Questões de Concurso
Sobre inteligencia artificial em engenharia de software
Foram encontradas 778 questões
Esse processo é viabilizado pelo algoritmo de retropropagação, em conjunto com métodos de otimização que usam gradientes para minimizar a função de perda.
No contexto do treinamento de redes neurais, assinale a opção que indica o principal mecanismo da retropropagação.
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.
(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:
Considerando os conceitos de compensação viés-variância, sobreajuste, subajuste e técnicas de regularização, é correto afirmar que:
Julgue o próximo item relativo aos conceitos e aos principais tipos e modelos de inteligência artificial (IA).
O aprendizado por reforço caracteriza-se pela inexistência de mecanismos de recompensa durante o treinamento do agente inteligente.
A respeito do desenvolvimento de projetos digitais e do machine learning, julgue o item subsecutivo.
Em validação cruzada k-fold, o modelo é treinado k vezes, cada vez usando uma partição diferente como conjunto de teste, o que produz uma estimativa mais robusta do erro de generalização do que uma única divisão treino-teste.
A respeito do desenvolvimento de projetos digitais e do machine learning, julgue o item subsecutivo.
Em regra, em algoritmos de gradient boosting, quanto maior o número de estimadores usados, menor o erro de generalização do modelo, pois cada árvore adicionada corrige os erros residuais da anterior.
Uma Secretaria Estadual de Saúde implantou um sistema de apoio à decisão para triagem automática da prioridade das solicitações de exames especializados recebidas por meio do portal eletrônico do cidadão. A base histórica disponível contém milhares de solicitações já analisadas por médicos reguladores, devidamente rotuladas conforme o grau de prioridade atribuído à época. A equipe técnica pretende desenvolver automaticamente a categoria de novos solicitações, reduzindo o tempo de resposta e aumentando a eficiência e assertividade da urgência no contexto de atendimento público.
Diante dos fundamentos de Inteligência Artificial e Aprendizado de Máquina, a abordagem adequada para resolver o problema descrito é
Esse fenômeno técnico, no qual o modelo decora os dados de treinamento mas falha em generalizar para dados novos, é conhecido como
No fluxo de funcionamento de um sistema RAG, o papel fundamental do Vector Database é
Em relação à ética em inteligência artificial (IA), julgue o item subsecutivo.
As armas de destruição matemáticas (ADMs) surgiram na economia do Big Data como ferramentas de análise totalmente transparentes, permitindo que qualquer indivíduo compreenda facilmente os critérios utilizados pelo algoritmo para tomar decisões acerca de sua vida.
Em relação à ética em inteligência artificial (IA), julgue o item subsecutivo.
No âmbito da ética aplicada à inteligência artificial, a transparência efetiva transcende a simples abertura do código-fonte, exigindo que os fundamentos lógicos das decisões automatizadas sejam apresentados de forma compreensível para seres humanos, de modo a permitir a identificação de preconceitos e a possibilidade de revisão das conclusões da máquina.
Em relação à ética em inteligência artificial (IA), julgue o item subsecutivo.
Diferentemente da tomada de decisão humana, que tem a virtude de evoluir e se adaptar conforme novos aprendizados são adquiridos, os sistemas de Big Data tendem a cristalizar padrões do passado em seus códigos, exigindo o exercício da imaginação moral humana para que valores éticos sejam incorporados aos algoritmos.
Com relação ao processamento de linguagem natural (PLN) e à arquitetura e engenharia de sistemas de IA, julgue o item a seguir.
A arquitetura transformer transformou profundamente o processamento de linguagem natural ao substituir redes neurais recorrentes (RNNs) por mecanismos de atenção, acelerando assim a análise sequencial de textos longos.
Com relação ao processamento de linguagem natural (PLN) e à arquitetura e engenharia de sistemas de IA, julgue o item a seguir.
No contexto de MLOps, o fenômeno de concept drift refere-se à degradação do desempenho de um modelo em produção causada exclusivamente por alterações no código-fonte do modelo durante o deploy.
Julgue o item a seguir, relativo a conceitos e técnicas de aprendizado de máquina, IA generativa, redes neurais e deep learning.
As redes neurais convolucionais (CNNs) são arquiteturas especializadas no processamento de dados com topologia de grade, como imagens, destacando-se pelo uso de camadas de agrupamento (pooling) para reduzir a dimensionalidade espacial das representações.
Conheça nossos planos