Considerando o uso de metodologias ágeis para gerenciar projetos de desenvolvimento de software de forma iterativa e incremental, avalie as afirmativas a seguir.

I. Em reuniões diárias e de curta duração (Daily Scrums), os membros do time Scrum são incentivados a expor o que fizeram desde a última reunião, o que planejam fazer até a reunião seguinte e a reportar algum impedimento que esteja atrapalhando o desenvolvimento de suas atividades.
II. O uso do Scrum junto ao método Kanban é uma prática muito comum nas organizações. De forma sucinta, cria-se um sistema em que as histórias de usuário são puxadas sob demanda, de acordo com a capacidade do sistema, como um todo, em identificar, desenvolver e entregar os itens de maior valor.
III. A necessidade de agregar maior valor aos processos de desenvolvimento de software propiciou o surgimento de metodologias ágeis tais como o Extreme Programming (XP), com foco em feedback constante e entregas incrementais. Uma prática fundamental do XP é o desenvolvimento orientado a testes (Test Driven Development – TDD). Com testes automatizados aplicados somente ao final do processo de desenvolvimento, o TDD possibilita maior alinhamento aos requisitos e menor risco de falhas.

Está correto o que se afirma em

Considere a biblioteca Pandas e o trecho de código a seguir:

import pandas as pd
data = {'Cidade': ['Parauapebas', 'Marabá', 'Altamira'], 'Região': ['I', 'II', 'II'], 'Jan': [150, 395, 300], 'Fev': [275, 195, 250], 'Mar': [250, 280, 200] }

df = pd.DataFrame(data,
columns=['Cidade','Região','Jan', 'Fev','Mar'])
print(df.groupby('Região')[['Jan', 'Fev',
'Mar']].mean().iloc[1,2])

Assinale a opção que apresenta o valor numérico exibido como saída ao comando print.

O desenvolvimento de algoritmos de Inteligência Artificial generativa está relacionado a aspectos éticos com impactos sociais, culturais e econômicos. Entre as diretrizes presentes em diversos instrumentos regulatórios relacionados à IA generativa, destaca-se a priorização de abordagens considerando os aspectos que formam a matriz FAT.
O acrônimo FAT é formado pelos seguintes princípios éticos relacionados ao desenvolvimento de algoritmos: 

O campo da inteligência artificial generativa é dedicado ao desenvolvimento de algoritmos capazes de gerar novas instâncias de dados. Suas aplicações incluem, por exemplo, a criação de textos, imagens, áudio e vídeo. As redes generativas adversárias (Generative Adversarial Networks – GANs) são um exemplo de IA generativa que possuem arquitetura baseada em duas redes, chamadas geradora e discriminadora, que competem entre si.
Um dos principais problemas das GANs ocorre quando a rede geradora produz apenas uma quantidade limitada de tipos de dados, mesmo que seus dados de treinamento sejam mais ricos e diversificados. Isso ocorre porque a rede geradora consegue “enganar” a rede discriminadora mais facilmente quando dados daqueles tipos específicos são produzidos.
A esse fenômeno dá-se o nome de 

Em processamento de linguagem natural (Natural Language Processing - NLP), é fundamental que sejam utilizadas técnicas para representar palavras numericamente como vetores. As representações numéricas são importantes para capturar relações semânticas entre as palavras, permitindo, por exemplo, processamentos para a detecção de similaridades entre palavras e o desenvolvimento de chatbots.
Entre as técnicas de NLP para a representação numérica de palavras destacam-se as seguintes: 

Alguns dos primeiros modelos de linguagem de larga escala desenvolvidos tendiam a gerar resultados incorretos com excesso de confiança, caracterizando o que se convencionou chamar de alucinações dos modelos. Uma estratégia de mitigação das alucinações é o uso da técnica de Geração Aumentada por Recuperação, ou Retrieval-Augmented Generation (RAG).
A respeito da RAG, avalie as afirmativas a seguir.

I. Baseia-se na combinação de sistemas de recuperação de informações e de modelos generativos capazes de produzir novos textos.
II. Permite aos modelos buscarem informações relevantes em bases de dados mais confiáveis durante o processamento das consultas dos usuários (user queries), viabilizando melhor adequação a contextos e melhor qualidade das respostas.
III. Não altera os parâmetros dos modelos generativos, e, portanto, não influencia o treinamento das redes neurais com informações recuperadas de bases de dados externas.

Está correto o que se afirma em

As arquiteturas de modelos de linguagem de larga escala (Large Language Models – LLM) surgiram recentemente, revolucionando a área de inteligência artificial nas áreas de processamento e geração de texto. A arquitetura desses modelos baseia-se, majoritariamente, nas redes neurais do tipo transformers.
Relacione as arquiteturas a seguir as suas características principais.

1. BERT
2. GPT
3. T5

( ) Utiliza decoders das redes transformer para prever novos tokens a partir de uma sequência, tornando-se ideal para a geração de textos.
( ) Utiliza encoders das redes transformer para "entender" o contexto de frases, tornando-se ideal para classificação de textos.
( ) Utiliza encoders e decoders das redes transformer, sendo adaptável a situações em que seja necessário gerar novos textos ou processar textos para "entender" o contexto das frases.
( ) Em comparação com as outras arquiteturas, tem menor necessidade de fine-tuning para melhora de performance.

A relação correta, na ordem apresentada, é

Alguns algoritmos de aprendizado de máquina servem para agrupar instâncias de dados em clusters, podendo ser utilizados para tarefas como segmentação de imagens, ou segmentação social (por exemplo, para agrupamento de clientes em uma mesma categoria.
Dois dos mais populares algoritmos são o K-means e o DBSCAN. A respeito desses algoritmos, relacione-os com suas principais características:

1. K-means
2. DBSCAN
( ) Precisa da definição de um número inicial de agrupamentos.
( ) Mais robusto à ocorrência de outliers, por sua provável localização em regiões de baixa densidade de dados.
( ) Precisa da definição do número mínimo de vizinhos e do raio da vizinhança para determinar limites dos agrupamentos.
( ) Determina centróides dos agrupamentos e agrupa as instâncias de dados em função de uma métrica de distância entre as instâncias e os centróides.

Das opções a seguir, aquela que indica a relação correta na sequência apresentada é 

Modelos de previsão podem ser obtidos a partir do uso de técnicas de regressão. Dentre essas técnicas, pode-se citar a técnica de regressão polinomial.
Considere o conjunto de dados e a informação a seguir:



Deseja-se encontrar um modelo de regressão polinomial de 2º grau Y = a₀ + a₁ X + a₂ X² que melhor se encaixe nesse conjunto de dados.
Estimando-se pelo método dos mínimos quadrados, os valores de a₀, a₁ e a₂ serão dados, respectivamente, por

Diferentes técnicas de classificação são utilizadas em aprendizado de máquina para organizar e categorizar dados de acordo com características predefinidas.
Com respeito a técnicas de classificação em aprendizado de máquina, analise as afirmativas a seguir:

I. A regressão logística determina um hiperplano no espaço n- dimensional para separar as instâncias de dados de entrada em partições de acordo com suas classes.
II. As máquinas de vetores de suporte (Support Vector Machines - SVM) consistem em uma abordagem probabilística, determinando uma distribuição de probabilidades de que uma nova instância de dados de entrada pertença as respectivas classes.
III. O algoritmo K vizinhos mais próximos (K Nearest Neighbors - KNN) classifica uma nova instância de dados de entrada conforme a classe das instâncias mais próximas já observadas.

Está correto o que se afirma em

Modelos de aprendizagem de máquina são, em geral, avaliados com métricas que indicam os quão poderosos e relevantes eles são.
Entre exemplos de métricas de avaliação utilizadas para modelos de classificação binária, é correto citar

• a taxa de precisão (razão entre verdadeiros positivos e o total dos verdadeiros positivos e falsos positivos);
• a taxa de sensibilidade (razão entre verdadeiros positivos e o total dos verdadeiros positivos e falsos negativos, também conhecida por recall); e
• o escore F1 (F1-score, também chamado de F-measure), que relaciona as taxas de precisão e de sensibilidade.

Suponha a existência de um modelo de classificação binária cuja taxa de precisão é de 90,00% e cuja taxa de sensibilidade é de 75,00%. Utilize aproximação de duas casas decimais.

O escore F1 referente a esse modelo é 

O custo médio ponderado de capital (weighted average capital cost – WACC) é uma medida utilizada pelas empresas para avaliar a viabilidade de projetos de investimento e determinar o custo de financiamento de suas operações. O WACC

Uma empresa está analisando suas demonstrações financeiras para o ano de 2024, as quais são explicitadas na tabela a seguir, e deseja entender melhor seus custos e despesas operacionais.

componente	$
receita bruta de vendas	800.000
devoluções e abatimentos	50.000
receita líquida de vendas	750.000
custo das mercadorias vendidas (CMV)	400.000
despesas administrativas	60.000
despesas de vendas	40.000
despesas com marketing	30.000
outras despesas operacionais	20.000

Com base nas informações apresentadas, assinale a opção em que é corretamente apresentado o valor total dos custos e despesas operacionais da empresa.

Uma empresa apresentou a seguinte demonstração do resultado do exercício (DRE) para o ano de 2023.

componente	$
receita bruta de vendas	600.000
deduções e abatimentos	50.000
custo das mercadorias vendidas (CMV)	300.000
despesas operacionais	—
despesas administrativas	80.000
despesas de vendas	40.000
outras receitas	15.000
outras despesas	5.000

Com base nas informações apresentadas e considerando-se que as alíquotas de imposto de renda (IR) e contribuição social sobre o lucro líquido (CSLL) somadas sejam de 10%, é correto concluir que o lucro líquido dessa empresa hipotética no ano de 2023 foi igual a

Uma empresa está avaliando a possibilidade de investir em um projeto. Para isso, ela precisa determinar o retorno esperado do projeto e compará-lo ao prêmio de risco do mercado. A taxa livre de risco () é de 3% ao ano; o retorno esperado do mercado () é de 8% ao ano; e o beta (β) do projeto é 1,5.

Na situação hipotética em apreço, o prêmio de risco do mercado e o retorno esperado do projeto são, respectivamente, iguais a

Uma empresa está avaliando um projeto que requer um investimento inicial de $ 1.000 e que gerará fluxo de caixa de $600 no primeiro ano e de $ 660 no segundo ano.

Nessa situação hipotética, a taxa interna de retorno (TIR) do projeto é

Uma empresa está considerando elaborar um projeto que requer um investimento inicial de R$ 1.000 e que gerará um fluxo de caixa de R$ 400 em cada um dos próximos três anos, com uma taxa de desconto anual de 10%.

Considerando a situação hipotética apresentada, assinale a opção que apresenta corretamente o valor presente líquido (VPL) do projeto e a decisão que a empresa deve tomar acerca do investimento.

A avaliação econômica de um projeto envolve várias etapas, a fim de garantir sua viabilidade e eficiência. Assinale a opção que corresponde à sequência correta de etapas para a elaboração de um projeto.

De acordo com a Resolução CMN n.º 4.963/2021, é lícito aos regimes próprios de previdência social

Considerando as medidas que a Comissão de Valores Mobiliários (CVM) poderá ou não adotar com a finalidade de prevenir ou corrigir situações anormais de mercado, julgue os itens a seguir.

I A CVM poderá suspender a negociação de determinado valor mobiliário ou decretar o recesso de bolsa de valores.

II É vedado à CVM divulgar informações ou recomendações com a finalidade de esclarecer ou orientar os participantes do mercado.

III A CVM poderá proibir aos participantes do mercado, sob cominação de multa, a prática de atos que especificar prejudiciais ao seu funcionamento regular.

Assinale a opção correta.