O resultado da aplicação de um algoritmo de Aprendizado de Máquina é um model...

O resultado da aplicação de um algoritmo de Aprendizado de Máquina é um modelo que será usado para realizar predições. Quanto melhor o modelo gerado, mais precisas serão as predições. ...

Q1063774 • Engenharia de Software • Inteligencia Artificial • FGV • CVM • Manhã • 2024

O resultado da aplicação de um algoritmo de Aprendizado de Máquina é um modelo que será usado para realizar predições. Quanto melhor o modelo gerado, mais precisas serão as predições.

A precisão ou a acurácia de um modelo de Aprendizado de Máquina é medida por meio do método:

a) regressão;
b) treino e teste;
c) matriz de confusão;
d) aprendizagem por reforço;
e) bagging (Bootstrap Aggregating).

Questões sobre Inteligencia Artificial

1

Q119571 • Sistemas de Informação • Inteligencia Artificial • CESGRANRIO • Petrobras • Analista de Sistemas Júnior Processos de Negócios
A construção de sistemas de informação com técnicas de inteligência artificial refere-se, muitas vezes, à tendência de as pessoas pensarem em certos objetos ou máquinas como se esses tivessem características humanas. Essa tendência é denominada
- a) autorreplicação
- b) antropomorfismo
- c) personalização
- d) polimorfismo
- e) interação
2

Q1048629 • Engenharia de Software • Inteligencia Artificial • FGV • Prefeitura de Cuiabá MT • Tecnologia da Informação Tarde • 2024
Considere certo método de aprendizado de máquina do tipo classificador, para realizar uma tarefa de classificação para k classes (sendo k um número natural maior do que 1) em um conjunto de dados com n objetos (sendo n um número natural maior do que k). Acerca da matriz de confusão correspondente, analise os itens a seguir.

I. A soma de todos os elementos da matriz é igual a n.

II. A taxa de acerto do classificador é dada pela razão entre a soma da diagonal principal da matriz e a soma de todos os elementos.

III. A precisão do classificador para certa classe i é dada pela razão entre o elemento da diagonal principal na linha i e a soma de todos os elementos da coluna i.

Está correto o que se afirma em
- a) I, apenas.
- b) II, apenas.
- c) I e II, apenas.
- d) I e III, apenas.
- e) I, II e III.
3

Q1061696 • Engenharia de Software • Inteligencia Artificial • CESPE CEBRASPE • SUSEP • Área Tecnologia da Informação e Ciência de Dados • 2025
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.
- a) Certo
- b) Errado
4

Q1050114 • Engenharia de Software • Inteligencia Artificial • FGV • MF • manhã • 2024
Na trajetória evolutiva da Inteligência Artificial (IA), diversos marcos e transições têm delineado seu progresso e desafios. Nesse contexto, avalie se as afirmativas a seguir, que destacam momentos críticos na história da IA, são verdadeiras (V) ou falsas (F).

( ) Os Invernos da IA representam períodos de avanço tecnológico acelerado e investimento maciço em pesquisa de IA, marcados pela rápida adoção de tecnologias de IA em diversos setores sem qualquer ceticismo ou crítica.
( ) Introduzida em 2012, AlexNet é uma rede neural convolucional que competiu no desafio ImageNet, marcando um ponto de inflexão significativo para o campo do Deep Learning ao demonstrar a capacidade das redes neurais profundas em tarefas de visão computacional.
( ) O aprendizado de máquina (Machine Learning) foi abandonado nos anos 90 e 2000 devido à falta de progresso teórico e prático, com a comunidade de IA se movendo unicamente para o estudo teórico da computação.
( ) O lançamento do GPT-3 pela OpenAI representou um avanço substancial na geração automática de texto, oferecendo capacidades impressionantes de geração de linguagem natural e abrindo novas possibilidades para a aplicação de IA em diversos domínios.

As afirmativas são, respectivamente,
- a) V – V – F – V.
- b) V – F – V – F.
- c) F – F – F – V.
- d) F – V – F – V.
- e) F – F – V – F.
5

Q1061698 • Engenharia de Software • Inteligencia Artificial • CESPE CEBRASPE • SUSEP • Área Tecnologia da Informação e Ciência de Dados • 2025
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) Certo
- b) Errado
6

Q910181 • Engenharia de Software • Inteligencia Artificial • FGV • TCEPA • Analista de Sistemas • 2024
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
- a) 2 – 1 – 2 – 1.
- b) 1 – 1 – 2 – 1.
- c) 2 – 1 – 1 – 2.
- d) 2 – 1 – 1 – 1
- e) 1 – 2 – 2 – 1.
7

Q1038609 • Engenharia de Software • Inteligencia Artificial • CESGRANRIO • BANESE • Suporte • 2025
Em um banco de grande porte, o time de operações de TI enfrenta dificuldades para monitorar a grande quantidade de eventos e alertas provenientes de diversos sistemas e ferramentas. O time está considerando implementar uma solução baseada em Inteligência Artificial (IA) para automatizar as tarefas operacionais (AiOps) de identificação de problemas e de redução do tempo de resposta a incidentes críticos.

Nesse contexto, o uso de IA é possível, pelo fato de a AiOps, nesse caso,
- a) focar apenas a coleta de logs e relatórios de desempenho de sistemas, fornecendo somente dados para os administradores, sem integrar a automação de tarefas.
- b) usar aprendizado de máquina para processar grandes volumes de dados em tempo real, identificar padrões e prever falhas antes que ocorram, permitindo a automação de correções de problemas críticos com mínima intervenção manual.
- c) utilizar redes neurais para aumentar a complexidade das tarefas operacionais e realizar decisões mais informadas, mas sem automatizar processos em tempo real.
- d) usar algoritmos baseados em regras fixas para corrigir incidentes de forma reativa, não considerando dados históricos nem possíveis falhas futuras.
- e) aumentar a capacidade dos servidores físicos para lidar com picos de demanda em tempo real, para prever e evitar falhas.
8

Q1042708 • Engenharia de Software • Inteligencia Artificial • FGV • DATAPREV • Desenvolvimento de Software • 2024
A Inteligência Artificial (IA) é uma área da ciência da computação que visa desenvolver sistemas capazes de realizar tarefas que normalmente exigiriam inteligência humana.
O conceito que está mais diretamente relacionado ao desenvolvimento de sistemas que aprendem com os dados e melhoram seu desempenho ao longo do tempo é o de
- a) Algoritmo Genético.
- b) Redes Neurais Artificiais.
- c) Lógica Booleana.
- d) Busca Heurística.
- e) Programação Linear.
9

Q1038414 • Engenharia de Software • Inteligencia Artificial • CESPE CEBRASPE • BDMG • Sistemas Arquitetura e Solução de Dados • 2025
Acerca de LLM, IA generativa edata science, julgue o item subsequente.

No contexto da IA generativa, o conceito de latent space refere-se a um espaço vetorial multidimensional em que características abstratas de dados de entrada são representadas e manipuladas para gerarem novos dados.
- a) Certo
- b) Errado
10

Q1051167 • Engenharia de Software • Inteligencia Artificial • FGV • DATAPREV • Arquitetura Engenharia e Sustentação Tecnológica • 2024
A detecção de outliers é uma tarefa importante que integra tanto a etapa de pré-processamento do processo de mineração de dados quanto a análise exploratória de dados em aprendizado de máquina. Outliers são valores atípicos que podem fornecer informações importantes ou, em alguns casos, distorcer análises de dados. Eles são classificados em diferentes tipos, dependendo de suas características e do contexto em que aparecem.
Considere um cenário em que uma sequência de vendas de um produto permanece constante durante uma promoção que normalmente gera picos de vendas, retornando aos patamares normais ao final da promoção.
Nessas condições, o tipo de outlier observado nessa sequência de vendas é o
- a) coletivo.
- b) contextual.
- c) global.
- d) intencional.
- e) multivariado.

Mais questões de Engenharia de Software →

Reportar erro em Conteúdo