Questões de Concursos Inteligencia Artificial

Prepare-se para a prova com questões de concursos públicos. Milhares de questões resolvidas e comentadas com gabarito para praticar online ou baixar o PDF grátis!

Filtrar questões
💡 Caso não encontre resultados, diminua os filtros.
Limpar filtros

1 Q119571 | Sistemas de Informação, Inteligencia Artificial, Analista de Sistemas Júnior Processos de Negócios, Petrobras, CESGRANRIO

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

  1. ✂️
  2. ✂️
  3. ✂️
  4. ✂️
  5. ✂️

2 Q910181 | Engenharia de Software, Inteligencia Artificial, Analista de Sistemas, TCEPA, FGV, 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
  1. ✂️
  2. ✂️
  3. ✂️
  4. ✂️
  5. ✂️

3 Q1032625 | Engenharia de Software, Inteligencia Artificial, Classe B, DPE RO, FGV, 2025

Em Inteligência Artificial existem diversos tipos de aprendizado sendo que cada um possui características e aplicações.
Com relação aos tipos de aprendizado, analise os itens a seguir.

I. No aprendizado não supervisionado, o agente aprende a partir de padrões na entrada, mesmo que nenhum feedback explícito tenha sido fornecido anteriormente, sendo empregadas como as técnicas mais comuns a regressão e a classificação.
II. No aprendizado acelerado, o agente usa grandes modelos de linguagens pré-existentes e aprende a partir de série de contribuições de uma rede semântica composta por conceitos, recompensas ou punições. Por exemplo, a falta de gorjeta no final da viagem dá ao agente uma indicação de que fez algo errado, cabe ao agente decidir quais das ações anteriores a contribuição foram mais responsáveis por ele.
III. No aprendizado supervisionado, o agente observa e analisa alguns pares de dados rotulados de entrada-saída como exemplo e aprende uma função que faz o mapeamento da entrada para a saída.


Está correto, o que se afirma em
  1. ✂️
  2. ✂️
  3. ✂️
  4. ✂️
  5. ✂️

4 Q1031110 | Engenharia de Software, Inteligencia Artificial, Antropologia, IPHAN, FGV, 2025

Um grupo de trabalho desenvolveu um software próprio que utiliza a API de um modelo de IA (inteligência artificial) para automatizar processos de análise e monitoramento de dados na gestão do patrimônio cultural.

Isto significa que o grupo
  1. ✂️
  2. ✂️
  3. ✂️
  4. ✂️
  5. ✂️

5 Q1018458 | Engenharia de Software, Inteligencia Artificial, Área Tecnologia da Informação e Ciência de Dados, SUSEP, CESPE CEBRASPE, 2025

Julgue o próximo item, relativo à normalização de dados, à modelagem de dados NoSQL e ao DataMesh.

Em bancos NoSQL orientados a documentos, é comum o uso de estruturas aninhadas, que evitam junções e melhoram a performance de leitura.

  1. ✂️
  2. ✂️

6 Q1018453 | Engenharia de Software, Inteligencia Artificial, Área Tecnologia da Informação e Ciência de Dados, SUSEP, CESPE CEBRASPE, 2025

Julgue o próximo item, relativo à normalização de dados, à modelagem de dados NoSQL e ao DataMesh.

No DataMesh, os dados são tratados como produtos, e cada domínio é responsável por fornecer, manter e documentar seus próprios dados.

  1. ✂️
  2. ✂️

7 Q1018454 | Engenharia de Software, Inteligencia Artificial, Área Tecnologia da Informação e Ciência de Dados, SUSEP, CESPE CEBRASPE, 2025

Julgue o próximo item, relativo à normalização de dados, à modelagem de dados NoSQL e ao DataMesh.

O DataMesh adota um modelo centralizado de governança e integração de dados, priorizando a consistência sobre a escalabilidade.

  1. ✂️
  2. ✂️

8 Q1030366 | Engenharia de Software, Inteligencia Artificial, Sistemas Engenharia de Dados e Ciência de Dados Manhã, TCE PI, FGV, 2025

Com relação às técnicas de redução de dimensionalidade, no contexto de aprendizado de máquina, analise as afirmativas a seguir e assinale (V) para a verdadeira e (F) para a falsa.

( ) As técnicas de agregação formam novos atributos, por meio da combinação de grupos dos atributos originais.
( ) As técnicas de seleção de atributos descartam parte dos atributos originais.
( ) Técnicas de seleção de atributos embutidas são aplicadas na etapa de pré-processamento.

As afirmativas são, respectivamente,
  1. ✂️
  2. ✂️
  3. ✂️
  4. ✂️
  5. ✂️

9 Q1018452 | Engenharia de Software, Inteligencia Artificial, Área Tecnologia da Informação e Ciência de Dados, SUSEP, CESPE CEBRASPE, 2025

Julgue o próximo item, relativo a manipulação, tratamento e visualização de dados, ETL e ELT, e MLOps.

Na implementação de MLOps, o monitoramento de modelos em produção deve centrar-se nas métricas de desempenho técnico como a latência, sendo a detecção de viés algorítmico uma preocupação restrita à fase de desenvolvimento do modelo.

  1. ✂️
  2. ✂️

10 Q1030365 | Engenharia de Software, Inteligencia Artificial, Sistemas Engenharia de Dados e Ciência de Dados Manhã, TCE PI, FGV, 2025

Com relação ao ajuste de dados e a aplicação de modelos preditivos de aprendizado de máquina, analise os itens a seguir.

I. O subajuste (underfitting) indica baixa capacidade preditiva do modelo para os dados de treinamento.
II. O superajuste (overfitting) impacta negativamente a capacidade de generalização do modelo.
III. A presença de ruído nos dados favorece a ocorrência de superajuste (overfitting) do modelo.

Está correto o que se afirma em
  1. ✂️
  2. ✂️
  3. ✂️
  4. ✂️
  5. ✂️
Utilizamos cookies e tecnologias semelhantes para aprimorar sua experiência de navegação. Política de Privacidade.