Questões de Inteligencia Artificial (Engenharia de Software)

Limpar Busca

Engenharia de Software Inteligencia Artificial


Ministério Público da União (MPU) - Analista do MPU Perito em Tecnologia da Informação e Comunicação - FGV (2025)

O analista Jonas está desenvolvendo um Large Language Model (LLM) para ser utilizado nas soluções de inteligência artificial do MPU. Para isso, Jonas utilizou o modelo pré-treinado BERTimbau, mas observou que as respostas eram genéricas e não específicas para o domínio.
Para treinar um modelo pré-treinado adaptando-o às tarefas e aos conjuntos de dados específicos do domínio do MPU, Jonas deve realizar um(a):

  • A overfitting;
  • B regression;
  • C discretization;
  • D model fine-tuning;
  • E feature engineering.

Engenharia de Software Inteligencia Artificial


Universidade de São Paulo (USP) - Especialista em Laboratório (Especialidade: Inteligência Artificial e Aprendizado de Máquina) - FUVEST (2025)

Em aprendizado de máquina, classificadores binários e multiclasses são usados para categorizar dados em duas ou mais classes. Considere os cenários a seguir:



1. Um sistema de detecção de fraudes bancárias, onde cada transação deve ser classificada como fraudulenta ou não fraudulenta.


2. Um modelo de classificação de espécies de flores, onde cada flor pode ser categorizada como setosa, versicolor ou virginica.



Em relação aos cenários apresentados, assinale a alternativa que descreve os modelos mais adequados para cada tipo de problema.

  • A O primeiro cenário exige um classificador binário, e um algoritmo adequado seria Regressão Logística, enquanto o segundo exige um classificador multiclasses, podendo ser resolvido com Árvores de Decisão.
  • B Ambos os cenários exigem um classificador binário, pois a classificação sempre se baseia em decisões binárias internamente, independentemente do número de classes.
  • C O primeiro cenário deve ser tratado com um algoritmo de clusterização, como K-Means, pois detectar fraudes exige agrupar comportamentos similares, enquanto o segundo pode ser resolvido com um modelo de regressão linear.
  • D O primeiro cenário pode ser resolvido, apenas, com Redes Neurais Profundas, pois são os únicos modelos capazes de lidar com classificações binárias e multiclasses.
  • E O primeiro problema exige aprendizado supervisionado, enquanto o segundo deve ser tratado exclusivamente com métodos de aprendizado não supervisionado, pois a separação das espécies de flores deve ser feita sem um conjunto de dados previamente rotulado.

Engenharia de Software Inteligencia Artificial


Ministério Público do Estado do Ceará (MPE-CE) - Analista Ministerial Especialidade: Ciências da Computação - CESPE/CEBRASPE (2025)

Julgue o item a seguir, em relação a técnicas de agrupamento, a técnicas de redução de dimensionalidade, e a processamento de linguagem natural.


Considere que se queira aplicar técnicas de processamento de linguagem natural na frase Paulo nasceu no Ceará, de forma tal que Paulo e Ceará sejam considerados, respectivamente, o nome da pessoa e o nome do local de nascimento dela. Nessa situação, é correto utilizar o NER (named entity recognition), pois, por meio da utilização do algoritmo K-means, os grupos relacionados aos termos que se deseja segmentar — no caso, pessoa e local — podem ser encontrados.

  • Certo
  • Errado

Engenharia de Software Inteligencia Artificial


Banco do Estado de Sergipe S/A - Técnico Bancário III Suporte - CESGRANRIO (2025)

Uma empresa deseja automatizar a alocação de recursos em seu data center utilizando Inteligência Artificial (IA) com base em padrões históricos de uso. A ideia é que a IA analise os dados de consumo e ajuste automaticamente os recursos computacionais, prevenindo sobrecargas e otimizando custos.
Para essa automação, deve ser utilizada uma aplicação de aprendizado de máquina que

  • A treine um modelo de aprendizado supervisionado para prever picos de demanda e ajustar os recursos automaticamente.
  • B utilize um script de programação que aloque recursos fixos, independentemente da carga.
  • C configure um sistema de balanceamento de carga manual para gerenciar a utilização de recursos.
  • D implemente um modelo de aprendizado não supervisionado para criar backups automáticos.
  • E treine um modelo de aprendizado não supervisionado para alocação independente de carga.

Engenharia de Software Inteligencia Artificial


Banco do Estado de Sergipe S/A - Técnico Bancário III Suporte - CESGRANRIO (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.