Questões de Concurso
Sobre inteligencia artificial em engenharia de software
Foram encontradas 537 questões
( ) Uma das dez dimensões da sustentabilidade é a “Dimensão tecnológica”, que envolve necessariamente o debate sobre eficiência na economia dos recursos naturais, no aumento da produtividade e na diminuição dos impactos ambientais.
( ) Uma das dez dimensões da sustentabilidade é a “Dimensão da IA”, que envolve o debate sobre eficiência da IA na economia, consumindo os recursos naturais para o aumento da produtividade e desconsiderando os impactos ambientais.
( ) O debate sobre tecnologias sociais e desenvolvimento solidário envolve uma tecnologia específica que possibilita a acessibilidade para economia social em sistemas de saúde e transporte.
( ) O debate sobre tecnologias sociais e desenvolvimento solidário envolve uma diversidade de tecnologias que possibilite tanto a acessibilidade quanto a economia social em sistemas de saúde, alimentação, transporte, moradia, etc.
A ordem correta de preenchimento dos parênteses, de cima para baixo, é:
Nesse projeto, o aspecto que diz respeito especificamente ao conceito de IoT (Internet das Coisas) é
Isto significa que o grupo
Julgue o item a seguir, referente a sistema operacional, edição de planilhas, organização e segurança da informação, redes de computadores e inteligência artificial.
O aprendizado supervisionado analisa dados sem respostas predefinidas, identificando padrões ou categorias de forma autônoma, sem orientações específicas.
Julgue o item a seguir, referente a algoritmos de aprendizado de máquina.
O Naive Bayes, algoritmo de classificação probabilística eficiente no uso de dados categóricos, é indicado para aplicações de classificação de texto, tais como filtragem de spams e classificação de textos.
Julgue o item a seguir, referente ao Microsoft Office 365, a redes de computadores, à segurança da informação e à inteligência artificial.
Aprendizado de máquina (machine learning) é o processo de treinar um modelo para identificar padrões e fazer previsões ou gerar novos conteúdos com base nas informações processadas.
Modelos generativos autorregressivos, modelos baseados em fluxo, modelos baseados em inversão frequencial e modelos baseados em energia são os principais grupos em que se divide a modelagem generativa profunda.
O aprendizado nas IAs discriminativas é realizado a partir da probabilidade condicional p(x|y).
Uma vez que uma GAN (generative adversarial network) é treinada, a rede discriminadora é descartada e a rede geradora pode ser utilizada para sintetizar novos exemplos no espaço de dados por amostragem do espaço latente e propagação dessas amostras pela rede geradora treinada.
Uma IA generativa cujo aprendizado é realizado a partir da distribuição de probabilidade conjunta p(x,y), em que x é o dado de entrada e y é o rótulo que se queira classificar, pode gerar mais amostras por si só artificialmente, com base em suposições a respeito da distribuição de dados.
Para aplicações do mundo real, como geração de imagens, as distribuições são extremamente complexas, e o aprendizado profundo não conseguiu melhorar o desempenho dos modelos generativos, por isso se tem optado por investir em uma classe importante de modelos de linguagem de grande escala (LLMs — large language models) autorregressivos baseados em transformadores.
Julgue o item a seguir, relativos a redes neurais artificiais.
Uma rede neural feedforward se distingue das demais pela presença de uma ou mais camadas ocultas, cujos nós de computação são chamados de neurônios ocultos ou unidades ocultas, devido ao fato de que essa parte da rede neural não é vista diretamente da entrada ou saída da rede.
Julgue o item a seguir, relativos a redes neurais artificiais.
Os nós de origem na camada de entrada da rede neural, isto é, na primeira camada oculta, fornecem os respectivos elementos do padrão de ativação (vetor de entrada), que constituem os sinais de entrada aplicados aos neurônios (nós de computação) na segunda camada.
Julgue o item a seguir, relativos a redes neurais artificiais.
Nas redes neurais multicamadas, quando se aumenta significativamente a dimensão da rede neural, o esforço computacional para sua implementação tem um aumento insignificante.
O deep learning elimina completamente a necessidade de pré-processamento de dados, pois as redes neurais são capazes de aprender todas as características automaticamente.
O uso de GPUs e TPUs acelera os cálculos necessários para operações matriciais e retropropagação em modelos de deep learning.