixar a regulamentação essencialmente com as empresas desenvolvedoras de IA, tendo em vista sua expertise na análise da tecnologia.

E

priorizar a autorregulação regulada do setor pelas entidades desenvolvedoras de IA.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q2511947

Ano: 2024 Banca: FGV Órgão: Câmara dos Deputados Prova: FGV - 2024 - Câmara dos Deputados - Analista Legislativo/Consultoria - Consultor Legislativo - Área XIV (Reaplicação) |

Q2511947 Engenharia de Software

Em relação ao potencial de discriminação ilícita ou abusiva em sistemas de Inteligência Artificial (IA), assinale a afirmação mais precisa.

A

Sistemas de IA são objetivos, imparciais e não realizam discriminações.

B

A discriminação por sistemas de IA ocorre apenas quando há intenção explícita do programador.

C

A IA pode inadvertidamente discriminar com base nos dados em que foi treinada.

D

A legislação atual proíbe qualquer forma de IA que possa resultar em processos de discriminação, sejam eles de qualquer tipo.

E

A discriminação em IA é um problema resolvido com tecnologias modernas de machine learning.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q2495383

Ano: 2024 Banca: CESGRANRIO Órgão: Caixa Prova: CESGRANRIO - 2024 - Caixa - Técnico Bancário Novo |

Q2495383 Engenharia de Software

Em 2014, a arquitetura de redes neurais denominada Redes Adversárias Generativas (GAN) revolucionou o aprendizado de máquina.
As GAN caracterizam-se por

A

serem usadas, exclusivamente, para classificação de imagens.

B

consistirem, apenas, em um gerador de ruídos e em uma rede neural classificatória.

C

serem compostas por duas redes neurais: uma discriminadora e outra geradora.

D

serem incapazes de aprender a partir de conjuntos de dados não supervisionados.

E

não poderem ser aplicadas para gerar conteúdo linguístico.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q2492507

Ano: 2024 Banca: CESPE / CEBRASPE Órgão: MPO Prova: CESPE / CEBRASPE - 2024 - MPO - Analista de Planejamento e Orçamento - Especialidade: Gestão de Contratos de TI |

Q2492507 Engenharia de Software

Acerca de inteligência artificial, julgue o próximo item.

A inteligência artificial generativa é capaz de criar novos conteúdos e áudios.

Certo

Errado

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Quer um estudo ilimitado?

Quer um estudo ilimitado?

Questões de Concurso Sobre inteligencia artificial em engenharia de software

Foram encontradas 537 questões