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 o próximo item, a respeito de Big Data, data mining e Oracle Data Integrator (ODI). 

O ODI suporta integração nativa com tecnologias Big Data por meio do ODI Big Data Adapter e é capaz de gerar código HiveQL, Spark e Pig sem que o desenvolvedor escreva manualmente tais scripts. 

Julgue o próximo item, a respeito de Big Data, data mining e Oracle Data Integrator (ODI). 

No ODI, os knowledge modules são componentes reutilizáveis que encapsulam as lógicas de integração e transformação e que podem ser personalizados em linguagens como SQL, Groovy e Shell Script. 

Julgue o próximo item, a respeito de Big Data, data mining e Oracle Data Integrator (ODI). 

As técnicas de data mining operam exclusivamente com dados rotulados, utilizando apenas algoritmos supervisionados, uma vez que a descoberta de padrões requer o conhecimento prévio das classes dos dados. 

Julgue o próximo item, a respeito de Big Data, data mining e Oracle Data Integrator (ODI). 

Uma das funções de data mining é realizar previsões com base em dados históricos, utilizando algoritmos como regressão, redes neurais e árvores de decisão. 

Julgue o próximo item, a respeito de Big Data, data mining e Oracle Data Integrator (ODI). 

Em soluções de Big Data orientadas à análise em tempo real, os dados são invariavelmente persistidos antes de serem processados, o que assegura a integridade analítica e a eliminação completa de latência na geração de insights. 

Julgue o próximo item, a respeito de Big Data, data mining e Oracle Data Integrator (ODI). 

Define-se Big Data apenas pelo volume de dados, sendo o armazenamento eficiente desses dados o principal objetivo dos sistemas modernos de processamento de informações.  

No que concerne aos conceitos de eMAG e de SPA (single-page application), julgue o item a seguir.  

Um SPA é uma implementação de aplicativo web em que frameworks PHP com Zend são uma parte fundamental do desenvolvimento web front-end. 

No que concerne aos conceitos de eMAG e de SPA (single-page application), julgue o item a seguir.  

De acordo com o eMAG, todas as funções de uma página web desenvolvidas utilizando-se linguagens de script (JavaScript) devem ser programadas, primeiramente, para o uso com teclado.  

Acerca de Ajax e TypeScript e seus frameworks, julgue o item seguinte.  

O objeto XMLHttpRequest manipula somente dados em formato JSON.  

Julgue o item a seguir, a respeito de servidores de aplicação e ferramentas de versionamento.  

Um realm no servidor Tomcat verifica a integridade de um arquivo ao comparar o seu resumo de mensagem com o do arquivo original. 

Julgue o item a seguir, em relação aos serviços de mensageria, webhooks e JSON. 

Provedores de API reversa devem usar WebSockets para enviar notificações em tempo real, dispensando filas ou mecanismos de retentativa com sistemas externos.

Julgue o item a seguir, em relação aos serviços de mensageria, webhooks e JSON. 

No Kafka, embora producer e consumer utilizem a mesma dependência Maven (kafka-clients), cada um exige configurações distintas: o producer requer, por exemplo, serializadores (key.serializer), enquanto o consumer utiliza desserializadores (key.deserializer).  

Julgue o item a seguir, em relação aos serviços de mensageria, webhooks e JSON. 

O RabbitMQ permite a comunicação assíncrona entre aplicações por meio de filas, em que producers enviam mensagens e consumers as recebem, o que garante entrega confiável em sistemas distribuídos.

Acerca das ferramentas Karma e SonarQube, julgue o item que se segue.  

O SonarQube exige que todo código analisado seja compilado antes da execução da análise estática, mesmo para linguagens interpretadas como Python ou JavaScript.  

Acerca das ferramentas Karma e SonarQube, julgue o item que se segue.  

O parâmetro browserDisconnectTolerance do Karma Runner especifica quantas reconexões são permitidas entre servidor e navegadores durante falhas temporárias de rede, com valor padrão zero (sem tentativas de reconexão).