Questões de Concurso
Sobre inteligencia artificial em engenharia de software
Foram encontradas 758 questões
Julgue o próximo item, relativo à normalização de dados, à modelagem de dados NoSQL e ao DataMesh.
No DataMesh, os dados são tratados como produtos, e cada domínio é responsável por fornecer, manter e documentar seus próprios dados.
Julgue o próximo item, relativo a manipulação, tratamento e visualização de dados, ETL e ELT, e MLOps.
No tratamento de valores ausentes em conjuntos de dados, a imputação baseada em modelos como KNN ou regressão geralmente preserva melhor as relações estatísticas entre variáveis do que métodos simples como substituição pela média ou mediana, especialmente quando os dados não estão ausentes completamente ao acaso (MCAR).
Julgue o próximo item, relativo a manipulação, tratamento e visualização de dados, ETL e ELT, e MLOps.
A principal vantagem da transição de ETL para ELT é a redução do tempo de processamento, já que a transformação dos dados ocorre antes do carregamento no data warehouse, otimizando o uso de recursos computacionais.
Julgue o próximo item, relativo a manipulação, tratamento e visualização de dados, ETL e ELT, e MLOps.
Na implementação de MLOps, o monitoramento de modelos em produção deve centrar-se nas métricas de desempenho técnico como a latência, sendo a detecção de viés algorítmico uma preocupação restrita à fase de desenvolvimento do modelo.
A respeito de aprendizagem de máquina, julgue o item que se segue.
Em validação cruzada k-fold, cada instância do conjunto de dados é utilizada uma única vez para teste, o que garante avaliação equilibrada.
A respeito de aprendizagem de máquina, julgue o item que se segue.
No agrupamento hierárquico, ao contrário do k-means, não se exige especificação prévia do número de clusters.
A respeito de aprendizagem de máquina, julgue o item que se segue.
O modelo de aprendizado supervisionado ajusta uma função de mapeamento a partir de exemplos rotulados para generalizar dados ainda não vistos.
A respeito de aprendizagem de máquina, julgue o item que se segue.
No algoritmo Apriori, utilizado para mineração de regras de associação, o princípio da monotonicidade estabelece que, se um itemset for frequente, então todos os seus superconjuntos também serão frequentes, o que permite uma poda eficiente do espaço de busca.
Com relação aos tipos de aprendizado, analise os itens a seguir.
I. No aprendizado não supervisionado, o agente aprende a partir de padrões na entrada, mesmo que nenhum feedback explícito tenha sido fornecido anteriormente, sendo empregadas como as técnicas mais comuns a regressão e a classificação.
II. No aprendizado acelerado, o agente usa grandes modelos de linguagens pré-existentes e aprende a partir de série de contribuições de uma rede semântica composta por conceitos, recompensas ou punições. Por exemplo, a falta de gorjeta no final da viagem dá ao agente uma indicação de que fez algo errado, cabe ao agente decidir quais das ações anteriores a contribuição foram mais responsáveis por ele.
III. No aprendizado supervisionado, o agente observa e analisa alguns pares de dados rotulados de entrada-saída como exemplo e aprende uma função que faz o mapeamento da entrada para a saída.
Está correto, o que se afirma em
I. Técnicas de IA têm sido utilizadas para detectar padrões anômalos em redes e identificar ataques cibernéticos com maior precisão e em tempo real.
II. Cibercriminosos têm explorado a IA para automatizar ataques, criar malwares adaptativos e gerar conteúdos falsos mais convincentes, como deepfakes e e-mails de phishing.
III. A utilização de IA na cibersegurança eliminou completamente a necessidade de profissionais humanos na detecção e resposta a incidentes.
Assinale a alternativa correta:
Assinale a opção que contém apenas os nomes dos métodos de clusterização disponíveis no módulo.
Para treinar um modelo pré-treinado adaptando-o às tarefas e aos conjuntos de dados específicos do domínio do MPU, Jonas deve realizar um(a):
Acerca de inteligência artificial e machine learning, julgue o item que se segue.
Para avaliar o desempenho de um classificador em problemas de classificação com classes significativamente desbalanceadas, a métrica acurácia é a mais adequada, pois considera a proporção de previsões corretas em relação ao total de amostras.
Conheça nossos planos