A respeito da proteção de dados pessoais no Brasil, dos grandes modelos de linguagem (LLMs) e do uso de redes neurais no setor jurídico, julgue o item que se segue.  

Os LLMs se destacaram recentemente em decorrência do aprimoramento das técnicas de treinamento com feedback humano; da maior acessibilidade via interfaces de uso simples como ChatGPT e Gemini; do avanço da potência computacional com GPUs; e da melhoria dos dados de treinamento.  

A respeito da proteção de dados pessoais no Brasil, dos grandes modelos de linguagem (LLMs) e do uso de redes neurais no setor jurídico, julgue o item que se segue.  

De acordo com a Lei Geral de Proteção de Dados Pessoais, no contexto de um sistema informatizado de um órgão público, é atribuição do encarregado de dados tomar decisões referentes ao tratamento de dados pessoais, a exemplo da definição das finalidades do respectivo tratamento.

Julgue o item subsequente, no que concerne ao uso da biblioteca Hugging Face Transformers com PyTorch e aos sistemas baseados na arquitetura RAG (retrieval-augmented generation).

Considerando-se que os sistemas baseados na arquitetura RAG são projetados para mitigar limitações dos grandes modelos de linguagem, como a alucinação factual e a dificuldade de atualização constante, é correto afirmar que o uso do RAG permite incorporar documentos normativos, jurisprudência ou doutrina diretamente no processo de geração de respostas, viabilizando consultas mais confiáveis, com rastreabilidade das fontes e sem a necessidade de retreinamento do modelo-base. 

Julgue o item subsequente, no que concerne ao uso da biblioteca Hugging Face Transformers com PyTorch e aos sistemas baseados na arquitetura RAG (retrieval-augmented generation).

Embora a biblioteca Hugging Face ofereça suporte a múltiplos frameworks, alguns modelos específicos — especialmente os mais antigos, originalmente treinados em TensorFlow — podem apresentar dificuldades de integração em pipelines de inferência desenvolvidos em PyTorch, como os utilizados em aplicações jurídicas; nesses casos, pode ser recomendável adaptar ou reconstruir o modelo em PyTorch para assegurar compatibilidade e controle total sobre o fluxo de dados. 

Acerca do processamento de linguagem natural e dos conceitos de modelos preditivos (supervisionados) e descritivos (não supervisionados), julgue o item a seguir.  

Em análise preditiva, algoritmos de classificação podem ser treinados a partir de conjuntos de dados sem rótulos; sendo o processo de ajuste dos parâmetros pelo algoritmo com base nesses dados denominado aprendizado supervisionado. 

Acerca do processamento de linguagem natural e dos conceitos de modelos preditivos (supervisionados) e descritivos (não supervisionados), julgue o item a seguir.  

Em um pipeline de pré-processamento de linguagem natural aplicado ao domínio jurídico, a tokenização deve, necessariamente, ser precedida pela lematização, uma vez que a lematização opera sobre formas canônicas já segmentadas. 

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.  

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

Deepfakes são vídeos gerados por IA para produzir conteúdo altamente realista e podem ser criados por meio de rede adversária generativa (GAN), a qual corresponde a uma arquitetura de aprendizado profundo que treina duas redes neurais para competirem entre si. 

No que se refere ao SonarQube, às estruturas de dados e à complexidade de algoritmos, julgue os itens subsecutivos. 
No SonarQube, um QualityGate representa um conjunto de condições que um projeto deve satisfazer a fim de que seu código seja considerado aceitável para prosseguir no pipeline de desenvolvimento ou para ser liberado.

Julgue os itens subsecutivos, em relação às redes neurais denominadas CNN, RNN e LSTM.  
Em redes CNN, a inserção no modelo neural de um kernel de dimensão n × n acarreta a inclusão de n × n + 1 parâmetros ao modelo, caso a inserção do kernel seja acompanhada da inclusão de um bias.  

No que se refere a redes neurais, julgue os itens a seguir.

A técnica denominada dropout em redes neurais busca, entre outros objetivos, atuar na regularização da rede, podendo contribuir na mitigação de problemas causados por mínimos locais da função custo do modelo implementado pela rede. 

Julgue o item subsecutivo, no que se refere a aprendizado de máquina e API (application programming interface).

Em aprendizado de máquina, não há overfitting. 

Julgue o item subsecutivo, no que se refere a aprendizado de máquina e API (application programming interface).
REST (Representational state transfer) e GraphQL são dois tipos de API, cada um com suas características técnicas particulares. 

Julgue o item subsecutivo, no que se refere a aprendizado de máquina e API (application programming interface).

Em aprendizado de máquina, as técnicas de classificação e regressão são exemplos de aplicações práticas para a solução de problemas.  

Acerca de machine learning, do sistema operacional Linux, do protocolo DNS e dos modelos de serviço em nuvem, julgue o item subsequente.  
Em machine learning supervisionado, o algoritmo aprende, a partir de um conjunto de dados rotulados, a identificar padrões e realizar previsões em novos dados.  

Julgue o item que se segue, referentes a computação em nuvem, fundamentos da teoria geral de sistemas e sistemas de informação.  

Na análise de requisitos de um sistema de informação, a etapa de especificação pode ser desconsiderada e substituída diretamente pelos ambientes de testes, homologação e produção, desde que os requisitos tenham sido bem definidos e documentados.  

No que se refere a processamento de linguagem natural, árvores de decisão e Python, julgue o item que se segue. 

O modelo BoW (bag of words) é capaz de capturar relações sinonímicas entre palavras.  

Em relação ao processo unificado (RUP), julgue o item que se segue. 

A duração de uma iteração é influenciada pelo tamanho do projeto e pelo nível de automação utilizado para o gerenciamento do código, a distribuição de informações e a realização de testes. 

        Uma fundação está atualizando seu sistema de gestão de bibliotecas (SisBib) com a inclusão de uma nova funcionalidade para reserva online de livros e remoção da tela de renovação manual.

Tendo como referência a situação hipotética apresentada, julgue o próximo item. 

De acordo com os critérios definidos pelo IFPUG para contagem de pontos de função, consideradas duas funções de entrada externa (EE) e uma função de arquivo lógico interno (ALI), todas com complexidade baixa, a estimativa de pontos de função para a melhoria do mencionado sistema de gestão de bibliotecas será igual a 15.