Questões de Engenharia de Software - Inteligencia Artificial para Concurso - Página 7

Q3660458

Ano: 2025 Banca: FGV Órgão: AgSUS Prova: FGV - 2025 - AgSUS - Analista de Gestão Tecnologia da Informação |

Q3660458 Engenharia de Software

Aprendizado de máquina é o processo de descobrir uma função-objetivo f que mapeie as entradas x nos respectivos resultados y, ou seja, y = f (x) Quando a forma geral da função f a ser aprendida é pré-fixada, o algoritmo de aprendizado é dito parametrizado, e sua função é inferir os parâmetros ou coeficientes que compõem a função f. Selecione a alternativa que indique a desvantagem de utilização do aprendizado parametrizado

A

eficiência.

B

simplicidade.

C

genericidade.

D

escalabilidade.

E

amostras menores.

Incorreta. Gabarito oficial da banca:

Errou um tema comum da banca? Veja o que mais costuma cair no Raio-X. Ver raio-X

Parabéns! Você acertou!

Essa questão segue o padrão da banca! Veja o que mais costuma cair. Ver raio-X

Q3642190

Ano: 2025 Banca: FGV Órgão: CNU Prova: FGV - 2025 - CNU - Bloco Temático 3: Ciência e Tecnologia |

Q3642190 Engenharia de Software

O artigo Attention is All You Need (Vaswani et al., 2017) marcou uma ruptura no processamento de linguagem natural ao apresentar a arquitetura Transformer. Sua abordagem abriu caminho para a criação de modelos de grande escala, como BERT, GPT e diversos outros que dominam o estado da arte em processamento de linguagem natural e em outras áreas, como visão computacional e bioinformática.
Sobre a arquitetura Transformer, é correto afirmar que:

A

o Transformer substitui mecanismos recorrentes por atenção, mas não utiliza codificação posicional, pois o alinhamento sequencial é aprendido implicitamente pelas cabeças de atenção;

B

a introdução do multi-head attention permite ao modelo aprender relações diferentes entre tokens em subespaços de projeção distintos, preservando a informação posicional por meio de codificadores específicos;

C

o Transformer original evita camadas feed-foward densas para reduzir a complexidade, compensando essa ausência com mais cabeças de atenção por bloco;

D

o mecanismo de scaled dot-product attention multiplica os escores de similaridade pela raiz quadrada da dimensão das keys para intensificar as diferenças entre tokens distantes;

E

a arquitetura de encoder-decoder é composta por blocos distintos no encoder e no decoder, sem reutilização estrutural, a fim de especializar cada parte para tarefas diferentes.

Incorreta. Gabarito oficial da banca:

Veja esse conteúdo explicado passo a passo em nossos cursos. Buscar curso

Parabéns! Você acertou!

Mandou bem! Revise esse tema nos nossos cursos. Buscar curso

Q3642184

Ano: 2025 Banca: FGV Órgão: CNU Prova: FGV - 2025 - CNU - Bloco Temático 3: Ciência e Tecnologia |

Q3642184 Engenharia de Software

Martin está elaborando uma cartilha sobre o uso ético da Inteligência Artificial (IA) em seu setor, que atua no atendimento ao público. Para isso, a IA deve fornecer informações sobre as entradas, as saídas e o funcionamento do algoritmo utilizado, bem como a forma como cada parte contribui para o resultado final.
Na cartilha de uso ético da IA de Martin, devem constar requisitos sobre:

A

explicabilidade;

B

hiperparametrização;

C

aprendizado profundo;

D

modelos largos de linguagem;

E

processamento de linguagem natural.

Incorreta. Gabarito oficial da banca:

Salve essa questão em um caderno para revisar depois. Adicionar a um caderno

Parabéns! Você acertou!

Mantenha o ritmo! Salve no caderno para revisar depois. Adicionar a um caderno

Q3641016

Ano: 2025 Banca: CESPE / CEBRASPE Órgão: SEFAZ-SE Prova: CESPE / CEBRASPE - 2025 - SEFAZ-SE - Auditor Fiscal Tributário - Geral |

Q3641016 Engenharia de Software

No que diz respeito ao fenômeno de sobreajuste (overfitting), assinale a opção correta.

A

O sobreajuste ocorre quando um modelo preditivo é avaliado por seu desempenho em exemplares não utilizados no treinamento, o que resulta em avaliações positivas.

B

Modelos que se sobreajustam não representam os dados de treinamento com total fidelidade, o que resulta em avaliações ruins para todos os tipos de exemplares.

C

O sobreajuste é um fenômeno benéfico, pois garante que o modelo preditivo seja altamente preciso tanto para dados de treinamento quanto para novos exemplares.

D

O sobreajuste ocorre apenas quando o conjunto de dados de treinamento é muito pequeno, podendo ser solucionado com a sintonização manual dos parâmetros do modelo.

E

Modelos que se sobreajustam representam os exemplares de treinamento com alta fidelidade, mas perdem desempenho quando aplicados a novos exemplares, o que resulta em avaliações ruins.

Incorreta. Gabarito oficial da banca:

Veja como esse erro impacta seu desempenho geral. Ver estatísticas

Parabéns! Você acertou!

Esse acerto melhora seu desempenho! Veja suas estatísticas

Q3629627

Ano: 2025 Banca: Ibest Órgão: CRM-DF Prova: Ibest - 2025 - CRM-DF - Analista de T.I. |

Q3629627 Engenharia de Software

Com base nas características, limitações e aplicações do deep learning, assinale a alternativa correta.

A

Deep Learning é sinônimo de aprendizado supervisionado, pois depende exclusivamente de bases rotuladas.

B

Redes neurais convolucionais são projetadas principalmente para tratamento de dados sequenciais, como séries temporais e texto.

C

O treinamento de redes profundas elimina completamente a necessidade de engenharia de atributos.

D

Deep Learning não é adequado para problemas de classificação multiclasse, sendo limitado a classificações binárias.

E

O Deep Learning demanda grande capacidade computacional, sendo comum o uso de GPUs para acelerar o treinamento.

Incorreta. Gabarito oficial da banca:

Veja como esse erro impacta seu desempenho geral. Ver estatísticas

Parabéns! Você acertou!

Esse acerto melhora seu desempenho! Veja suas estatísticas

Q3594438

Ano: 2025 Banca: FGV Órgão: TCE-PE Prova: FGV - 2025 - TCE-PE - Analista de Controle Externo - Tecnologia da Informação |

Q3594438 Engenharia de Software

Uma forma de garantir que um modelo de linguagem revise cláusulas de confidencialidade em contratos com alta precisão é fornecer exemplos concretos de cláusulas corretas e incorretas, para que o modelo aprenda o padrão desejado antes de analisar novas cláusulas.
A técnica de Engenharia de Prompt que descreve corretamente esse processo é chamada:

A

zero-shot prompt.

B

self-consistency prompt.

C

chain-of-thought prompt.

D

soft prompt.

E

few-shot prompt.

Incorreta. Gabarito oficial da banca:

Veja como esse erro impacta seu desempenho geral. Ver estatísticas

Parabéns! Você acertou!

Esse acerto melhora seu desempenho! Veja suas estatísticas

Q3594434

Ano: 2025 Banca: FGV Órgão: TCE-PE Prova: FGV - 2025 - TCE-PE - Analista de Controle Externo - Tecnologia da Informação |

Q3594434 Engenharia de Software

No campo da inteligência artificial, os agentes desempenham papel central como entidades capazes de perceber o ambiente, tomar decisões e agir com base em metas definidas. Compreender sua estrutura e tipos é fundamental para o desenvolvimento de sistemas inteligentes.
Assinale a afirmativa que descreve corretamente uma característica de agentes de inteligência artificial.

A

Um agente reativo simples armazena historicamente os estados anteriores do ambiente para prever ações futuras com base em aprendizado profundo.

B

Agentes baseados em objetivos não consideram o estado atual do ambiente, mas tomam decisões aleatórias até alcançarem a meta desejada.

C

Agentes baseados em utilidade avaliam diferentes cursos de ação e escolhem aquele que maximiza um valor numérico associado à satisfação da meta.

D

Um agente só pode ser considerado inteligente se tiver consciência própria e habilidades linguísticas semelhantes às humanas.

E

Agentes de IA operam exclusivamente em ambientes totalmente observáveis e determinísticos, pois exigem informações completas para funcionar.

Incorreta. Gabarito oficial da banca:

Errou um tema comum da banca? Veja o que mais costuma cair no Raio-X. Ver raio-X

Parabéns! Você acertou!

Essa questão segue o padrão da banca! Veja o que mais costuma cair. Ver raio-X

Q3594433

Ano: 2025 Banca: FGV Órgão: TCE-PE Prova: FGV - 2025 - TCE-PE - Analista de Controle Externo - Tecnologia da Informação |

Q3594433 Engenharia de Software

Redes neurais profundas revolucionaram áreas como reconhecimento de fala, visão computacional e processamento de linguagem natural, ao permitir a modelagem de padrões complexos por meio de múltiplas camadas ocultas.
A respeito das redes neurais profundas, assinale a afirmativa correta.

A

Redes neurais profundas são compostas por uma única camada oculta entre a entrada e a saída, o que as torna ideais para problemas linearmente separáveis.

B

A profundidade das redes refere-se exclusivamente ao número de conexões por neurônio, e não ao número de camadas.

C

As redes neurais profundas aprendem representações hierárquicas dos dados por meio de múltiplas camadas, sendo capazes de extrair características de alto nível automaticamente.

D

O principal objetivo das redes neurais profundas é substituir completamente algoritmos supervisionados como SVM e árvores de decisão em qualquer contexto.

E

Uma característica fundamental das redes neurais profundas é que elas não exigem grande capacidade computacional, podendo ser treinadas eficientemente em qualquer máquina convencional.

Incorreta. Gabarito oficial da banca:

Compare seu desempenho com quem faz o mesmo concurso. Ver concorrência

Parabéns! Você acertou!

Compare seu desempenho com quem faz o mesmo concurso. Ver concorrência

Q3594432

Ano: 2025 Banca: FGV Órgão: TCE-PE Prova: FGV - 2025 - TCE-PE - Analista de Controle Externo - Tecnologia da Informação |

Q3594432 Engenharia de Software

Em aplicações modernas de ciência de dados, como reconhecimento de padrões e previsão de comportamento, o aprendizado supervisionado tem se destacado por utilizar conjuntos de dados rotulados para treinar modelos capazes de generalizar para novos exemplos.
Assinale a afirmativa que descreve corretamente uma característica fundamental do aprendizado supervisionado em Machine Learning.

A

Modelos supervisionados não utilizam dados rotulados, pois aprendem padrões de forma autônoma com base em agrupamentos naturais.

B

Em aprendizado supervisionado, o modelo é treinado com dados de entrada e suas respectivas saídas esperadas, permitindo que ele aprenda a prever rótulos para novos dados.

C

O aprendizado supervisionado é ideal apenas para problemas de agrupamento, como segmentação de clientes sem dados prévios.

D

A principal vantagem do aprendizado supervisionado é que ele não requer validação ou avaliação do modelo, pois a acurácia é garantida pela presença de rótulos.

E

Técnicas supervisionadas não podem ser aplicadas em regressão, sendo utilizadas exclusivamente para problemas de classificação binária.

Incorreta. Gabarito oficial da banca:

Esse erro também aparece no seu Resumão. Veja o que melhorar

Parabéns! Você acertou!

Esse acerto está no seu Resumão. Ver Resumão da semana

Q3594431

Ano: 2025 Banca: FGV Órgão: TCE-PE Prova: FGV - 2025 - TCE-PE - Analista de Controle Externo - Tecnologia da Informação |

Q3594431 Engenharia de Software

Uma instituição financeira deseja implementar um sistema de detecção automática de fraudes em transações bancárias, com base em registros históricos rotulados como fraude e transação legítima. O objetivo é classificar novas transações em tempo real. A técnica de aprendizado de máquina supervisionado mais indicada para esse cenário é:

A

Árvore de Decisão.

B

Regressão Linear.

C

K-means.

D

PCA (Principal Component Analysis).

E

DBSCAN (Density-Based Spatial Clustering of Applications with Noise).

Incorreta. Gabarito oficial da banca:

Veja como esse erro impacta seu desempenho geral. Ver estatísticas

Parabéns! Você acertou!

Esse acerto melhora seu desempenho! Veja suas estatísticas

Q3585029

Ano: 2025 Banca: CESPE / CEBRASPE Órgão: TJ-PA Prova: CESPE / CEBRASPE - 2025 - TJ-PA - Analista Judiciário - Especialidade: Análise de Suporte |

Q3585029 Engenharia de Software

Acerca dos tipos de aprendizado, da inteligência artificial generativa e das redes neurais, julgue o item subsequente.

Redes neurais convolucionais são utilizadas principalmente em tarefas de processamento sequencial, como tradução automática e análise de sentimentos em linguagem natural.

Certo

Errado

Incorreta. Gabarito oficial da banca:

Salve essa questão em um caderno para revisar depois. Adicionar a um caderno

Parabéns! Você acertou!

Mantenha o ritmo! Salve no caderno para revisar depois. Adicionar a um caderno

Q3585028

Ano: 2025 Banca: CESPE / CEBRASPE Órgão: TJ-PA Prova: CESPE / CEBRASPE - 2025 - TJ-PA - Analista Judiciário - Especialidade: Análise de Suporte |

Q3585028 Engenharia de Software

Acerca dos tipos de aprendizado, da inteligência artificial generativa e das redes neurais, julgue o item subsequente.

Em arquiteturas de redes neurais profundas, o uso de funções de ativação não lineares, como ReLU ou Sigmoid, é essencial para que a rede aprenda padrões complexos e não lineares.

Certo

Errado

Incorreta. Gabarito oficial da banca:

Veja esse conteúdo explicado passo a passo em nossos cursos. Buscar curso

Parabéns! Você acertou!

Mandou bem! Revise esse tema nos nossos cursos. Buscar curso

Q3585027

Ano: 2025 Banca: CESPE / CEBRASPE Órgão: TJ-PA Prova: CESPE / CEBRASPE - 2025 - TJ-PA - Analista Judiciário - Especialidade: Análise de Suporte |

Q3585027 Engenharia de Software

Acerca dos tipos de aprendizado, da inteligência artificial generativa e das redes neurais, julgue o item subsequente.

A inteligência artificial generativa inclui modelos como as redes generativas adversárias e os modelos baseados em transformadores, os quais são capazes de criar novos conteúdos, como imagens, textos ou áudios.

Certo

Errado

Incorreta. Gabarito oficial da banca:

Treine mais com um simulado focado no seu concurso. Criar simulado

Parabéns! Você acertou!

Está mandando bem! Treine mais em um simulado completo. Criar simulado

Q3585026

Ano: 2025 Banca: CESPE / CEBRASPE Órgão: TJ-PA Prova: CESPE / CEBRASPE - 2025 - TJ-PA - Analista Judiciário - Especialidade: Análise de Suporte |

Q3585026 Engenharia de Software

Acerca dos tipos de aprendizado, da inteligência artificial generativa e das redes neurais, julgue o item subsequente.

O aprendizado por reforço é utilizado principalmente em tarefas de classificação supervisionada, nas quais o agente aprende com base em dados rotulados fornecidos previamente.

Certo

Errado

Incorreta. Gabarito oficial da banca:

Errou um tema comum da banca? Veja o que mais costuma cair no Raio-X. Ver raio-X

Parabéns! Você acertou!

Essa questão segue o padrão da banca! Veja o que mais costuma cair. Ver raio-X

Q3552608

Ano: 2025 Banca: Ibest Órgão: CRECI - 11ª Região (SC) Prova: Ibest - 2025 - CRECI - 11ª Região (SC) - Analista de TI |

Q3552608 Engenharia de Software

Os chatbots têm sido amplamente utilizados em serviços automatizados de atendimento ao cliente, sistemas de suporte e interfaces conversacionais. Há diferentes abordagens de implementação, como bots baseados em regras, NLP e modelos de linguagem. Assinale a alternativa correta em relação aos chatbots.

A

Chatbots baseados em regras utilizam modelos de machine learning para inferir automaticamente a intenção do usuário em tempo real.

B

Chatbots baseados em NLP conseguem interpretar a intenção do usuário com maior flexibilidade do que os baseados unicamente em regras, possibilitando interações mais naturais.

C

A utilização de modelos de linguagem grandes (LLMs) em chatbots elimina completamente a necessidade de contexto para manter conversas coerentes.

D

O uso de NLP em chatbots impede que esses sistemas sejam integrados com APIs externas, limitando-os a respostas internas.

E

Um chatbot híbrido é aquele que pode operar tanto em canais de texto quanto de voz, independentemente do modelo conversacional utilizado.

Incorreta. Gabarito oficial da banca:

Compare seu desempenho com quem faz o mesmo concurso. Ver concorrência

Parabéns! Você acertou!

Compare seu desempenho com quem faz o mesmo concurso. Ver concorrência

Q3538826

Ano: 2025 Banca: FCC Órgão: TRF - 4ª REGIÃO Prova: FCC - 2025 - TRF - 4ª REGIÃO - Analista Judiciário - Área Apoio Especializado - Especialidade: Análise de Sistemas de Informação |

Q3538826 Engenharia de Software

Em um projeto de implantação de sistemas de apoio à decisão judicial, a equipe de analistas de um tribunal se depara com a necessidade de avaliar o desempenho de diferentes modelos de aprendizado de máquina. Durante os testes, observa-se que um dos modelos apresenta excelente desempenho nos dados de treinamento, mas performance insatisfatória nos dados de validação. Para diagnosticar e corrigir problemas como esse e selecionar o modelo mais adequado, a equipe deve considerar conceitos como

A

normalização de variáveis de entrada, ajuste de hiperparametros e ênfase na acurácia como principal métrica para todos os conjuntos de dados.

B

overfitting, análise de precisão e recall, uso do F1-score e interpretação da curva ROC.

C

ampliação do conjunto de treino e avaliação do desempenho com base em métricas simples, como o percentual de acertos em dados conhecidos.

D

substituição de validação cruzada por divisão fixa dos dados, acompanhada de repetição de testes em conjuntos balanceados.

E

análise do tempo de processamento em paralelo as métricas de avaliação, priorizando modelos com melhor desempenho computacional em tarefas especificas.

Incorreta. Gabarito oficial da banca:

Errou um tema comum da banca? Veja o que mais costuma cair no Raio-X. Ver raio-X

Parabéns! Você acertou!

Essa questão segue o padrão da banca! Veja o que mais costuma cair. Ver raio-X

Q3538825

Ano: 2025 Banca: FCC Órgão: TRF - 4ª REGIÃO Prova: FCC - 2025 - TRF - 4ª REGIÃO - Analista Judiciário - Área Apoio Especializado - Especialidade: Análise de Sistemas de Informação |

Q3538825 Engenharia de Software

Em um projeto voltado à modemização do acompanhamento processual, a equipe de analistas de um tribunal identificou duas demandas distintas: estimar o prazo de conclusão dos processos judiciais a partir de dados histéricos e detectar agrupamentos de demandas com caracteristicas semelhantes, sem informações prévias de classificação. Com base nos conceitos de aprendizado de maquina, a solução adequada para atender a esses objetivos envolve a utilização de modelos

A

baseados em regras, que utilizam conhecimento prévio sobre categorias de dados para identificar padrões e agrupar entradas sem depender de algoritmos de aprendizado automático.

B

supervisionados para classificação de categorias conhecidas e modelos descritivos para análise de similaridades em conjuntos rotulados.

C

supervisionados para tarefas de regressão e classificação, sendo aplicaveis inclusive na identificação de estruturas de agrupamento quando há inferência posterior.

D

descritivos capazes de apoiar a previsão de variáveis em cenários com baixa disponibilidade de rotulagem, com uso complementar de técnicas supervisionadas para refinamento estatistico.

E

descritivos voltados à identificação de padrões ocultos e modelos supervisionados aplicados à previsão de variáveis-alvo.

Incorreta. Gabarito oficial da banca:

Compare seu desempenho com quem faz o mesmo concurso. Ver concorrência

Parabéns! Você acertou!

Compare seu desempenho com quem faz o mesmo concurso. Ver concorrência

Q3538824

Ano: 2025 Banca: FCC Órgão: TRF - 4ª REGIÃO Prova: FCC - 2025 - TRF - 4ª REGIÃO - Analista Judiciário - Área Apoio Especializado - Especialidade: Análise de Sistemas de Informação |

Q3538824 Engenharia de Software

No decorrer do desenvolvimento de um sistema de suporte à decisão baseado em técnicas de aprendizado de máquina, a equipe de analistas de um tribunal identificou a necessidade de aplicar técnicas de pré-processamento aos dados disponiveis, que incluiam tanto registros tabulares quanto documentos em texto livre. Considerando as práticas de preparação de dados para algoritmos de IA/ML, o pré-processamento de dados estruturados e não estruturados consiste, respectivamente, em atividades como

A

compressão de arquivos e criptografia de registros.

B

normalização de variáveis e tokenização de textos.

C

execução de auditoria de sistemas e clusterização de bases.

D

autenticação de usuários e mineração de dados sensiveis.

E

implementação de redes neurais e classificação supervisionada.

Incorreta. Gabarito oficial da banca:

Esse erro também aparece no seu Resumão. Veja o que melhorar

Parabéns! Você acertou!

Esse acerto está no seu Resumão. Ver Resumão da semana

Q3538640

Ano: 2025 Banca: FCC Órgão: TRF - 4ª REGIÃO Prova: FCC - 2025 - TRF - 4ª REGIÃO - Técnico Judiciário - Área Apoio Especializado - Especialidade: Desenvolvimento de Sistema da Informação |

Q3538640 Engenharia de Software

No desenvolvimento de soluções de Inteligência Artificial para um tribunal, a equipe técnica precisa implementar modelos de Machine Learning de forma integrada em pipelines de produção, considerando práticas de MLOps para garantir a confiabilidade e a atualização contínua dos modelos implantados. Em um projeto que envolve a criação de um sistema de recomendação baseado em processamento de linguagem natural (NLP) e a identificação de anomalias para prevenção de fraudes, a configuração do pipeline de produção deve adotar estratégias que

A

estabeleçam fluxos de atualização baseados em monitoramento manual, com reavaliações periódicas dos modelos conduzidas conforme demandas operacionais pontuais.

B

concetrem os processos de ingestão, transformação e treinamento em única etapa para facilitar manutenções pontuais, mesmo que sem orquestração automatizada de reexecução completa.

C

integrem práticas de Continuous Integration/Continuous Delivery (CI/CD) específicas para Machine Learning, facilitando a atualização e monitoramento dos modelos em produção.

D

concentrem o processo de engenharia de atributos na maximização da variedade de entradas, isentando da aplicação de mecanismos de seleção baseados em relevância estatística ou impacto preditivo.

E

organizem as tarefas de recomendação e detecção de anomalias em pipelines serializados, utilizando fontes de dados independentes para evitar acoplamento excessivo entre os modelos.

Incorreta. Gabarito oficial da banca:

Salve essa questão em um caderno para revisar depois. Adicionar a um caderno

Parabéns! Você acertou!

Mantenha o ritmo! Salve no caderno para revisar depois. Adicionar a um caderno

Q3531994

Ano: 2025 Banca: CESPE / CEBRASPE Órgão: Polícia Federal Prova: CESPE / CEBRASPE - 2025 - Polícia Federal - Perito Criminal Federal - Área 3: Informática Forense |

Q3531994 Engenharia de Software

Julgue os itens a seguir, relativos à inteligência artificial (IA).

LLM (Large Language Models) são modelos de aprendizado profundo pré-treinados em grandes quantidades de dados que podem ser utilizados para gerar texto e outros conteúdos, além de executar outras tarefas de processamento de linguagem natural.

Certo

Errado

Incorreta. Gabarito oficial da banca:

Errou um tema comum da banca? Veja o que mais costuma cair no Raio-X. Ver raio-X

Parabéns! Você acertou!

Essa questão segue o padrão da banca! Veja o que mais costuma cair. Ver raio-X

Questões de Concurso Sobre inteligencia artificial em engenharia de software

Foram encontradas 778 questões