Questões de Concurso
Sobre inteligencia artificial em engenharia de software
Foram encontradas 755 questões
Ano: 2024
Banca:
CESPE / CEBRASPE
Órgão:
ANTT
Prova:
CESPE / CEBRASPE - 2024 - ANTT - Especialista em Regulação de Serviços de Transportes Terrestres - Conhecimentos Específicos |
Q2462623
Engenharia de Software
Julgue o próximo item, em relação a aprendizado supervisionado e não supervisionado.
A regressão logística é usada para fazer uma previsão sobre
uma variável categórica comparada a uma contínua; assim
como a regressão linear, a regressão logística também pode
ser usada para estimar o relacionamento entre uma variável
dependente e uma ou mais variáveis independentes.
Ano: 2024
Banca:
IV - UFG
Órgão:
TJ-AC
Prova:
CS-UFG - 2024 - TJ-AC - Analista Judiciário - Analista de Ciência de Dados |
Q2457908
Engenharia de Software
Naive Bayes é um método probabilístico de aprendizado
de máquina que utiliza as frequências das ocorrências em
uma base de dados para prever uma variável de interesse.
O algoritmo a ser implementado depende da natureza dos
dados manipulados. O tipo de algoritmo Naive Bayes para
processar um conjunto de dados que possui apenas
atributos categóricos codificados em one-hot é:
Ano: 2024
Banca:
FGV
Órgão:
CGE-PB
Prova:
FGV - 2024 - CGE-PB - Auditor de Contas Públicas - Auditoria de Tecnologia da Informação |
Q2398314
Engenharia de Software
O auditor de contas públicas João está desenvolvendo um
modelo de aprendizado de máquina para identificar transações
financeiras suspeitas em uma auditoria de contas. Após treinar o
modelo, João observa que esse tem um desempenho excelente
nos dados de treinamento, mas apresenta um desempenho ruim
nos dados de teste, com uma alta taxa de erro.
Nesse contexto, o problema observado por João, do modelo ajustar-se excessivamente aos dados de treinamento, é denominado:
Nesse contexto, o problema observado por João, do modelo ajustar-se excessivamente aos dados de treinamento, é denominado:
Ano: 2024
Banca:
FGV
Órgão:
CGE-PB
Prova:
FGV - 2024 - CGE-PB - Auditor de Contas Públicas - Auditoria de Tecnologia da Informação |
Q2398313
Engenharia de Software
O cientista de dados João deverá criar um modelo de
aprendizado de máquina com o objetivo de classificar transações
de cartão de crédito como "fraudulentas" ou "não fraudulentas".
Dentre as métricas de avaliação da qualidade geral do modelo
criado, João deverá utilizar a que avalia o equilíbrio entre
precisão e sensibilidade (recall):
Ano: 2024
Banca:
FGV
Órgão:
CGM de Belo Horizonte - MG
Prova:
FGV - 2024 - CGM de Belo Horizonte - MG - Auditor Interno - Ciência da Computação - Manhã |
Q2387580
Engenharia de Software
Relacione os termos de Inteligência Artificial (IA) às suas
respectivas definições.
1. IA fraca
2. IA forte
3. IA generativa
4. Teste de Turing
( ) É capaz de resolver uma única tarefa, pode automatizar tarefas demoradas e analisar dados de maneiras que os humanos às vezes não podem.
( ) É uma categoria de algoritmos de IA que gera novos resultados com base nos dados em que foram treinados.
( ) É capaz de resolver uma gama extensa e arbitrária de tarefas, incluindo aquelas que são novas, e executá-las com eficácia comparável à de um ser humano.
( ) É uma medida de inteligência de uma máquina, onde se a máquina pode se passar por um humano em uma conversa de texto, ela passa no teste.
Assinale a opção que indica a relação correta, segundo a ordem apresentada.
1. IA fraca
2. IA forte
3. IA generativa
4. Teste de Turing
( ) É capaz de resolver uma única tarefa, pode automatizar tarefas demoradas e analisar dados de maneiras que os humanos às vezes não podem.
( ) É uma categoria de algoritmos de IA que gera novos resultados com base nos dados em que foram treinados.
( ) É capaz de resolver uma gama extensa e arbitrária de tarefas, incluindo aquelas que são novas, e executá-las com eficácia comparável à de um ser humano.
( ) É uma medida de inteligência de uma máquina, onde se a máquina pode se passar por um humano em uma conversa de texto, ela passa no teste.
Assinale a opção que indica a relação correta, segundo a ordem apresentada.
Ano: 2024
Banca:
FGV
Órgão:
CGM de Belo Horizonte - MG
Prova:
FGV - 2024 - CGM de Belo Horizonte - MG - Auditor Interno - Ciência da Computação - Manhã |
Q2387579
Engenharia de Software
Sobre o Aprendizado de Máquina, analise as afirmativas a seguir
e assinale (V) para a verdadeira e (F) para a falsa.
( ) Aprendizado supervisionado é um tipo de aprendizado de máquina em que o modelo é treinado em um dataset rotulado.
( ) Aprendizado não supervisionado é um tipo de aprendizado de máquina em que o modelo é treinado em um dataset não rotulado e a estrutura subjacente dos dados é descoberta pelo algoritmo.
( ) Aprendizado por reforço é um tipo de aprendizado de máquina em que o modelo é treinado para prever o resultado de uma variável dependente com base em variáveis independentes.
As afirmativas são, respectivamente,
( ) Aprendizado supervisionado é um tipo de aprendizado de máquina em que o modelo é treinado em um dataset rotulado.
( ) Aprendizado não supervisionado é um tipo de aprendizado de máquina em que o modelo é treinado em um dataset não rotulado e a estrutura subjacente dos dados é descoberta pelo algoritmo.
( ) Aprendizado por reforço é um tipo de aprendizado de máquina em que o modelo é treinado para prever o resultado de uma variável dependente com base em variáveis independentes.
As afirmativas são, respectivamente,
Ano: 2024
Banca:
Quadrix
Órgão:
CRQ - 12ª Região (GO, TO e DF)
Provas:
Quadrix - 2024 - CRQ - 12ª Região (GO, TO e DF) - Técnico Administrativo
|
Quadrix - 2024 - CRQ - 12ª Região (GO, TO e DF) - Técnico Administrativo - Mensageiro |
Q2386012
Engenharia de Software
A respeito das inovações que apontam para o desenvolvimento na área de ciência da computação, Internet e inteligência artificial, julgue o item.
A inteligência artificial tem se desenvolvido a ponto
de criar chatbot que leva jovens a fazerem terapia de
ajuda às dificuldades da vida.
Ano: 2024
Banca:
OBJETIVA
Órgão:
Prefeitura de Nova Roma do Sul - RS
Prova:
OBJETIVA - 2024 - Prefeitura de Nova Roma do Sul - RS - Assistente Social |
Q2385648
Engenharia de Software
As inteligências artificiais vêm conquistando cada vez mais o interesse do público, principalmente devido à ascensão de ferramentas como o ChatGPT. Em relação à inteligência artificial (IA) e ao ChatGPT, assinalar a alternativa CORRETA:
Ano: 2024
Banca:
Quadrix
Órgão:
CRQ - 12ª Região (GO, TO e DF)
Provas:
Quadrix - 2024 - CRQ - 12ª Região (GO, TO e DF) - Agente Fiscal
|
Quadrix - 2024 - CRQ - 12ª Região (GO, TO e DF) - Analista Administrativo |
Quadrix - 2024 - CRQ - 12ª Região (GO, TO e DF) - Analista de T.I. |
Quadrix - 2024 - CRQ - 12ª Região (GO, TO e DF) - Analista Compras e Contratos |
Q2384102
Engenharia de Software
Acerca dos tipos de computadores, do Microsoft Word 2016 e do aprendizado de máquina, julgue o item.
O aprendizado de máquina pode ser definido como
uma técnica de ciência de dados que permite que os
computadores usem os dados existentes para prever
futuros comportamentos, resultados e tendências.
Ano: 2024
Banca:
Quadrix
Órgão:
CRQ - 12ª Região (GO, TO e DF)
Provas:
Quadrix - 2024 - CRQ - 12ª Região (GO, TO e DF) - Agente Fiscal
|
Quadrix - 2024 - CRQ - 12ª Região (GO, TO e DF) - Analista Administrativo |
Quadrix - 2024 - CRQ - 12ª Região (GO, TO e DF) - Analista de T.I. |
Quadrix - 2024 - CRQ - 12ª Região (GO, TO e DF) - Analista Compras e Contratos |
Q2384101
Engenharia de Software
Acerca dos tipos de computadores, do Microsoft Word 2016 e do aprendizado de máquina, julgue o item.
O aprendizado não supervisionado é uma área da
inteligência artificial que envolve o uso de algoritmos
para encontrar padrões ocultos em conjuntos de
dados rotulados.
Ano: 2024
Banca:
IV - UFG
Órgão:
Prefeitura de Inhumas - GO
Prova:
CS-UFG - 2024 - Prefeitura de Inhumas - GO - Administrador de Rede e Segurança da Informação |
Q2383864
Engenharia de Software
O algoritmo de Machine Learning de classificação,
fundamentado em modelos de probabilidade que
incorporam suposições de independência forte, é conhecido
como
Ano: 2024
Banca:
CESGRANRIO
Órgão:
IPEA
Prova:
CESGRANRIO - 2024 - IPEA - Técnico de Planejamento e Pesquisa -Ciência de Dados |
Q2383287
Engenharia de Software
No aprendizado não supervisionado, os dados de treinamento não têm rótulos. O objetivo é agrupar instâncias
semelhantes em clusters. Nesse contexto, suponha que
se deseja executar um algoritmo de agrupamento para
tentar detectar grupos de visitantes semelhantes em um
blog. Em nenhum momento é informado ao algoritmo a
que grupo um visitante pertence, mas ele encontra essas conexões sem ajuda. Por exemplo, o algoritmo pode
notar que 40% dos visitantes são homens que adoram
histórias em quadrinhos e, geralmente, leem o blog à noite, enquanto 20% são jovens amantes de ficção científica
que visitam o blog durante os fins de semana, e assim
por diante. Deseja-se, nesse caso, usar um algoritmo de
agrupamento hierárquico para subdividir cada grupo em
grupos menores, o que pode ajudar a direcionar as postagens do blog para cada grupo específico.
Nesse cenário, qual é o algoritmo mais apropriado para fazer o agrupamento desejado?
Nesse cenário, qual é o algoritmo mais apropriado para fazer o agrupamento desejado?
Ano: 2024
Banca:
CESGRANRIO
Órgão:
IPEA
Prova:
CESGRANRIO - 2024 - IPEA - Técnico de Planejamento e Pesquisa -Ciência de Dados |
Q2383285
Engenharia de Software
As árvores de decisão são um modelo de aprendizado de máquina que opera por meio da construção de uma estrutura
em forma de árvore para tomar decisões e que oferece uma compreensão clara da lógica de decisão e da hierarquia de
características que contribuem para as predições finais. Elas são versáteis e podem ser usadas tanto para tarefas de
classificação quanto para as de regressão.
Nesse contexto, considere a construção de uma árvore de regressão usando a classe DecisionTreeRegressor do ScikitLearn e seu treinamento em um conjunto de dados quadrático com max_depth=2, conforme mostrado a seguir:
from sklearn.tree import DecisionTreeRegressor
tree_reg = DecisionTreeRegressor(max_depth=2)
tree_reg.fit(X, y)
A árvore resultante é representada na Figura a seguir.
GÉRON, A. Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniquesto Build Intelligent Systems. 2 ed. Sebastopol, CA: O’Reilly Media, Inc.: 2019, p. 183.
Considerando-se o cenário apresentado e que se deseja fazer uma predição para uma nova instância, com x1 = 0.6, qual será o valor predito?
Nesse contexto, considere a construção de uma árvore de regressão usando a classe DecisionTreeRegressor do ScikitLearn e seu treinamento em um conjunto de dados quadrático com max_depth=2, conforme mostrado a seguir:
from sklearn.tree import DecisionTreeRegressor
tree_reg = DecisionTreeRegressor(max_depth=2)
tree_reg.fit(X, y)
A árvore resultante é representada na Figura a seguir.
GÉRON, A. Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniquesto Build Intelligent Systems. 2 ed. Sebastopol, CA: O’Reilly Media, Inc.: 2019, p. 183.
Considerando-se o cenário apresentado e que se deseja fazer uma predição para uma nova instância, com x1 = 0.6, qual será o valor predito?
Ano: 2024
Banca:
CESGRANRIO
Órgão:
IPEA
Prova:
CESGRANRIO - 2024 - IPEA - Técnico de Planejamento e Pesquisa -Ciência de Dados |
Q2383283
Engenharia de Software
Em uma nota técnica do Ipea sobre emprego público nos
governos subnacionais brasileiros, no ano de 2016, aparece menção sobre o fato de as bases utilizadas possuirem outliers, ou valores atípicos.
A construção de um modelo preditivo a partir dos dados dessas bases, usando árvores aleatórias, Random Forests,
A construção de um modelo preditivo a partir dos dados dessas bases, usando árvores aleatórias, Random Forests,
Ano: 2024
Banca:
CESGRANRIO
Órgão:
IPEA
Prova:
CESGRANRIO - 2024 - IPEA - Técnico de Planejamento e Pesquisa -Ciência de Dados |
Q2383281
Engenharia de Software
Um cientista de dados está utilizando máquinas de vetor
de suporte (SVM) em um projeto de classificação, pois
deseja evitar o overfitting do modelo aos dados de treinamento.
Qual das seguintes técnicas auxilia a prevenir o overfitting em SVM?
Qual das seguintes técnicas auxilia a prevenir o overfitting em SVM?
Ano: 2024
Banca:
CESGRANRIO
Órgão:
IPEA
Prova:
CESGRANRIO - 2024 - IPEA - Técnico de Planejamento e Pesquisa -Ciência de Dados |
Q2383280
Engenharia de Software
Em um projeto de classificação de textos, um modelo de
machine learning foi aplicado em um conjunto de teste
e apresentou os seguintes resultados: uma precisão de
80% e uma revocação de 70%.
Com base nessas informações e considerando-se apenas a parte inteira da porcentagem, qual é o F1 Score desse modelo?
Com base nessas informações e considerando-se apenas a parte inteira da porcentagem, qual é o F1 Score desse modelo?
Ano: 2024
Banca:
CESGRANRIO
Órgão:
IPEA
Prova:
CESGRANRIO - 2024 - IPEA - Técnico de Planejamento e Pesquisa -Ciência de Dados |
Q2383279
Engenharia de Software
Um pesquisador possui um conjunto de dados consistindo
em características diversas, features, e suas respectivas
classificações, labels. Ele deseja dividir esse conjunto de
dados em conjuntos distintos, para treinamento e para
teste, com o objetivo de validar a eficácia de um modelo
de aprendizado de máquina.
Nesse contexto, qual função do SciKit-learn ele deve utilizar para realizar essa divisão de maneira eficiente e adequada?
Nesse contexto, qual função do SciKit-learn ele deve utilizar para realizar essa divisão de maneira eficiente e adequada?
Ano: 2024
Banca:
CESGRANRIO
Órgão:
IPEA
Prova:
CESGRANRIO - 2024 - IPEA - Técnico de Planejamento e Pesquisa -Ciência de Dados |
Q2383278
Engenharia de Software
Uma cientista de dados percebeu que, ao processar alguns documentos, seria melhor remover palavras que
aparecem em quase todo texto, as stop-words.
Para começar sua lista de stop-words, ela pode escolher listar todos os
Para começar sua lista de stop-words, ela pode escolher listar todos os
Ano: 2024
Banca:
CESGRANRIO
Órgão:
IPEA
Prova:
CESGRANRIO - 2024 - IPEA - Técnico de Planejamento e Pesquisa -Ciência de Dados |
Q2383277
Engenharia de Software
O método de POS-tagging, ou Part of Speech tagging, é
uma tarefa do processamento de linguagem natural em
que
Ano: 2024
Banca:
CESGRANRIO
Órgão:
IPEA
Prova:
CESGRANRIO - 2024 - IPEA - Técnico de Planejamento e Pesquisa -Ciência de Dados |
Q2383276
Engenharia de Software
Em redes convolucionais, o tamanho do passo normalmente é menor que o tamanho do filtro.
Se o tamanho do passo for maior que o tamanho do filtro, é possível que
Se o tamanho do passo for maior que o tamanho do filtro, é possível que
Conheça nossos planos