Questões de Concurso
Sobre inteligencia artificial em engenharia de software
Foram encontradas 764 questões
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 |
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 - 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 |
Q3874751
Engenharia de Software
No contexto de redes convolucionais (CNN) aplicadas à visão computacional, as camadas de convolução têm como função:
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:
Ano: 2026
Banca:
FGV
Órgão:
TJ-RJ
Prova:
FGV - 2026 - TJ-RJ - Analista Judiciário - Tecnologia da Informação - Analista de Inteligência Artificial |
Q3874748
Engenharia de Software
No contexto dos principais paradigmas de aprendizado de máquina, relacione os tipos de aprendizado a seguir com as técnicas correspondentes.
1. Aprendizado supervisionado
2. Aprendizado não supervisionado
3. Aprendizado semisupervisionado
( ) Uso de algoritmos de clustering como k-means ou clustering hierárquico para agrupar observações com base em medidas de similaridade, sem rótulos de saída.
( ) Emprego de algoritmos de propagação de rótulos (label propagation ou label spreading), combinando um pequeno conjunto de exemplos rotulados com um grande volume de dados não rotulados para melhorar a generalização.
( ) Utilização de k-vizinhos mais próximos (k-NN) para classificar exemplos, tomando como referência os rótulos dos vizinhos mais próximos no conjunto de treino.
A sequência correta é:
1. Aprendizado supervisionado
2. Aprendizado não supervisionado
3. Aprendizado semisupervisionado
( ) Uso de algoritmos de clustering como k-means ou clustering hierárquico para agrupar observações com base em medidas de similaridade, sem rótulos de saída.
( ) Emprego de algoritmos de propagação de rótulos (label propagation ou label spreading), combinando um pequeno conjunto de exemplos rotulados com um grande volume de dados não rotulados para melhorar a generalização.
( ) Utilização de k-vizinhos mais próximos (k-NN) para classificar exemplos, tomando como referência os rótulos dos vizinhos mais próximos no conjunto de treino.
A sequência correta é:
Ano: 2026
Banca:
FAU
Órgão:
Prefeitura de Verê - PR
Prova:
FAU - 2026 - Prefeitura de Verê - PR - Analista de Tecnologia da Informação |
Q3874618
Engenharia de Software
No modelo de Machine Learningo Overfitting ocorre quando:
Ano: 2026
Banca:
FCC
Órgão:
CPU-PE
Prova:
FCC - 2026 - CPU-PE - Gestor Governamental - Especialidade: Planejamento, Orçamento e Gestão |
Q3871968
Engenharia de Software
Em um laboratório de ciência de dados voltado ao setor público, três equipes desenvolvem soluções distintas baseadas em
aprendizado de máquina, elencadas com os itens I, II e III.
I. Uma equipe cria um modelo que identifica se solicitações de serviços enviadas por cidadãos pertencem às categorias saúde, educação ou segurança pública, com base no texto da mensagem.
II. Outra equipe desenvolve um modelo que prevê o valor estimado de arrecadação tributária para o próximo mês, considerando dados históricos e indicadores econômicos.
III. Aterceira equipe elabora um modelo que segmenta municípios com perfis socioeconômicos semelhantes.
Com base nos conceitos fundamentais de aprendizado de máquina, os tipos de algoritmos utilizados nas soluções correspondem a
I. Uma equipe cria um modelo que identifica se solicitações de serviços enviadas por cidadãos pertencem às categorias saúde, educação ou segurança pública, com base no texto da mensagem.
II. Outra equipe desenvolve um modelo que prevê o valor estimado de arrecadação tributária para o próximo mês, considerando dados históricos e indicadores econômicos.
III. Aterceira equipe elabora um modelo que segmenta municípios com perfis socioeconômicos semelhantes.
Com base nos conceitos fundamentais de aprendizado de máquina, os tipos de algoritmos utilizados nas soluções correspondem a
Ano: 2026
Banca:
FGV
Órgão:
TJ-RJ
Prova:
FGV - 2026 - TJ-RJ - Analista Judiciário - Tecnologia da Informação - Cientista de Dados |
Q3869760
Engenharia de Software
O cientista de dados Leo está desenvolvendo um modelo de
inteligência artificial para analisar casos e tomar decisões sobre a
procedência ou não do pleito.
Para analisar como o modelo chegou a uma determinada decisão, Leo deve utilizar:
Para analisar como o modelo chegou a uma determinada decisão, Leo deve utilizar:
Ano: 2026
Banca:
FGV
Órgão:
TJ-RJ
Prova:
FGV - 2026 - TJ-RJ - Analista Judiciário - Tecnologia da Informação - Cientista de Dados |
Q3869751
Engenharia de Software
Um laboratório de pesquisa médica está desenvolvendo um
sistema de inteligência artificial para auxiliar no diagnóstico de
uma doença de pele extremamente rara. O maior desafio do
projeto é a escassez de dados: a equipe possui apenas
300 imagens dermatoscópicas rotuladas da doença, quantidade
insuficiente para treinar uma rede neural convolucional (CNN)
complexa do zero sem causar sobreajuste (overfitting).
Para contornar essa limitação, os cientistas de dados decidiram utilizar um modelo de arquitetura robusta (como a ResNet-50), que já foi previamente treinado em milhões de imagens genéricas do banco de dados ImageNet. A estratégia adotada consiste em manter os pesos das camadas iniciais da rede inalterados (congelados), aproveitando a capacidade do modelo de reconhecer formas e texturas, e treinar apenas as últimas camadas para distinguir a lesão de pele específica.
Essa técnica de reaproveitamento de conhecimento prévio de um domínio para resolver um problema em outro domínio com poucos dados é denominada:
Para contornar essa limitação, os cientistas de dados decidiram utilizar um modelo de arquitetura robusta (como a ResNet-50), que já foi previamente treinado em milhões de imagens genéricas do banco de dados ImageNet. A estratégia adotada consiste em manter os pesos das camadas iniciais da rede inalterados (congelados), aproveitando a capacidade do modelo de reconhecer formas e texturas, e treinar apenas as últimas camadas para distinguir a lesão de pele específica.
Essa técnica de reaproveitamento de conhecimento prévio de um domínio para resolver um problema em outro domínio com poucos dados é denominada:
Ano: 2026
Banca:
CESPE / CEBRASPE
Órgão:
TCE-MG
Prova:
CESPE / CEBRASPE - 2026 - TCE-MG - Analista de Controle Externo - Especialidade: Ciência da Computação |
Q3856599
Engenharia de Software
Amplamente utilizado em tarefas de clusterização, o algoritmo
k-means
Ano: 2026
Banca:
CESPE / CEBRASPE
Órgão:
TCE-MG
Prova:
CESPE / CEBRASPE - 2026 - TCE-MG - Analista de Controle Externo - Especialidade: Ciência da Computação |
Q3856598
Engenharia de Software
Acerca das características de classificação, regressão,
clusterização, regras de associação e detecção de anomalias,
assinale a opção correta.
Ano: 2026
Banca:
CESPE / CEBRASPE
Órgão:
TCE-MG
Prova:
CESPE / CEBRASPE - 2026 - TCE-MG - Analista de Controle Externo - Especialidade: Ciência da Computação |
Q3856595
Engenharia de Software
Certa startup brasileira desenvolveu uma aplicação de
inteligência artificial para auxiliar a justiça federal na análise
inicial de recursos jurídicos de baixo valor. O sistema opera
como um agente inteligente que utiliza um extenso dataset de
jurisprudências passadas para calcular a probabilidade de sucesso
de novos recursos, com o objetivo de otimizar a triagem
processual ao maximizar a taxa de acerto nas suas previsões.
Em testes, a aplicação atingiu uma impressionante taxa de
precisão de 98% na previsão de resultados. No entanto, uma
auditoria de compliance ético revelou que o algoritmo
apresentava um viés: os recursos originários de regiões com
baixo índice de desenvolvimento humano (IDH) do Nordeste
brasileiro eram sistematicamente classificados com menor
probabilidade de sucesso, mesmo quando apresentavam mérito
legal similar a casos de regiões mais desenvolvidas. A equipe
técnica defendeu o sistema, alegando que ele era racional, pois
maximizava consistentemente a métrica de acerto definida.
Considerando a natureza do sistema criado nessa situação hipotética e a distinção fundamental entre racionalidade e justiça em sistemas de IA, assinale a opção que apresenta corretamente a falha ética do sistema à luz dos conceitos básicos da inteligência artificial.
Considerando a natureza do sistema criado nessa situação hipotética e a distinção fundamental entre racionalidade e justiça em sistemas de IA, assinale a opção que apresenta corretamente a falha ética do sistema à luz dos conceitos básicos da inteligência artificial.
Ano: 2025
Banca:
INSTITUTO AOCP
Órgão:
MPE-RS
Prova:
INSTITUTO AOCP - 2025 - MPE-RS - Analista do Ministério Público - Informática |
Q3991671
Engenharia de Software
O framework que fornece bibliotecas para criar
aplicações avançadas de RAG (Retrieval
Augmented Generation) e que tem como
finalidade facilitar a aquisição de conteúdo e
também realizar a indexação e recuperação de
vários tipos de conteúdo, permitindo que a
construção de aplicações possa acessar múltiplas
fontes de dados e gerar respostas integradas, é
denominado
Conheça nossos planos