Questões de Concurso
Sobre inteligencia artificial em engenharia de software
Foram encontradas 769 questões
Ano: 2023
Banca:
FGV
Órgão:
CGE-SC
Prova:
FGV - 2023 - CGE-SC - Auditor do Estado - Ciências da Computação - Tarde (Conhecimentos Específicos) |
Q2066821
Engenharia de Software
Sobre a divisão e tratamento de dados, assinale a afirmativa
correta.
Ano: 2023
Banca:
Quadrix
Órgão:
CRO - SC
Prova:
Quadrix - 2023 - CRO - SC - Técnico em Informática |
Q2042637
Engenharia de Software
No que diz respeito às novas tecnologias, julgue o item.
A inteligência artificial refere-se a um campo de
conhecimento que não está associado à aprendizagem,
uma vez que esta é uma capacidade puramente
humana; contudo, este campo está associado à
linguagem e à inteligência, ao raciocínio e à resolução de
problemas.
Ano: 2023
Banca:
FGV
Órgão:
SEFAZ-MG
Prova:
FGV - 2023 - SEFAZ-MG - Auditor Fiscal da Receita Estadual - Tecnologia da Informação (Tarde) |
Q2031068
Engenharia de Software
A recente explosão de machine learning e deep learning tornou
os tensores populares. TensorFlow e PyTorch são dois
frameworks com suporte a API de tensor.
Em relação aos tensores, assinale a opção incorreta.
Em relação aos tensores, assinale a opção incorreta.
Ano: 2023
Banca:
FGV
Órgão:
SEFAZ-MG
Prova:
FGV - 2023 - SEFAZ-MG - Auditor Fiscal da Receita Estadual - Tecnologia da Informação (Tarde) |
Q2031060
Engenharia de Software
Machine Learning é um subconjunto da Inteligência Artificial que
utiliza dados e algoritmos para imitar o raciocínio humano.
Em relação aos algoritmos de machine learning, assinale a
afirmativa incorreta.
Ano: 2022
Banca:
IF-SP
Órgão:
IF-SP
Prova:
IF-SP - 2022 - IF-SP - Analista de Tecnologia da Informação - Ciência de Dados |
Q3976963
Engenharia de Software
Uma rede neural é um modelo preditivo motivado pela forma como o cérebro funciona. Redes
neurais artificiais são formadas por neurônios artificiais, que desenvolvem cálculos similares sobre
suas entradas. Elas podem resolver uma variedade
de problemas, tais como o reconhecimento de caligrafia e a detecção facial, entre outros. São geralmente representadas por meio de um grafo orientado, onde os vértices representam os neurônios
e as arestas representam as sinapses. Podem ser
classificadas em três categorias específicas: Redes Neurais Feed-Forward, Redes Recorrentes e
Redes Conectadas Simetricamente. Dentro dessas
categorias, existem diversos tipos de arquiteturas.
Assinale a alternativa que define corretamente uma Rede Neural Perceptron Multicamadas.
Assinale a alternativa que define corretamente uma Rede Neural Perceptron Multicamadas.
Ano: 2022
Banca:
IF-SP
Órgão:
IF-SP
Prova:
IF-SP - 2022 - IF-SP - Analista de Tecnologia da Informação - Ciência de Dados |
Q3976961
Engenharia de Software
O Processamento de Linguagem Natural
(PLN) é a subárea da Inteligência Artificial responsável por estudar a capacidade e as limitações
de uma máquina de entender a linguagem dos seres humanos. Para poder realizar essa modelagem,
são necessários pré-processamentos que abstraem
e estruturam a língua, deixando apenas aquilo que
representa uma informação relevante. Uma das
etapas desse processo compreende a normalização. Uma tarefa que pode ser realizada dentro do
processo de normalização é denominada de tokenização lexical. Considere a seguinte sentença:
A área de Ciência de Dados é muito interessante!
Assinale a alternativa correta que representa o resultado da tokenização lexical para essa sentença.
A área de Ciência de Dados é muito interessante!
Assinale a alternativa correta que representa o resultado da tokenização lexical para essa sentença.
Ano: 2022
Banca:
IF-SP
Órgão:
IF-SP
Prova:
IF-SP - 2022 - IF-SP - Analista de Tecnologia da Informação - Ciência de Dados |
Q3976950
Engenharia de Software
Machine Learning, ou aprendizado de máquina, é um subcampo da inteligência artificial baseada na ideia de que os sistemas podem aprender
a identificar padrões e tomar decisões, por meio da
análise de dados. De acordo com o tipo de técnica
utilizada no processo de aprendizagem, existem
vários algoritmos que podem ser aplicados para
gerar o modelo de aprendizado. Os parâmetros
desse modelo podem ser atualizados por meio de
técnicas de otimização. Com base nessas informações, assinale a alternativa correta.
Ano: 2022
Banca:
IF-SP
Órgão:
IF-SP
Prova:
IF-SP - 2022 - IF-SP - Analista de Tecnologia da Informação - Ciência de Dados |
Q3976943
Engenharia de Software
Nos modelos de aprendizado de máquina, existem dois problemas básicos que devem ser considerados. O primeiro problema é o sobreajuste (overfitting) que acontece quando se tem um modelo com bom
desempenho com os dados treinados, mas que não trabalha bem com novos dados. Já o segundo problema,
é o sub-ajuste (underfitting) que já sequer trabalhar com os dados de treino e, consequentemente, na aplicação em si. Para isso, é necessário implementar modelos que sejam equilibrados para atender as demandas.
Considerando essas afirmações e a figura a seguir, selecione a alternativa que melhor associa o problema
com os dados dispostos no espaço com a solução equilibrada, com sub-ajuste e sobreajuste de acordo com
sua indicação (I, II e III).
Fonte: IFSP, 2022.
Fonte: IFSP, 2022.
Ano: 2022
Banca:
CESPE / CEBRASPE
Órgão:
SEFAZ-SE
Prova:
CESPE / CEBRASPE - 2022 - SEFAZ-SE - Auditor Técnico de Tributos (tarde) |
Q2501775
Engenharia de Software
No aprendizado de máquina, o algoritmo de classificação
considerado mais rudimentar e simples, que cria o modelo
simplesmente baseado na moda da classe, ou seja, classifica
todas as instâncias de acordo com a classe dominante, é
conhecido como
Ano: 2022
Banca:
UFSM
Órgão:
UFSM
Prova:
UFSM - 2022 - UFSM - Analista de Tecnologia da Informação |
Q2084106
Engenharia de Software
Sobre o processamento morfológico de imagens,
considere as afirmativas a seguir.
I - A morfologia matemática é fundamentada na teoria dos conjuntos e tem como exemplos de operadores morfológicos a erosão, a dilatação, a abertura e o fechamento. II - As operações morfológicas em imagens binárias ocorrem de forma diferente das operações morfológicas em imagens tons de cinza. III - A dilatação e a erosão morfológica em imagens tons de cinza podem ser usadas em conjunto com a subtração de imagens para obter o gradiente morfológico da imagem.
Está(ão) correta(s)
I - A morfologia matemática é fundamentada na teoria dos conjuntos e tem como exemplos de operadores morfológicos a erosão, a dilatação, a abertura e o fechamento. II - As operações morfológicas em imagens binárias ocorrem de forma diferente das operações morfológicas em imagens tons de cinza. III - A dilatação e a erosão morfológica em imagens tons de cinza podem ser usadas em conjunto com a subtração de imagens para obter o gradiente morfológico da imagem.
Está(ão) correta(s)
Ano: 2022
Banca:
UFSM
Órgão:
UFSM
Prova:
UFSM - 2022 - UFSM - Analista de Tecnologia da Informação |
Q2084105
Engenharia de Software
Dos seguintes algoritmos de aprendizado de máquina, assinale a alternativa que apresenta corretamente os algoritmos que possuem a característica
de serem de aprendizado não supervisionado.
Ano: 2022
Banca:
UFSM
Órgão:
UFSM
Prova:
UFSM - 2022 - UFSM - Analista de Tecnologia da Informação |
Q2084103
Engenharia de Software
Após a realização de uma pesquisa com alunos da
universidade sobre preferências em relação às
atividades acadêmicas e opções de lazer no campus, foram obtidos dados de questionários. Com
base nesses dados, isolaram-se duas variáveis
numéricas, a fim de se criarem grupos de usuários
e, posteriormente, traçarem planos específicos para
cada grupo. Arbitrariamente, foi definido que cinco
grupos distintos seriam obtidos e, posteriormente,
foi rodado um algoritmo de aprendizado de máquina
para gerar os grupos.
A partir desse contexto, duas questões foram formuladas:
(I) Qual desses algoritmos abaixo é o mais adequado para tal tarefa? (II) Qual a parametrização que deveria ter sido realizada?
Assinale a alternativa que apresenta a resposta correta para as duas questões formuladas.
A partir desse contexto, duas questões foram formuladas:
(I) Qual desses algoritmos abaixo é o mais adequado para tal tarefa? (II) Qual a parametrização que deveria ter sido realizada?
Assinale a alternativa que apresenta a resposta correta para as duas questões formuladas.
Q2026210
Engenharia de Software
Assinale a alternativa correta com relação ao
assunto Data Lake.
Q2026198
Engenharia de Software
É necessário utilizar um algoritmo de Machine
Learning para realizar a classificação de um objeto em
três ou mais classes que possuem uma ordem determinada antecipadamente.
Assinale a alternativa que indica corretamente um algoritmo que possa realizar esta tarefa.
Assinale a alternativa que indica corretamente um algoritmo que possa realizar esta tarefa.
Ano: 2022
Banca:
CESPE / CEBRASPE
Órgão:
BNB
Prova:
CESPE / CEBRASPE - 2022 - BNB - Analista de Sistemas - Desenvolvimento de Sistemas |
Q2020851
Engenharia de Software
Julgue o item a seguir a respeito dos conceitos de RPA (robotic
process automation).
RPA consiste num microcontrolador de 8 bits, com componentes complementares, para facilitar a programação e a incorporação em outros circuitos.
RPA consiste num microcontrolador de 8 bits, com componentes complementares, para facilitar a programação e a incorporação em outros circuitos.
Ano: 2022
Banca:
CESPE / CEBRASPE
Órgão:
BNB
Prova:
CESPE / CEBRASPE - 2022 - BNB - Analista de Sistemas - Desenvolvimento de Sistemas |
Q2020850
Engenharia de Software
Julgue o próximo item a respeito dos conceitos de Machine
Learning.
Classificadores bayesianos são classificadores estatísticos usados para predizer a probabilidade de pertinência de um objeto a determinada classe.
Classificadores bayesianos são classificadores estatísticos usados para predizer a probabilidade de pertinência de um objeto a determinada classe.
Ano: 2022
Banca:
FCC
Órgão:
TRT - 5ª Região (BA)
Prova:
FCC - 2022 - TRT - 5ª Região (BA) - Técnico Judiciário - Tecnologia da Informação |
Q2016953
Engenharia de Software
Sobre os conceitos de modelos preditivos, analise as afirmações abaixo.
I. O modelo preditivo não supervisionado recebe dados de entrada e saída e busca correlações entre eles.
II. O modelo supervisionado recebe apenas dados de entrada para encontrar padrões e prevê repetições de ocorrências anteriores.
III. A análise preditiva é utilizada como ferramenta para identificar padrões que podem sugerir ações fraudulentas.
IV. A utilização de técnicas de aprendizagem de máquina para a análise preditiva permite produzir de forma automática e mais rápida modelos mais precisos.
É correto o que se afirma APENAS em
Ano: 2022
Banca:
FGV
Órgão:
TRT - 13ª Região (PB)
Prova:
FGV - 2022 - TRT - 13ª Região (PB) - Analista Judiciário - Tecnologia da Informação |
Q1993161
Engenharia de Software
Com relação a Pytorch, assinale V para a afirmativa verdadeira e F
para a falsa.
I. Trata-se de uma biblioteca de tensores que pode ser utilizada em problemas de aprendizado profundo, podendo utilizar tanto GPU quanto CPU.
II. O pacote torch.parallel.gpu é capaz de suportar o processamento paralelo de tensores do tipo multidimensionais dimensionais e CUDA em processadores GPU.
III. O pacote torch.distributed.elasticstack é capaz distribuir um script tornando-o elástico e tolerante a falhas em diversos tipos de ambientes distribuídos.
As afirmativas são, respectivamente,
I. Trata-se de uma biblioteca de tensores que pode ser utilizada em problemas de aprendizado profundo, podendo utilizar tanto GPU quanto CPU.
II. O pacote torch.parallel.gpu é capaz de suportar o processamento paralelo de tensores do tipo multidimensionais dimensionais e CUDA em processadores GPU.
III. O pacote torch.distributed.elasticstack é capaz distribuir um script tornando-o elástico e tolerante a falhas em diversos tipos de ambientes distribuídos.
As afirmativas são, respectivamente,
Ano: 2022
Banca:
FCC
Órgão:
TJ-CE
Prova:
FCC - 2022 - TJ-CE - Analista Judiciário - Ciência da Computação - Sistemas da Informação |
Q1991594
Engenharia de Software
A implantação de uma solução de machine leaming tipicamente passa por 5 fases. Na fase inicial, deve-se ter clareza quanto à
pergunta ou problema para o qual se busca uma solução e quanto às informações que serão utilizadas, sejam elas de propriedade do interessado ou a serem adquiridas no mercado. As outras fases são:
I Treinar o modelo ajustando os atributos, parâmetros de treinamento e algoritmos até que o modelo produza os resultados desejados. A validação é realizada comparando-se as predições com os resultados reais.
II Monitorar os resultados das predições para verificar se o modelo continua generalizando. Se houver uma diminuição significativa na capacidade de predição do modelo, este deve ser treinado novamente com novos dados ou até mesmo os algoritmos, atributos e parâmetros de treinamento devem ser ajustados.
III Definir o objetivo do aprendizado de máquina, estruturar o modelo que será o responsável por realizar as predições e adequar os dados para os algoritmos selecionados.
IV Verificar se o modelo generaliza. No caso de o modelo não generalizar, deve-se retornar para as fases anteriores ou até mesmo para a fase inicial. Se generalizar, o modelo já pode seguir para a produção.
A ordem sequencial correta das outras fases é:
I Treinar o modelo ajustando os atributos, parâmetros de treinamento e algoritmos até que o modelo produza os resultados desejados. A validação é realizada comparando-se as predições com os resultados reais.
II Monitorar os resultados das predições para verificar se o modelo continua generalizando. Se houver uma diminuição significativa na capacidade de predição do modelo, este deve ser treinado novamente com novos dados ou até mesmo os algoritmos, atributos e parâmetros de treinamento devem ser ajustados.
III Definir o objetivo do aprendizado de máquina, estruturar o modelo que será o responsável por realizar as predições e adequar os dados para os algoritmos selecionados.
IV Verificar se o modelo generaliza. No caso de o modelo não generalizar, deve-se retornar para as fases anteriores ou até mesmo para a fase inicial. Se generalizar, o modelo já pode seguir para a produção.
A ordem sequencial correta das outras fases é:
Ano: 2022
Banca:
FGV
Órgão:
TRT - 16ª REGIÃO (MA)
Prova:
FGV - 2022 - TRT - 16ª REGIÃO (MA) - Analista Judiciário - Tecnologia da Informação |
Q1990879
Engenharia de Software
Com relação aos conceitos de aprendizado de máquina, assinale
V para a afirmativa verdadeira e F para a falsa.
I. Os três principais paradigmas de aprendizado de máquina são os de aprendizado supervisionado, não supervisionado e por inteligência profunda.
II. os algoritmos de classificação e clusterização estão correlacionados com paradigma de aprendizado supervisionado.
III. os algoritmos de support vector machines e randon forest são paradigmas do aprendizado de inteligência profunda.
As afirmativas são, respectivamente,
I. Os três principais paradigmas de aprendizado de máquina são os de aprendizado supervisionado, não supervisionado e por inteligência profunda.
II. os algoritmos de classificação e clusterização estão correlacionados com paradigma de aprendizado supervisionado.
III. os algoritmos de support vector machines e randon forest são paradigmas do aprendizado de inteligência profunda.
As afirmativas são, respectivamente,
Conheça nossos planos