Questões de Engenharia de Software - Inteligencia Artificial para Concurso - Página 8

Q3052458

Ano: 2024 Banca: FGV Órgão: Prefeitura de Vitória - ES Prova: FGV - 2024 - Prefeitura de Vitória - ES - Analista em Gestão Pública - Estatístico |

Q3052458 Engenharia de Software

No processamento de linguagem natural (PLN), a redução de dimensionalidade é vital para simplificar dados textuais e melhorar o desempenho dos algoritmos de aprendizado de máquina. Diversos métodos são usados para esse fim, cada um com suas próprias características.
Na redução de dimensionalidade em PLN, a técnica utilizada é chamada

A

Apriori.

B

K-means.

C

PCA (Principal Component Analysis).

D

Redes neurais LSTM (Long Short-Term Memory).

E

TF-IDF (Term Frequency-Inverse Document Frequency).

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3052456

Ano: 2024 Banca: FGV Órgão: Prefeitura de Vitória - ES Prova: FGV - 2024 - Prefeitura de Vitória - ES - Analista em Gestão Pública - Estatístico |

Q3052456 Engenharia de Software

No aprendizado de máquina, técnicas de classificação e agrupamento têm objetivos distintos.
Assinale a opção que descreve corretamente uma diferença fundamental entre técnicas de agrupamento e técnicas de classificação.

A

Técnicas de agrupamento agrupam dados não rotulados, enquanto técnicas de classificação usam dados rotulados para prever classes.

B

Técnicas de agrupamento dividem dados em classes predefinidas, enquanto técnicas de classificação descobrem novas classes.

C

Técnicas de agrupamento são supervisionadas, enquanto técnicas de classificação são não supervisionadas.

D

Técnicas de agrupamento são usadas exclusivamente em análise de texto, enquanto técnicas de classificação são usadas em análise de imagem.

E

Técnicas de agrupamento utilizam modelos baseados em árvores de decisão, enquanto técnicas de classificação utilizam métodos de k-médias.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3048293

Ano: 2024 Banca: IF-SP Órgão: IF-SP Prova: IF-SP - 2024 - IF-SP - Professor EBTT - Controle e Automação |

Q3048293 Engenharia de Software

Redes Neurais Artificiais são técnicas computacionais que utilizam um modelo matemático inspirado no neurônio biológico, obtendo aprendizado pela experiência. Encontra aplicações em visão computacional, automação residencial e industrial, robótica, microeletrônica, entre outros. A respeito de redes neurais MLP (Multi-layer Perceptron), analise as afirmativas:

I. Os parâmetros a serem definidos para a execução de uma rede MLP são número de camadas, número de neurônios em cada camada, taxa de aprendizado e função de ativação;

II. São redes recorrentes;

III. Os neurônios da camada oculta são capazes de capturar a não-linearidade dos dados;

IV. Geralmente utiliza-se a função sigmóide como função de ativação nas camadas oculta e de saída.

As afirmativas corretas são:

A

I e IV apenas

B

I e III apenas

C

I, II e IV apenas

D

I, III e IV apenas

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3048291

Ano: 2024 Banca: IF-SP Órgão: IF-SP Prova: IF-SP - 2024 - IF-SP - Professor EBTT - Controle e Automação |

Q3048291 Engenharia de Software

Redes Neurais Artificiais são consideradas como a tecnologia mais avançada para a descoberta de padrões em dados. Têm sido utilizadas para resolver uma grande diversidade de aplicações, tais como tradução de idiomas, reconhecimento de fala e legendagem de imagens, além de aplicações no mercado de ações por grandes empresas como IBM, Google e Microsoft. Redes Neurais podem ser definidas como processadores paralelamente distribuídos, constituídos de unidades de processamento simples, que têm a capacidade natural de armazenar conhecimento experimental e torná-lo disponível para uso. Com respeito à arquitetura de redes neurais artificiais, uma rede auto-realiamentada se refere a uma:

A

rede recorrente com múltiplas camadas.

B

rede alimentada adiante com única camada.

C

rede alimentada diretamente com múltiplas camadas.

D

rede MLP.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3048126

Ano: 2024 Banca: CESGRANRIO Órgão: BNDES Prova: CESGRANRIO - 2024 - BNDES - Analista - Ciência de Dados (Manhã) |

Q3048126 Engenharia de Software

Em aplicações modernas de Processamento de Linguagem Natural, usando Grandes Modelos de Linguagem (Large Language Models – LLM) é comum a necessidade de usar informações relevantes que estão em documentos novos e privados, que não foram usados no pré-treinamento dos modelos de LLM. Considerando que esses documentos podem ser longos e em grande quantidade, que o tamanho do contexto usado na chamada à Application Programming Interface (API) da LLM é limitado, e ainda pensando que os custos de processar são muitas vezes calculados por quantidade de tokens, foi desenvolvida a técnica conhecida como Retrieval Augmented Generation (RAG).
Considerando-se esse contexto, qual é a característica da técnica RAG?

A

Compara a resposta da LLM aos documentos recuperados para verificar seu alinhamento com a resposta desejada.

B

Refina a LLM previamente com base nos documentos, evitando custos adicionais por contexto.

C

Realiza uma tarefa de recuperação de informação para selecionar as partes de documentos que devem ser enviadas dentro do contexto.

D

Revisa localmente todas as possibilidades combinatórias das partes de documentos escolhendo um número mínimo ótimo, reduzindo assim o custo de análise.

E

Usa chamadas recursivas a LLM para enviar todas as partes necessárias do documento.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3048122

Ano: 2024 Banca: CESGRANRIO Órgão: BNDES Prova: CESGRANRIO - 2024 - BNDES - Analista - Ciência de Dados (Manhã) |

Q3048122 Engenharia de Software

Um pesquisador de ciência de dados foi encarregado de analisar a capacidade de um modelo de aprendizado de máquina em prever se um cliente é bom pagador. Para isso, possuía um conjunto de dados de testes rotulado, sobre o qual aplicou o modelo e obteve a matriz de confusão a seguir:

Imagem associada para resolução da questão

Imagem associada para resolução da questão

Considerando-se esse contexto, quais são, respectivamente, os valores aproximados, em 2 casas decimais, da precisão (precision) e da revocação (recall) obtidos pelo modelo?

A

0,82 e 0,85

B

0,82 e 0,90

C

0,85 e 0,90

D

0,90 e 0,82

E

0,90 e 0,85

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3048120

Ano: 2024 Banca: CESGRANRIO Órgão: BNDES Prova: CESGRANRIO - 2024 - BNDES - Analista - Ciência de Dados (Manhã) |

Q3048120 Engenharia de Software

Uma equipe de desenvolvimento de Inteligência Artificial (IA) em uma empresa de tecnologia está implementando um sistema de recomendação baseado em aprendizado de máquina. Durante o processo de implementação, a equipe precisa estar atenta aos potenciais riscos e vulnerabilidades associados ao uso da IA. O sistema utiliza grandes volumes de dados históricos de clientes para treinar seus modelos. Há uma preocupação com a possibilidade de invasores manipularem a entrada de dados para enganar o modelo e gerar saídas indesejadas ou incorretas. A equipe deve também garantir que o modelo não exponha dados sensíveis dos clientes.
Considere as seguintes afirmativas com relação à mitigação dos riscos identificados:

I - adotar uma abordagem de fairness-aware learning para corrigir potenciais vieses no modelo, garantindo que as recomendações sejam justas para todos os grupos de usuários.
II - implementar métodos de robustness testing para simular ataques adversariais e avaliar a resiliência do modelo, e realizar auditorias regulares para identificar e corrigir vieses algorítmicos.
III - implementar técnicas de data augmentation para aumentar a diversidade dos dados de treinamento, reduzindo o risco de viés algorítmico, e adotar uma estratégia de monitoramento contínuo para detectar e mitigar ataques adversariais.
IV - utilizar técnicas de differential privacy durante o treinamento do modelo para proteger dados sensíveis e garantir que as previsões do modelo não revelem informações específicas dos clientes.

Estão corretas as seguintes afirmativas:

A

I e II, apenas.

B

II, III e IV, apenas.

C

I, III e IV, apenas.

D

II e IV, apenas.

E

I, II, III e IV.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3048116

Ano: 2024 Banca: CESGRANRIO Órgão: BNDES Prova: CESGRANRIO - 2024 - BNDES - Analista - Ciência de Dados (Manhã) |

Q3048116 Engenharia de Software

Ao avaliar a performance de diversos modelos preditivos para um problema de regressão e outro de classificação, várias métricas podem ser utilizadas para determinar qual modelo oferece o melhor desempenho. Considere as métricas para regressão e classificação, bem como as técnicas de detecção de overfitting e underfitting.
Nesse contexto, quais métricas devem ser utilizadas para determinar qual modelo oferece o melhor desempenho?

A

Para avaliar um modelo de regressão, deve-se utilizar a métrica Accuracy (acurácia) para determinar a proporção de previsões corretas, enquanto, no problema de classificação, o uso do R² ajustado é essencial para medir a variabilidade explicada pelo modelo, ajustada pelo número de features.

B

Para modelos de classificação, é importante utilizar a métrica R² para entender a proporção da variância explicada pelo modelo, enquanto o F1-score deve ser utilizado em problemas de regressão em que há um equilíbrio significativo entre as classes.

C

Para a detecção de overfitting e de underfitting, pode ser realizada a observação do trade-off entre viés e variância nas curvas de aprendizagem, independentemente do tipo de modelo (regressão ou classificação), sendo as métricas Accuracy e R² ajustado suficientes para medir a performance em ambos os casos.

D

No problema de regressão, o RMSE (Root Mean Square Error) é ideal para avaliar a média dos erros ao quadrado das previsões, e, para problemas de classificação, a análise da matriz de confusão permite calcular métricas como Precision, Recall, e F1-score, auxiliando na detecção de overfitting e underfitting.

E

No problema de regressão, o uso do MAE (Mean Absolute Error) é preferível ao RMSE (Root Mean Square Error) quando se deseja penalizar fortemente grandes erros, e, para problemas de classificação, a matriz de confusão é suficiente para detectar overfitting e underfitting.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3048113

Ano: 2024 Banca: CESGRANRIO Órgão: BNDES Prova: CESGRANRIO - 2024 - BNDES - Analista - Ciência de Dados (Manhã) |

Q3048113 Engenharia de Software

Como parte do processo de desenvolvimento de uma aplicação para analisar grandes volumes de textos, diversas tarefas de Processamento de Linguagem Natural (NLP, sigla em inglês) estão sendo implementadas para melhorar a eficácia e a precisão dessa aplicação.
Diante disso, para a aplicação dessas tarefas, é necessário

A

aplicar as técnicas de similaridade textual para realizar a rotulação de partes do discurso (POS-tagging), atribuindo uma etiqueta gramatical a cada palavra com base em sua posição no texto.

B

empregar a extração de informação para identificar e classificar as relações entre as entidades em um corpus de documentos, e em seguida aplicar a sumarização de texto para criar resumos automáticos do conteúdo.

C

executar a tradução automática para transformar um texto em outro idioma, utilizando NER para determinar a similaridade entre os textos traduzidos e os originais.

D

implementar a classificação de texto para categorizar automaticamente os documentos, utilizando POS-tagging para melhorar a precisão da rotulação gramatical e a consistência das classes atribuídas.

E

utilizar a análise de sentimento para identificar e extrair entidades nomeadas (NER) dos textos, facilitando a categorização automática das informações extraídas.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3048112

Ano: 2024 Banca: CESGRANRIO Órgão: BNDES Prova: CESGRANRIO - 2024 - BNDES - Analista - Ciência de Dados (Manhã) |

Q3048112 Engenharia de Software

Uma equipe de cientistas de dados está desenvolvendo um modelo preditivo e deseja otimizar seus hiperparâmetros para maximizar a performance do modelo.
Considerando-se as técnicas de otimização de hiperparâmetros, para encontrar a configuração de hiperparâmetros, essa equipe de cientistas deverá

A

aprimorar o modelo utilizando Random Search para explorar uma amostra limitada de hiperparâmetros, complementado por AutoML para automatizar a escolha da melhor arquitetura de modelo, mas sem a necessidade de ajuste posterior dos hiperparâmetros.

B

aplicar Random Search para selecionar aleatoriamente uma combinação de hiperparâmetros, testando apenas uma pequena amostra do espaço de busca e, em seguida, utilizar AutoTuning para selecionar automaticamente as features mais relevantes.

C

empregar algoritmos de otimização como Bayesian Optimization ou Tree-structured Parzen Estimators (TPE), para explorar o espaço de hiperparâmetros de maneira mais eficiente que o Grid Search ou Random Search, ajustando o modelo com base nas amostras mais promissoras.

D

executar AutoFeature Engineering antes de qualquer otimização de hiperparâmetros para garantir que o conjunto de dados esteja completamente preparado, utilizando Grid Search para testar uma única combinação de hiperparâmetros previamente selecionada.

E

utilizar Grid Search para testar todas as possíveis combinações de hiperparâmetros sem um espaço definido, seguido por AutoML para realizar a engenharia automática de features, ajustando o modelo de acordo com os melhores resultados.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3047976

Ano: 2024 Banca: FGV Órgão: Prefeitura de Macaé - RJ Prova: FGV - 2024 - Prefeitura de Macaé - RJ - Analista Previdenciário - Especialidade: Analista de Sistemas |

Q3047976 Engenharia de Software

Large Language Models (LLMs) são um tipo de modelo IA projetado para lidar com tarefas de processamento de linguagem natural (PLN) em uma escala muito grande. Esses modelos são treinados com enormes quantidades de dados textuais e são capazes de entender e gerar texto em linguagem natural de forma altamente sofisticada.
Em relação aos Large Language Models (LLMs), como o GPT, a abordagem mais relevante para melhorar a capacidade do modelo de gerar respostas coerentes e contextualmente apropriadas em conversas prolongadas, entre as listadas, é

A

aumentar o número de parâmetros do modelo.

B

utilizar a técnica de fine-tuning em um grande conjunto de dados não rotulados.

C

implementar um mecanismo de atenção (Attention Mechanism).

D

aplicar a tokenização BPE (Byte Pair Encoding) ao texto de entrada.

E

aumentar a frequência de palavras raras no conjunto de treinamento.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3047975

Ano: 2024 Banca: FGV Órgão: Prefeitura de Macaé - RJ Prova: FGV - 2024 - Prefeitura de Macaé - RJ - Analista Previdenciário - Especialidade: Analista de Sistemas |

Q3047975 Engenharia de Software

Processamento de Linguagem Natural (PLN) é uma subárea da inteligência artificial (IA) que se ocupa da interação entre computadores e linguagem humana. O objetivo do PLN é permitir que os computadores compreendam, interpretem, e gerem linguagem natural de maneira que seja útil e significativa. É um campo interdisciplinar que combina linguística, ciência da computação e aprendizado de máquina. Em Processamento de Linguagem Natural (PLN), assinale a técnica mais adequada, entre as listadas, para capturar a dependência contextual de palavras em uma frase, permitindo que o modelo compreenda o significado baseado no contexto.

A

Bag of Words (BoW).

B

TF-IDF (Term Frequency-Inverse Document Frequency).

C

Word2Vec

D

Redes Neurais Recorrentes (RNN).

E

Tokenização Simples.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3047974

Ano: 2024 Banca: FGV Órgão: Prefeitura de Macaé - RJ Prova: FGV - 2024 - Prefeitura de Macaé - RJ - Analista Previdenciário - Especialidade: Analista de Sistemas |

Q3047974 Engenharia de Software

Deep learning (aprendizado profundo) é uma subárea do aprendizado de máquina que se concentra em algoritmos baseados em redes neurais artificiais profundas. Essas redes neurais têm várias camadas intermediárias entre a entrada e a saída, permitindo que o sistema aprenda representações de dados em múltiplos níveis de abstração.
Em deep learning, o seguinte conceito se refere ao processo de ajustar os pesos de uma rede neural durante o treinamento, de modo a minimizar a função de perda:

A

Inicialização de Pesos.

B

Normalização.

C

Propagação para Frente (Forward Propagation).

D

Backpropagation.

E

Dropout.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3047973

Ano: 2024 Banca: FGV Órgão: Prefeitura de Macaé - RJ Prova: FGV - 2024 - Prefeitura de Macaé - RJ - Analista Previdenciário - Especialidade: Analista de Sistemas |

Q3047973 Engenharia de Software

Das técnicas apresentadas a seguir, a mais adequada para identificar agrupamentos (clusters) em um conjunto de dados não rotulado em um problema de aprendizado de máquina não supervisionado é

A

Regressão Linear.

B

K-means.

C

Regressão Logística.

D

Análise de Componentes Principais (PCA).

E

Máquinas de Vetores de Suporte (SVM) para classificação.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3047972

Ano: 2024 Banca: FGV Órgão: Prefeitura de Macaé - RJ Prova: FGV - 2024 - Prefeitura de Macaé - RJ - Analista Previdenciário - Especialidade: Analista de Sistemas |

Q3047972 Engenharia de Software

Aprendizado de Máquina (Machine Learning) é uma subárea da inteligência artificial (IA) que se concentra em desenvolver algoritmos e modelos que permitem que os sistemas aprendam e façam previsões ou decisões baseadas em dados. O Aprendizado de Máquina pode ser dividido em aprendizado supervisionado, aprendizado não supervisionado e aprendizado por reforço.
No contexto de aprendizado de máquina supervisionado, das técnicas a seguir, a mais apropriada para lidar com um problema de regressão no qual o objetivo é prever um valor numérico contínuo é

A

a Regressão Linear.

B

a Regressão Logística.

C

o K-Nearest Neighbors (KNN) para classificação.

D

a Support Vector Machine (SVM) com kernel linear para classificação.

E

a Árvore de Decisão para classificação.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3047600

Ano: 2024 Banca: IF-SP Órgão: IF-SP Prova: IF-SP - 2024 - IF-SP - Professor EBTT - Informática |

Q3047600 Engenharia de Software

Redes neurais profundas (do inglês Deep Neural Network - DNN) são um tipo de rede neural artificial cuja estrutura possui múltiplas camadas ocultas entre a camada de entrada e a camada de saída, cada uma com seus próprios pesos e bias. As múltiplas camadas proporcionam que as DNNs aprendam representações complexas dos dados, apresentando bons resultados para tarefas complexas como o processamento de linguagem natural, o reconhecimento ou classificação de imagens ou áudio, por exemplo. Especificamente para o problema de classificação de imagens de cães e gatos, qual dos algoritmos abaixo é utilizado para ajustar os pesos das conexões e bias em uma rede neural e que pode melhorar na acurácia da classificação das imagens?

A

Retropropagação.

B

Gradiente descendente.

C

Regressão Linear.

D

Rede Neural Convolucional.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3047593

Ano: 2024 Banca: IF-SP Órgão: IF-SP Prova: IF-SP - 2024 - IF-SP - Professor EBTT - Informática |

Q3047593 Engenharia de Software

Overfitting ocorre quando um modelo de aprendizado de máquina se ajusta tão bem aos dados de treinamento que começa a capturar não apenas os padrões gerais, mas também os ruídos e variações específicas desses dados. Isso resulta em um modelo que tem um desempenho excelente nos dados de treinamento, mas que não consegue realizar generalizações para novos dados. Qual das seguintes abordagens é mais eficaz para mitigar o problema de overfitting em modelos de aprendizado de máquina?

A

Aumentar a complexidade do modelo adicionando mais parâmetros, para capturar mais nuances nos dados de treinamento.

B

Reduzir o conjunto de dados de treinamento para simplificar a base de conhecimento do modelo.

C

Aplicar uma técnica de regularização que penalize a complexidade excessiva do modelo.

D

Utilizar um conjunto de validação maior que o conjunto de treinamento, para melhorar a generalização do modelo.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3046146

Ano: 2024 Banca: CESGRANRIO Órgão: BNDES Prova: CESGRANRIO - 2024 - BNDES - Analista - Análise de Sistemas - Suporte (Manhã) |

Q3046146 Engenharia de Software

Uma empresa de TI adotou a tecnologia de IA para automação de infraestrutura. Para esse caso, incluiu-se um stack de tecnologia na infraestrutura de IA para acelerar o desenvolvimento e a implantação de aplicações, utilizando camadas para essa implantação. Uma dessas camadas consiste em componentes de hardware e software necessários para criar e treinar modelos de IA, tais como processadores especializados, GPUs e ferramentas de otimização e implantação (por software).

A camada que cria e treina esses modelos é a de

A

modelo

B

aplicação

C

infraestrutura

D

dados específicos

E

geral de aprendizado

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3046143

Ano: 2024 Banca: CESGRANRIO Órgão: BNDES Prova: CESGRANRIO - 2024 - BNDES - Analista - Análise de Sistemas - Suporte (Manhã) |

Q3046143 Engenharia de Software

Na instalação de um sistema de suporte e manutenção de TI baseado em Operações de TI assistidas por Inteligência Artificial (AIOps), um dos componentes do sistema está utilizando algoritmos que permitem correlacionar dados não estruturados, eliminar ruídos, alertar sobre anormalidades, identificar causas prováveis e estabelecer linhas de base.

Na terminologia de componentes de AIOps, esse tipo de algoritmo é um algoritmo de

A

automação

B

correlação

C

domínio

D

incrementação

E

padronização

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3046142

Ano: 2024 Banca: CESGRANRIO Órgão: BNDES Prova: CESGRANRIO - 2024 - BNDES - Analista - Análise de Sistemas - Suporte (Manhã) |

Q3046142 Engenharia de Software

Uma empresa usará a tecnologia de Inteligência Artificial para Operações (AIOps) para prever problemas potenciais, como falhas de servidores ou congestionamentos de rede, permitindo que suas equipes de TI atuem proativamente.

No momento, o sistema está trabalhando na fase de Observação que é identificada como sendo a fase na qual a AIOps

A

coletará dados de diversas fontes, tais como logs de sistemas, métricas de performance, etc., de modo que possa haver a integração entre as ferramentas de coleta de dados e de acompanhamento, visando apresentar o estado da infraestrutura.

B

lidará com casos específicos dentro do setor no qual a empresa trabalha, adaptando-se para abordar os desafios existentes para o setor em que está sendo implantado e verificando se os requisitos regulatórios do domínio estão inclusos no sistema.

C

otimizará e controlará a parte de custos de TI, através da análise dos padrões de uso, demanda e capacidade da infraestrutura de TI existentes, fornecendo antecipadamente informação sobre a distribuição mais adequada dos recursos.

D

realizará uma análise para identificar padrões, tendências e possíveis anomalias, com o objetivo de compreender o contexto das operações de TI, fazendo os operadores de TI e os sistemas de AIOps colaborarem na interpretação das informações e agirem na tomada de decisões.

E

tomará decisões automatizadas, executando ações de correção após uma análise de dados, aplicando os módulos de resolução automática de problemas, de implementação de políticas de escalonamento, além dos de prevenção de falhas.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Quer um estudo ilimitado?

Quer um estudo ilimitado?

Questões de Concurso Sobre inteligencia artificial em engenharia de software

Foram encontradas 537 questões