Questões de Concurso
Sobre inteligencia artificial em engenharia de software
Foram encontradas 758 questões
Ano: 2026
Banca:
CESPE / CEBRASPE
Órgão:
TCU
Prova:
CESPE / CEBRASPE - 2026 - TCU - Auditor Federal de Controle Externo - Área de Controle Externo/ Orientação: Auditoria de Tecnologia da Informação |
Q3906602
Engenharia de Software
Acerca de aplicações do processamento de linguagem natural (PNL) e da teoria de sistemas multiagentes, julgue o item subsequente.
Emergência é uma propriedade-chave de sistemas multiagentes que deve ser intencionalmente projetada pelo desenvolvedor como parte central do comportamento coletivo desejado para os agentes inteligentes.
Ano: 2026
Banca:
CESPE / CEBRASPE
Órgão:
TCU
Prova:
CESPE / CEBRASPE - 2026 - TCU - Auditor Federal de Controle Externo - Área de Controle Externo/ Orientação: Auditoria de Tecnologia da Informação |
Q3906601
Engenharia de Software
Texto associado
Segundo relatório da McKinsey de 2024, 78% das
organizações entrevistadas afirmam já usar IA em pelo menos
uma função de negócio.
Apesar do entusiasmo, essa inserção de tecnologia
disruptiva implica sérios riscos, como imprecisão dos resultados,
quebra de privacidade e violação de propriedade intelectual.
Esses riscos são tão evidentes que, segundo o mesmo estudo,
cerca de 27% dos entrevistados afirmam que 100% dos
resultados da IA generativa são revisados por humanos antes do
uso. Ainda, o relatório aponta que não há uma propensão a
abordar riscos relacionados à precisão ou explicabilidade dos
resultados da IA.
Ivette Luna. Da predição à compreensão: o papel da explicabilidade na implementação
de IA em políticas públicas. In: Jornal da UNICAMP, 29 de setembro de 2025.
Internet:<jornal.unicamp.br> (com adaptações).
No que se refere a ética, transparência e responsabilidade no uso de IA, julgue o próximo item.
Explicabilidade diz respeito às propriedades internas do modelo de IA que permitem compreender como ele funciona.
Ano: 2026
Banca:
CESPE / CEBRASPE
Órgão:
TCU
Prova:
CESPE / CEBRASPE - 2026 - TCU - Auditor Federal de Controle Externo - Área de Controle Externo/ Orientação: Auditoria de Tecnologia da Informação |
Q3906600
Engenharia de Software
Texto associado
Segundo relatório da McKinsey de 2024, 78% das
organizações entrevistadas afirmam já usar IA em pelo menos
uma função de negócio.
Apesar do entusiasmo, essa inserção de tecnologia
disruptiva implica sérios riscos, como imprecisão dos resultados,
quebra de privacidade e violação de propriedade intelectual.
Esses riscos são tão evidentes que, segundo o mesmo estudo,
cerca de 27% dos entrevistados afirmam que 100% dos
resultados da IA generativa são revisados por humanos antes do
uso. Ainda, o relatório aponta que não há uma propensão a
abordar riscos relacionados à precisão ou explicabilidade dos
resultados da IA.
Ivette Luna. Da predição à compreensão: o papel da explicabilidade na implementação
de IA em políticas públicas. In: Jornal da UNICAMP, 29 de setembro de 2025.
Internet:<jornal.unicamp.br> (com adaptações).
No que se refere a ética, transparência e responsabilidade no uso de IA, julgue o próximo item.
Há discriminação algorítmica quando um sistema de IA usa, para uma tomada de decisão, sem justificativa válida, a informação de que alguém pertence a um grupo social (ou características que funcionam como proxies), de modo a gerar desvantagens sistemáticas para esse grupo em contextos em que esse critério não deveria influenciar a decisão.
Ano: 2026
Banca:
CESPE / CEBRASPE
Órgão:
TCU
Prova:
CESPE / CEBRASPE - 2026 - TCU - Auditor Federal de Controle Externo - Área de Controle Externo/ Orientação: Auditoria de Tecnologia da Informação |
Q3906599
Engenharia de Software
Texto associado
Segundo relatório da McKinsey de 2024, 78% das
organizações entrevistadas afirmam já usar IA em pelo menos
uma função de negócio.
Apesar do entusiasmo, essa inserção de tecnologia
disruptiva implica sérios riscos, como imprecisão dos resultados,
quebra de privacidade e violação de propriedade intelectual.
Esses riscos são tão evidentes que, segundo o mesmo estudo,
cerca de 27% dos entrevistados afirmam que 100% dos
resultados da IA generativa são revisados por humanos antes do
uso. Ainda, o relatório aponta que não há uma propensão a
abordar riscos relacionados à precisão ou explicabilidade dos
resultados da IA.
Ivette Luna. Da predição à compreensão: o papel da explicabilidade na implementação
de IA em políticas públicas. In: Jornal da UNICAMP, 29 de setembro de 2025.
Internet:<jornal.unicamp.br> (com adaptações).
No que se refere a ética, transparência e responsabilidade no uso de IA, julgue o próximo item.
Explicabilidade e interpretabilidade tratam do desafio de entender como os modelos de aprendizado de máquina funcionam, devido especialmente à natureza de “caixa-preta” de muitos modelos, que pode tornar difícil ou impossível a capacidade de explicar uma previsão ou decisão.
Ano: 2026
Banca:
FGV
Órgão:
AL-RO
Prova:
FGV - 2026 - AL-RO - Analista Legislativo (Engenharia de Computação) |
Q3882858
Engenharia de Software
Após treinar um modelo de Deep Learning para classificar
documentos sigilosos versus documentos públicos, o Engenheiro
da Computação precisa avaliar o desempenho do modelo. O custo
de classificar erroneamente um documento sigiloso como público
(Falso Negativo) é muito maior do que o custo de classificar um
documento público como sigiloso (Falso Positivo).
A métrica de classificação mais crítica a ser maximizada nesse cenário de alto custo de Falsos Negativos é a(o)
A métrica de classificação mais crítica a ser maximizada nesse cenário de alto custo de Falsos Negativos é a(o)
Ano: 2026
Banca:
FGV
Órgão:
AL-RO
Prova:
FGV - 2026 - AL-RO - Analista Legislativo (Engenharia de Computação) |
Q3882857
Engenharia de Software
Um Engenheiro de Computação precisa desenvolver um Sistema
Especialista para auxiliar o Analista Legislativo a classificar a
constitucionalidade de novos projetos de lei, com base em
centenas de regras e precedentes definidos por especialistas
jurídicos.
O método primário de Representação do Conhecimento em Sistemas Especialistas que armazena o conhecimento na forma de declarações condicionais é o de
O método primário de Representação do Conhecimento em Sistemas Especialistas que armazena o conhecimento na forma de declarações condicionais é o de
Ano: 2026
Banca:
FGV
Órgão:
AL-RO
Prova:
FGV - 2026 - AL-RO - Analista Legislativo (Engenharia de Computação) |
Q3882853
Engenharia de Software
Uma equipe de Engenharia de Computação está projetando uma
blockchain privada para rastreamento da cadeia de suprimentos,
onde as partes envolvidas como fornecedores e fabricantes já são
confiáveis e conhecidas em ambiente permissionado. O objetivo é
garantir a imutabilidade do registro de transações, mas
minimizando o consumo excessivo de energia elétrica.
Assinale a opção que identifica o mecanismo de consenso que seria mais eficiente em termos de energia para validar transações em uma blockchain permissionada, em comparação com o Proofof-Work (PoW).
Assinale a opção que identifica o mecanismo de consenso que seria mais eficiente em termos de energia para validar transações em uma blockchain permissionada, em comparação com o Proofof-Work (PoW).
Ano: 2026
Banca:
FGV
Órgão:
AL-RO
Prova:
FGV - 2026 - AL-RO - Analista Legislativo (Engenharia de Computação) |
Q3882852
Engenharia de Software
No projeto de um sistema de reconhecimento facial para controle
de acesso, a Engenharia de Computação utiliza Redes Neurais
Convolucionais (CNNs).
O papel principal da camada convolucional em uma CNN na análise de imagens é
O papel principal da camada convolucional em uma CNN na análise de imagens é
Ano: 2026
Banca:
FGV
Órgão:
AL-RO
Prova:
FGV - 2026 - AL-RO - Analista Legislativo (Engenharia de Computação) |
Q3882851
Engenharia de Software
Uma equipe de Engenharia de Computação está pré-processando
textos de relatórios de falhas de software para análise automática
de tendências em processamento de linguagem natural. O
primeiro passo no pré-processamento é dividir a frase em
unidades menores para que o modelo possa analisá-las
individualmente.
O processo inicial de PLN que consiste em dividir uma sequência de texto em unidades menores, como palavras, subpalavras ou sentenças é o(a)
O processo inicial de PLN que consiste em dividir uma sequência de texto em unidades menores, como palavras, subpalavras ou sentenças é o(a)
Ano: 2026
Banca:
FGV
Órgão:
AL-GO
Prova:
FGV - 2026 - AL-GO - Analista Legislativo - Analista de Sistemas |
Q3881277
Engenharia de Software
O ciclo de vida de desenvolvimento de software (ou Software
Development Lifecycle, SDLC) é o processo que as equipes de
desenvolvimento usam para projetar e criar software de alta
qualidade, com vista a minimização dos riscos do projeto por meio
do planejamento antecipado.
Considerando o papel da Inteligência Artificial (IA) no ciclo de vida do desenvolvimento de software, analise os itens a seguir:
I. Capacita as equipes na identificação de possíveis problemas mais cedo e na tomada de decisões mais informadas, com fundamento na descoberta de insights de dados valiosos.
II. Oferece funcionalidades inovadoras, como ferramentas e agentes de IA, que auxiliam as organizações na aceleração do desenvolvimento de software e no aumento da eficiência em todo o SDLC.
III. Transforma o desenvolvimento de software com a automação de tarefas, que promovem a economia de tempo e a redução de erros em cada fase do processo.
Está correto o que se afirma em
Considerando o papel da Inteligência Artificial (IA) no ciclo de vida do desenvolvimento de software, analise os itens a seguir:
I. Capacita as equipes na identificação de possíveis problemas mais cedo e na tomada de decisões mais informadas, com fundamento na descoberta de insights de dados valiosos.
II. Oferece funcionalidades inovadoras, como ferramentas e agentes de IA, que auxiliam as organizações na aceleração do desenvolvimento de software e no aumento da eficiência em todo o SDLC.
III. Transforma o desenvolvimento de software com a automação de tarefas, que promovem a economia de tempo e a redução de erros em cada fase do processo.
Está correto o que se afirma em
Ano: 2026
Banca:
FGV
Órgão:
AL-GO
Prova:
FGV - 2026 - AL-GO - Analista Legislativo - Analista de Ciência de Dados |
Q3880249
Engenharia de Software
Processamento de linguagem natural (PLN) é uma área em
ascensão na Ciência da Computação e na inteligência artificial (IA),
analise as afirmativas a seguir
I. Permite que computadores e dispositivos digitais reconheçam, entendam e gerem textos e áudios, pois combinam linguística computacional, modelagem estatística, aprendizado de máquina e deep learning.
II. Já faz parte da vida cotidiana de muitas pessoas em todo o mundo, alimentando mecanismos de busca, acionando chatbots para atendimento aos clientes com comandos de voz, sistemas GPS operados por voz e assistentes digitais de resposta a perguntas em smartphones.
III. Desempenha um papel cada vez maior em soluções empresariais que ajudam a otimizar e automatizar operações de negócios, aumentar a produtividade e simplificar processos empresariais.
Está correto o que se afirma em
I. Permite que computadores e dispositivos digitais reconheçam, entendam e gerem textos e áudios, pois combinam linguística computacional, modelagem estatística, aprendizado de máquina e deep learning.
II. Já faz parte da vida cotidiana de muitas pessoas em todo o mundo, alimentando mecanismos de busca, acionando chatbots para atendimento aos clientes com comandos de voz, sistemas GPS operados por voz e assistentes digitais de resposta a perguntas em smartphones.
III. Desempenha um papel cada vez maior em soluções empresariais que ajudam a otimizar e automatizar operações de negócios, aumentar a produtividade e simplificar processos empresariais.
Está correto o que se afirma em
Ano: 2026
Banca:
FGV
Órgão:
AL-GO
Prova:
FGV - 2026 - AL-GO - Analista Legislativo - Analista de Ciência de Dados |
Q3880229
Engenharia de Software
As máquinas de vetores de suporte (SVM) são um conjunto de
métodos de aprendizado usados para tratar problemas de
classificação, regressão e detecção de outliers. Considerando as
vantagens e desvantagens do uso do SVM no python 3.0 através
da biblioteca scikit learn (versão 1.7.2), avalie se as afirmativas a
seguir são verdadeiras (V) ou falsas (F).
( ) Como vantagem, as SVM são eficazes em espaços de alta dimensionalidade e eficaz nos casos em que o número de dimensões é maior que o número de amostras.
( ) Como desvantagem, as SVM utilizam um subconjunto de pontos de treinamento na função de decisão, sendo, portanto, sendo pouco eficiente em termos de uso de memória.
( ) Como desvantagem, se o número de características for muito maior que o número de amostras, evitar o sobreajuste na escolha das funções Kernel e do termo de regularização é crucial.
( ) Como vantagem, as SVMs fornecem estimativas de probabilidade diretamente; estas são calculadas usando uma validação cruzada de muitas partes que é um processo dispendioso.
As afirmativas são, respectivamente,
( ) Como vantagem, as SVM são eficazes em espaços de alta dimensionalidade e eficaz nos casos em que o número de dimensões é maior que o número de amostras.
( ) Como desvantagem, as SVM utilizam um subconjunto de pontos de treinamento na função de decisão, sendo, portanto, sendo pouco eficiente em termos de uso de memória.
( ) Como desvantagem, se o número de características for muito maior que o número de amostras, evitar o sobreajuste na escolha das funções Kernel e do termo de regularização é crucial.
( ) Como vantagem, as SVMs fornecem estimativas de probabilidade diretamente; estas são calculadas usando uma validação cruzada de muitas partes que é um processo dispendioso.
As afirmativas são, respectivamente,
Ano: 2026
Banca:
FGV
Órgão:
AL-GO
Prova:
FGV - 2026 - AL-GO - Analista Legislativo - Analista de Ciência de Dados |
Q3880228
Engenharia de Software
O aprendizado de máquina (ML) é um tema muito abrangente e
que possui diversas aplicações nos diversos setores da ALEGO.
Existem diferentes técnicas que são utilizadas dependendo do tipo
de problema a ser solucionado. Elas foram agrupadas em métodos
de ML com seus modelos de programação.
O tipo de aprendizado que faz com que o modelo tome decisões por si próprio, e é recompensado de acordo com o progresso que faz na atividade em que foi designado se denomina
O tipo de aprendizado que faz com que o modelo tome decisões por si próprio, e é recompensado de acordo com o progresso que faz na atividade em que foi designado se denomina
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.
Selecione a alternativa que apresenta um algoritmo de regras de associação.
Ano: 2026
Banca:
FGV
Órgão:
TJ-RJ
Prova:
FGV - 2026 - TJ-RJ - Analista Judiciário - Tecnologia da Informação - Arquiteto de Dados |
Q3878696
Engenharia de Software
Uma fintech desenvolveu um pipeline ponta a ponta (end-to-end)
de machine learning para detecção de fraudes em transações
financeiras.
O pipeline inclui as seguintes etapas:
(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:
O pipeline inclui as seguintes etapas:
(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:
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:
Ano: 2026
Banca:
FGV
Órgão:
TJ-RJ
Prova:
FGV - 2026 - TJ-RJ - Analista Judiciário - Tecnologia da Informação - Arquiteto de Dados |
Q3878693
Engenharia de Software
O aprendizado de máquina (machine learning) é frequentemente
categorizado em diferentes paradigmas, dependendo da natureza
dos dados disponíveis e do problema a ser resolvido. Dois dos
tipos mais comuns são o aprendizado supervisionado e o
aprendizado não supervisionado.
A principal diferença conceitual entre essas duas abordagens reside no fato de que, no aprendizado supervisionado:
A principal diferença conceitual entre essas duas abordagens reside no fato de que, no aprendizado supervisionado:
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 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:
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:
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:
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:
• 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:
Conheça nossos planos