Questões resolvidas
Em relação aos tensores, assinale a opção incorreta.
A recente explosão de machine learning e deep learning tornou os tensores populares. TensorFlow e PyTorch são dois frameworks com suporte a API de tensor.
Tensor representa um array multidimensional junto com operações definidas.
Os tensores, internamente, são implementados como estruturas de dados leves que mantêm um ponteiro para o armazenamento e outros metadados, como tamanho e forma.
Os próprios dados do tensor são armazenados em um buffer contíguo.
Utilizar um buffer contíguo permite que vários tensores compartilhem os mesmos dados, mas forneçam diferentes visualizações.
Quando os tensores têm dimensões diferentes, certas operações não podem ser realizadas sem primeiro colocar os tensores nas mesmas dimensões, para isso possuem a operação automática denominada replicação.
a) A
b) B
c) C
d) D
e) E
As opções a seguir descrevem os passos de uma técnica genérica de deduplicação. A entrada é um novo bloco de dados (chunk) de um arquivo “DC” e a saída é um bloco de dados se é encontrado. A esse respeito, assinale a opção incorreta.
Obtenha o novo bloco de dados do arquivo DC a ser armazenado.
Identifique o formato de um bloco de dados DC e o divida em objetos (fixos ou variáveis). Assim, DC= {dc1, dc2, ..., dcn}, onde dc1, dc2, ..., dcn são objetos.
Determine o valor hash ou o fingerprint. Assim, hv(DC) é o novo bloco de dados do arquivo DC.
Combine o valor hash de um novo bloco de dados hv(DC) com os valores hash anteriores ou existentes {hv1,hv2,..,hvn} no armazenamento ou memória, {hv1,hv2,..,hvn} são valores hash de blocos de dados já armazenados.
Atualize o bloco de dados, se houver uma correspondência. Caso contrário, armazene o novo bloco de dados na memória e mantenha o novo índice.
a) A
b) B
c) C
d) D
e) E
Considere a matriz de confusão abaixo, que mostra o desempenho de um modelo de classificação, na qual TP = Verdadeiro positivo, TN = Verdadeiro negativo, FP = Falso positivo e FN = Falso negativo:
Para se fazer a avaliação do modelo, utilizam-se as métricas de classificação acurácia, especificidade e sensibilidade.
Acurácia= Especificidade= Sensibilidade=
Com base na matriz de confusão e nas métricas indicadas, afirma-se que a
especificidade, também conhecida como recall ou revocação, que avalia a capacidade do modelo de detectar com sucesso resultados classificados como positivos, é de 0,9%.
sensibilidade, que avalia a capacidade do modelo de detectar com sucesso resultados classificados como positivos, é de 90%.
acurácia, ou precision, que mostra a razão entre a quantidade de exemplos classificados corretamente como positivos e o total de exemplos classificados como positivos, dando maior ênfase para os erros FP, é de 0.75.
sensibilidade, também conhecida como F-measure, F-score ou score F1, que avalia a capacidade do modelo de detectar com sucesso resultados classificados como negativos, é de 0,6%.
acurácia, que indica a assertividade de classificações positivas e negativas, independente da classe, é de 75%.
a) A
b) B
c) C
d) D
e) E
Responsible AI (IA Responsável) e Explainable AI (IA Explicável) são conceitos importantes no desenvolvimento de sistemas de inteligência artificial. A IA Explicável refere-se à capacidade de explicar como uma decisão foi tomada pelo modelo de IA, permitindo que os usuários entendam o processo de tomada de decisão. Já a IA Responsável envolve garantir que a IA seja desenvolvida e implementada de forma ética e legalmente responsável. Nesse contexto, sobre Responsible AI, assinale a afirmativa incorreta.
A Responsible AI envolve garantir que a IA seja desenvolvida e implementada de forma ética e legalmente responsável.
A Responsible AI considera as implicações sociais e os potenciais efeitos negativos que o sistema pode ter sobre as pessoas.
A Responsible AI é sinônimo de IA Explicável, pois ambas se referem à tomada de decisões éticas e transparentes.
Uma IA pode ser responsável, mas ainda ser opaca e não explicável, tornando difícil para os usuários entenderem como as decisões são tomadas.
A Responsible AI leva em consideração o ciclo de vida da IA, desde a concepção até a desativação, e sua responsabilidade ética em cada fase.
a) A
b) B
c) C
d) D
e) E
Em relação ao processamento de linguagem natural (PLN), analise as afirmativas a seguir.
O PLN envolve a compreensão e a geração de linguagem natural humana.
A tarefa principal do PLN é traduzir textos de uma língua para outra.
O PLN não é utilizado para tarefas de processamento de voz.
O PLN é aplicado em sistemas de recuperação de informações e assistentes virtuais.
a) A
b) B
c) C
d) D
e) E
No que diz respeito às novas tecnologias, julgue o item.
A inteligência artificial refere-se a um campo de conhecimento que não está associado à aprendizagem, uma vez que esta é uma capacidade puramente humana; contudo, este campo está associado à linguagem e à inteligência, ao raciocínio e à resolução de problemas.
Certo
Errado
A analista Carla implementou uma solução algorítmica que classifica os novos processos submetidos à PGM de Niterói em níveis de indício de fraude. Para atingir este objetivo, Carla se baseou no algoritmo de machine learning para classificação que atribui, necessariamente, um valor no intervalo numérico de 0 a 1 para cada entrada. Carla utilizou como base o algoritmo de machine learning:
a) Regressão Linear;
b) Árvore de Decisão;
c) Regressão Logística;
d) Floresta Randômica;
e) Máquina de Vetores de Suporte.
Suponha o problema de indicadores econômicos ou de mercado futuro, nos quais se tenta prever o próximo valor analisando os dados de algumas variáveis (atributos descritivos) historicamente armazenados em um conjunto de dados. Qual é o modelo preditivo que pode ser utilizado para estimar os valores a partir de um conjunto de dados históricos?
a) SVM – Suport Vector Machine.
b) K-NN (k-vizinhos próximos).
c) Agrupamento.
d)
O programa de computador projetado para simular uma conversa humana com usuários por meio de interfaces de bate-papo, como mensagens de texto, voz ou vídeo, é o:
a) BGP;
b) OSPF;
c) webinar;
d) NLP;
e) chatbot.
A respeito do Robotic Process Automation (RPA), assinale a afirmativa correta.
a) Possui baixa precisão nos resultados.
b) Executa tarefas humanas de rotina.
c) Realiza tarefas desde que envolva cálculos.
d) Necessita de customização para interagir com outros sistemas.
e) Dispensa a utilização de controlroom (sala de controle).
A capacidade de um agente computacional de alterar o próprio comportamento com base em situações anteriores é chamada de
a) autonomia.
b) cooperatividade.
c) inteligência.
d) aprendizagem.
e) proatividade.
A respeito dos fundamentos que envolvem Machine Learning, analise as afirmativas abaixo e marque alternativa correta.
I. No processo de aprendizagem supervisionada o computador recebe um conjunto de dados. Ele encontrará neste conjunto dados de entrada atrelados as saídas esperadas. Neste tipo de aprendizagem o objetivo é encontrar as regras que conseguem mapear aquelas entradas com aquelas saídas.
II. A aprendizagem por reforço é um tipo de treinamento usado onde enfrentamos um ambiente complexo. Através das tentativas e erro o computador busca uma solução para o problema. Para que a máquina entenda o que são acertos e erros ela receberá recompensas e penalidades durante o processo de busca da solução.
III. Quando o conjunto de dados repassado para o computador possui apenas os valores de saída possíveis (rótulos) mas não conhecemos nada a respeito dos valores das entradas, devemos fazer uso do processo de aprendizagem não supervisionada. Ela foi criada justamente para atender este cenário. Esse aprendizagem envolve complexidades adicionais quando comparada a aprendizagem supervisionada.
a) Apenas a afirmativa II está correta.
b) Apenas as afirmativas I e II estão corretas.
c) Apenas as afirmativas II e III estão corretas.
d) Apenas a afirmativa I está correta.
e) Todas as afirmativas estão corretas.
Você recebeu um chamado para colaborar no desenvolvimento de um dos módulos do software acadêmico. O referido módulo deve apresentar um gráfico estatístico para simplificar a interpretação dos dados e facilitar a tomada de decisões. Anexo ao chamado, consta um exemplo de uma matriz de dados extraída do Sistema Gerenciador de Banco de Dados oficial da instituição, possuindo dados relacionados à altura, peso, idade, renda familiar e número de reprovações. Assinale a alternativa que representa o tipo de gráfico mais adequado para análise dos referidos dados.
a) Pizza.
b) Tendência.
c) Dispersão.
d) Histograma.
O Processamento de Linguagem Natural (PLN) é a subárea da Inteligência Artificial responsável por estudar a capacidade e as limitações de uma máquina de entender a linguagem dos seres humanos. Para poder realizar essa modelagem, são necessários pré-processamentos que abstraem e estruturam a língua, deixando apenas aquilo que representa uma informação relevante. Uma das etapas desse processo compreende a normalização. Uma tarefa que pode ser realizada dentro do processo de normalização é denominada de tokenização lexical. Considere a seguinte sentença:
A área de Ciência de Dados é muito interessante!
Assinale a alternativa correta que representa o resultado da tokenização lexical para essa sentença.
a) [‘A’, ‘área’, ‘de’, ‘Ciência’, ‘de’, ‘Dados’, ‘é’, ‘muito’, ‘interessante’, ‘!’]
b) [‘A’, ‘área’, ‘Ciência’, ‘Dados’, ‘interessante’, ‘!’]
c) [‘A área de Ciência de Dados é muito interessante!’]
d) A ÁREA DE CIÊNCIA DE DADOS É MUITO INTERESSANTE!
A palavra cluster, do inglês, pode ser traduzida para o Português como aglomerado ou agrupamento. Na computação, essa palavra é utilizada em redes de computadores para designar o agrupamento de computadores para armazenamento e processamento de dados em software quando se busca analisar dados armazenados e que podem ser processados por técnicas de aprendizado de máquina. Nessas duas situações, é necessário identificar corretamente a quantidade de clusters que formam determinado sistema. Considerando a figura a seguir, selecione a opção que melhor representa a quantidade de clusters.
a) 5
b) 10
c) 2
d) 3
Julgue o próximo item, a respeito dos métodos de aprendizagem de máquina. As aplicações em inteligência artificial são definidas como uma subárea da área de aprendizagem de máquina (machine learning).
Certo
Errado
Julgue o próximo item, a respeito dos métodos de aprendizagem de máquina. As redes neurais convolucionais (CNN) são aplicadas exclusivamente a problemas de regressão de dados, a partir da utilização da função de regressão logística.
Certo
Errado
Ao analisar um grande volume de dados, João encontrou algumas anomalias, por exemplo: pessoas com mais de 200 anos de idade e salário de engenheiro menor que salário de pedreiro. A operação de limpeza da fase de preparação de dados para tratar os pontos extremos existentes em uma série temporal a ser executada por João é:
a) Normalização;
b) Discretização;
c) Classificação;
d) Tratamento de outlier;
O sckit-learn suporta o processamento de algoritmos de aprendizado de máquina do tipo supervisionado como, por exemplo,
a) o SVM e a clusterização.
b) o BIRCH e o vizinho mais próximo.
c) o PCA e os gaussian mixture models.
d) o naive bayes e as árvores de decisão.
e) o modelo cúbico e a densidade estimada.
O resultado da execução é As estrelas indicam
a) componentes principais.
b) centros de voronoi.
c) covariâncias.
d) centroides.
e) clusteres.
Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩
Cadastre-se ou realize login
Ao continuar, você aceita os Termos de Uso e Política de Privacidade
Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩
Cadastre-se ou realize login
Ao continuar, você aceita os Termos de Uso e Política de Privacidade
Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩
Cadastre-se ou realize login
Ao continuar, você aceita os Termos de Uso e Política de Privacidade
Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩
Cadastre-se ou realize login
Ao continuar, você aceita os Termos de Uso e Política de Privacidade
Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩
Cadastre-se ou realize login
Ao continuar, você aceita os Termos de Uso e Política de Privacidade
Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩
Cadastre-se ou realize login
Ao continuar, você aceita os Termos de Uso e Política de Privacidade
Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩
Cadastre-se ou realize login
Ao continuar, você aceita os Termos de Uso e Política de Privacidade
Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩
Cadastre-se ou realize login
Ao continuar, você aceita os Termos de Uso e Política de Privacidade
Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩
Cadastre-se ou realize login
Ao continuar, você aceita os Termos de Uso e Política de Privacidade
Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩
Cadastre-se ou realize login
Ao continuar, você aceita os Termos de Uso e Política de Privacidade
Prévia do material em texto
1)
Inteligência Artificial para CAIXA - 2024
https://www.tecconcursos.com.br/s/Q3OzkJ
Ordenação: Por Matéria e Assunto (data)
www.tecconcursos.com.br/questoes/2266853
FGV - AFRE MG/SEF MG/Tecnologia da Informação/2023
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
A recente explosão de machine learning e deep learning tornou os tensores populares. TensorFlow e
PyTorch são dois frameworks com suporte a API de tensor.
Em relação aos tensores, assinale a opção incorreta.
a) Tensor representa um array multidimensional junto com operações definidas.
b) Os tensores, internamente, são implementados como estruturas de dados leves que mantêm um
ponteiro para o armazenamento e outros metadados, como tamanho e forma.
c) Os próprios dados do tensor são armazenados em um buffer contíguo.
d) Utilizar um buffer contíguo permite que vários tensores compartilhem os mesmos dados, mas
forneçam diferentes visualizações.
e) Quando os tensores têm dimensões diferentes, certas operações não podem ser realizadas sem
primeiro colocar os tensores nas mesmas dimensões, para isso possuem a operação automática
https://www.tecconcursos.com.br/s/Q3OzkJ
https://www.tecconcursos.com.br/questoes/2266853
2)
denominada replicação.
www.tecconcursos.com.br/questoes/2266855
FGV - AFRE MG/SEF MG/Tecnologia da Informação/2023
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
As opções a seguir descrevem os passos de uma técnica genérica de deduplicação. A entrada é um
novo bloco de dados (chunk) de um arquivo “DC” e a saída é um bloco de dados se é encontrado.
A esse respeito, assinale a opção incorreta.
a) Obtenha o novo bloco de dados do arquivo DC a ser armazenado.
b) Identifique o formato de um bloco de dados DC e o divida em objetos (fixos ou variáveis). Assim,
DC= {dc1, dc2, ..., dcn}, onde dc1, dc2, ..., dcn são objetos.
c) Determine o valor hash ou o fingerprint. Assim, hv(DC) é o novo bloco de dados do arquivo DC.
d) Combine o valor hash de um novo bloco de dados hv(DC) com os valores hash anteriores ou
existentes {hv1,hv2,..,hvn} no armazenamento ou memória, {hv1,hv2,..,hvn} são valores hash de
blocos de dados já armazenados.
e) Atualize o bloco de dados, se houver uma correspondência. Caso contrário, armazene o novo
bloco de dados na memória e mantenha o novo índice.
www.tecconcursos.com.br/questoes/2339886
FCC - AJ TRT18/TRT 18/Apoio Especializado/Tecnologia da Informação/2023
https://www.tecconcursos.com.br/questoes/2266855
https://www.tecconcursos.com.br/questoes/2339886
3)
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
Considere a matriz de confusão abaixo, que mostra o desempenho de um modelo de classificação, na
qual TP = Verdadeiro positivo, TN = Verdadeiro negativo, FP = Falso positivo e FN = Falso negativo:
Predição
Realidade Sim Não
Sim 600 (TP) 400 (FN)
Não 100 (FP) 900 (TN)
Para se fazer a avaliação do modelo, utilizam-se as métricas de classificação acurácia, especificidade e
sensibilidade, assim definidas:
Acurácia= Especificidade= Sensibilidade=
Com base na matriz de confusão e nas métricas indicadas, afirma-se que a
a) especificidade, também conhecida como recall ou revocação, que avalia a capacidade do modelo
de detectar com sucesso resultados classificados como positivos, é de 0,9%.
b) sensibilidade, que avalia a capacidade do modelo de detectar com sucesso resultados classificados
como positivos, é de 90%.
c) acurácia, ou precision, que mostra a razão entre a quantidade de exemplos classificados
corretamente como positivos e o total de exemplos classificados como positivos, dando maior ênfase
para os erros FP, é de 0.75.
d) sensibilidade, também conhecida como F-measure, F-score ou score F1, que avalia a capacidade
do modelo de detectar com sucesso resultados classificados como negativos, é de 0,6%.
e) acurácia, que indica a assertividade de classificações positivas e negativas, independente da
classe, é de 75%.
TP+TN
TP+TN+FP+FN
TN
TN+FP
TP
TP+FN
4)
www.tecconcursos.com.br/questoes/2346896
FGV - AFRFB/SRFB/Geral/2023
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
Responsible AI (IA Responsável) e Explainable AI (IA Explicável) são conceitos importantes no
desenvolvimento de sistemas de inteligência artificial. A IA Explicável refere-se à capacidade de explicar
como uma decisão foi tomada pelo modelo de IA, permitindo que os usuários entendam o processo de
tomada de decisão. Já a IA Responsável envolve garantir que a IA seja desenvolvida e implementada de
forma ética e legalmente responsável.
Nesse contexto, sobre Responsible AI, assinale a afirmativa incorreta.
a) A Responsible AI envolve garantir que a IA seja desenvolvida e implementada de forma ética e
legalmente responsável.
b) A Responsible AI considera as implicações sociais e os potenciais efeitos negativos que o sistema
pode ter sobre as pessoas.
c) A Responsible AI é sinônimo de IA Explicável, pois ambas se referem à tomada de decisões éticas
e transparentes.
d) Uma IA pode ser responsável, mas ainda ser opaca e não explicável, tornando difícil para os
usuários entenderem como as decisões são tomadas.
e) A Responsible AI leva em consideração o ciclo de vida da IA, desde a concepção até a
desativação, e sua responsabilidade ética em cada fase.
https://www.tecconcursos.com.br/questoes/2346896
5)
www.tecconcursos.com.br/questoes/2346904
FGV - AFRFB/SRFB/Geral/2023
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
Em relação ao processamento de linguagem natural (PLN), analise as afirmativas a seguir.
I. O PLN envolve a compreensão e a geração de linguagem natural humana.
II. A tarefa principal do PLN é traduzir textos de uma língua para outra.
III. O PLN não é utilizado para tarefas de processamento de voz.
IV. O PLN é aplicado em sistemas de recuperação de informações e assistentes virtuais.
Estão corretas as afirmativas
a) I e IV, apenas.
b) II e III, apenas.
c) I e III, apenas.
d) I, II e III.
e) I, II e IV.
www.tecconcursos.com.br/questoes/2385401
QUADRIX - Tec Info (CRO SC)/CRO SC/2023
https://www.tecconcursos.com.br/questoes/2346904
https://www.tecconcursos.com.br/questoes/2385401
6)
7)
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
No que diz respeito às novas tecnologias, julgue o item.
A inteligência artificial refere-se a um campo de conhecimento que não está associado à aprendizagem,
uma vez que esta é uma capacidade puramente humana; contudo, este campo está associado à
linguagem e à inteligência, ao raciocínio e à resolução de problemas.
Certo
Errado
www.tecconcursos.com.br/questoes/2424520
FGV - Ana (PGM Niterói)/Pref Niterói/Tecnologia da Informação/2023
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
A analista Carla implementou uma solução algorítmica que classifica os novos processos submetidos à
PGM de Niterói em níveis de indício de fraude. Para atingir este objetivo, Carla se baseou no algoritmo de
machine learning para classificação que atribui, necessariamente, um valor no intervalo numérico de 0 a
1 para cada entrada.
Carla utilizou como base o algoritmo de machine learning:
a) Regressão Linear;
b) Árvore de Decisão;
c) Regressão Logística;
d) Floresta Randômica;
https://www.tecconcursos.com.br/questoes/2424520
8)
9)
e) Máquina de Vetores de Suporte.
www.tecconcursos.com.br/questoes/2468343
FUNDATEC - Ana Sist (BRDE)/BRDE/Ciência de Dados/2023
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
Suponha o problema de indicadores econômicos ou de mercado futuro, nos quais se tenta prever o
próximo valor analisando os dados de algumas variáveis (atributos descritivos) historicamente
armazenados em um conjunto de dados. Qual é o modelo preditivo que podeser utilizado para estimar
os valores a partir de um conjunto de dados históricos?
a) SVM – Suport Vector Machine.
b) K-NN (k-vizinhos próximos).
c) Agrupamento.
d) Regressão.
e) Naive Bayes.
www.tecconcursos.com.br/questoes/2552763
FGV - Tec (DPE RS)/DPE RS/Apoio Especializado/Suporte de TI/2023
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
Nos últimos anos, a tecnologia tem se desenvolvido rapidamente e com ela novas formas de trabalho
e interação entre humanos e máquinas.
O programa de computador projetado para simular uma conversa humana com usuários por meio de
interfaces de bate-papo, como mensagens de texto, voz ou vídeo, é o:
a) BGP;
https://www.tecconcursos.com.br/questoes/2468343
https://www.tecconcursos.com.br/questoes/2552763
10)
11)
b) OSPF;
c) webinar;
d) NLP;
e) chatbot.
www.tecconcursos.com.br/questoes/2637573
CEBRASPE (CESPE) - Ana Proc (DATAPREV)/DATAPREV/2023
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
No que se refere a conceitos de business intelligence, data lake, inteligência artificial e machine
learning, julgue o item a seguir.
A inteligência artificial é um sistema com capacidade de ponderar, aprender e agir para resolver um
problema complexo.
Certo
Errado
www.tecconcursos.com.br/questoes/2638660
CEBRASPE (CESPE) - Ana TI (DATAPREV)/DATAPREV/Desenvolvimento de software/2023
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
Acerca de blockchain, conceitos de inteligência artificial, arquitetura hexagonal e gestão de
conteúdo, julgue o item a seguir.
De acordo com os conceitos de inteligência artificial, as máquinas reativas têm a capacidade
compreender os seres humanos, entendendo seus estados mentais.
https://www.tecconcursos.com.br/questoes/2637573
https://www.tecconcursos.com.br/questoes/2638660
12)
13)
Certo
Errado
www.tecconcursos.com.br/questoes/1970721
CEBRASPE (CESPE) - AAAJ (DP DF)/DP DF/Informática Banco de Dados/2022
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
Julgue o item subsequente, a respeito de inteligência artificial.
A inteligência artificial geralmente se enquadra em duas categorias abrangentes: narrow AI, às vezes
referida como weak AI, que é uma simulação da inteligência humana e opera dentro de um contexto
limitado; e AGI (artificial general intelligence), que é uma máquina com inteligência geral e, assim como
um ser humano, pode aplicar essa inteligência para resolver qualquer problema.
Certo
Errado
www.tecconcursos.com.br/questoes/1970723
CEBRASPE (CESPE) - AAAJ (DP DF)/DP DF/Informática Banco de Dados/2022
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
Julgue o item subsequente, a respeito de inteligência artificial.
Computação cognitiva, um subcampo da inteligência artificial, refere-se à computação que se concentra
no raciocínio e na compreensão em alto nível, sendo análoga à cognição, à lógica e ao julgamento
humanos.
Certo
https://www.tecconcursos.com.br/questoes/1970721
https://www.tecconcursos.com.br/questoes/1970723
14)
15)
Errado
www.tecconcursos.com.br/questoes/1989837
FGV - ATIFE (Sefaz AM)/SEFAZ AM/2022
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
A respeito do Robotic Process Automation (RPA), assinale a afirmativa correta.
a) Possui baixa precisão nos resultados.
b) Executa tarefas humanas de rotina.
c) Realiza tarefas desde que envolva cálculos.
d) Necessita de customização para interagir com outros sistemas.
e) Dispensa a utilização de controlroom (sala de controle).
www.tecconcursos.com.br/questoes/2013082
CEBRASPE (CESPE) - Esc Pol (PC PB)/PC PB/2022
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
A capacidade de um agente computacional de alterar o próprio comportamento com base em
situações anteriores é chamada de
a) autonomia.
b) cooperatividade.
c) inteligência.
https://www.tecconcursos.com.br/questoes/1989837
https://www.tecconcursos.com.br/questoes/2013082
16)
d) aprendizagem.
e) proatividade.
www.tecconcursos.com.br/questoes/2058686
DIRENS Aeronáutica - EAOAp (CIAAR)/CIAAR/Análise de Sistemas/2022
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
Informe Verdadeiro (V) ou Falso (F) em relação às seguintes afirmativas abaixo.
Em seguida marque a opção que apresenta a sequência correta:
( ) As abordagens de redução de dados vertical conhecidas como Filter realizam a seleção de
atributos sem considerar o algoritmo de mineração de dados que será utilizado aos atributos
selecionados. Por outro lado, as abordagens conhecidas como Wrapper experimentam o algoritmo de
mineração de dados para cada conjunto selecionado, avaliando os resultados obtidos.
( ) Os algoritmos de clusterização e classificação automática visam modelar os dados utilizando
padrões locais enquanto que algoritmos de regras de associação procuram modelar os dados
utilizando padrões globais.
( ) São exemplos de métodos de clusterização: k-means, k-Modes, k-medoids e BIRCH
( ) São exemplos de métodos de descoberta de sequencias: GSP, CART, MSDD, SPADE
a) (F); (V); (F); (V).
b) (F); (V); (V); (F).
c) (V); (F); (F); (V).
https://www.tecconcursos.com.br/questoes/2058686
17)
18)
d) (V); (F); (V); (F).
www.tecconcursos.com.br/questoes/2106501
QUADRIX - Ana Sis I (CRA PR)/CRA PR/2022
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
Com relação aos conceitos de machine learning e deep learning, julgue o item.
Para que os algoritmos de deep learning sejam capazes de analisar dados não estruturados, é
imprescindível que haja algum tipo de pré-processamento do conjunto de dados a ser analisado.
Certo
Errado
www.tecconcursos.com.br/questoes/2106502
QUADRIX - Ana Sis I (CRA PR)/CRA PR/2022
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
Com relação aos conceitos de machine learning e deep learning, julgue o item.
O deep learning pode ser definido como sendo a aplicação de uma quantidade massiva de camadas de
processamento em um algoritmo de rede neural.
Certo
Errado
www.tecconcursos.com.br/questoes/2194218
QUADRIX - Ass (CRT 4 (PR e SC)/CRT 4 (PR e SC)/Tecnologia da Informação/2022
https://www.tecconcursos.com.br/questoes/2106501
https://www.tecconcursos.com.br/questoes/2106502
https://www.tecconcursos.com.br/questoes/2194218
19)
20)
21)
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
Julgue o item a seguir, referente às novas tecnologias.
O conceito de inteligência artificial (IA) refere-se, unicamente, a duas grandes áreas do conhecimento:
ciência da computação e matemática.
Certo
Errado
www.tecconcursos.com.br/questoes/2194219
QUADRIX - Ass (CRT 4 (PR e SC)/CRT 4 (PR e SC)/Tecnologia da Informação/2022
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
Julgue o item a seguir, referente às novas tecnologias.
Em uma visão ampla, a IA pode ser dividida em duas categorias principais: machine learning e deep
learning.
Certo
Errado
www.tecconcursos.com.br/questoes/2196712
IDECAN - AJ (TJ PI)/TJ PI/Apoio Especializado/Analista de Sistemas - Banco de Dados/2022
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
Machine Learning possui um grande conjunto de técnicas e algoritmos consagrados. Por possuírem
características específicas, essas técnicas e algoritmos são adequados ou não para a solução de um
https://www.tecconcursos.com.br/questoes/2194219
https://www.tecconcursos.com.br/questoes/2196712
22)
problema, a depender do tipo de aprendizagem que será utilizado.
Marque a alternativa que indica o nome de um algoritmo que NÃO faz parte dos utilizados em cenários
onde a aprendizagemsupervisionada está presente.
a) KNN
b) K-means
c) Redes Neurais
d) Árvore de Decisão
e) SVM
www.tecconcursos.com.br/questoes/2196724
IDECAN - AJ (TJ PI)/TJ PI/Apoio Especializado/Analista de Sistemas - Banco de Dados/2022
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
Machine Learning é um ramo da ciência da computação que utiliza conceitos das áreas de
Estatística, Engenharia e da própria Computação com o objetivo de reconhecer padrões e ensiná-los a
uma máquina. Além das áreas citadas, outro aspecto importante para Machine Learning são os dados.
Sem eles não é possível viabilizar o treinamento da máquina. Esses dados devem estar relacionados ao
tema para o qual a máquina será treinada. Isso é fundamental pois o objetivo de Machine Learning é
permitir que a máquina seja capaz de evidenciar informações que um humano não perceberia facilmente,
permitindo, por exemplo, a predição de eventos ou a execução de diagnósticos precisos.
A respeito dos fundamentos que envolvem Machine Learning, analise as afirmativas abaixo e marque
alternativa correta.
I. No processo de aprendizagem supervisionada o computador recebe um conjunto de dados. Ele
encontrará neste conjunto dados de entrada atrelados as saídas esperadas. Neste tipo de
https://www.tecconcursos.com.br/questoes/2196724
23)
aprendizagem o objetivo é encontrar as regras que conseguem mapear aquelas entradas com
aquelas saídas.
II. A aprendizagem por reforço é um tipo de treinamento usado onde enfrentamos um ambiente
complexo. Através das tentativas e erro o computador busca uma solução para o problema. Para que
a máquina entenda o que são acertos e erros ela receberá recompensas e penalidades durante o
processo de busca da solução.
III. Quando o conjunto de dados repassado para o computador possui apenas os valores de saída
possíveis (rótulos) mas não conhecemos nada a respeito dos valores das entradas, devemos fazer
uso do processo de aprendizagem não supervisionada. Ela foi criada justamente para atender este
cenário. Esse aprendizagem envolve complexidades adicionais quando comparada a aprendizagem
supervisionada.
a) Apenas a afirmativa II está correta.
b) Apenas as afirmativas I e II estão corretas.
c) Apenas as afirmativas II e III estão corretas.
d) Apenas a afirmativa I está correta.
e) Todas as afirmativas estão corretas.
www.tecconcursos.com.br/questoes/2200271
Com. Org. (IFSP) - Ana TI (IF SP)/IF SP/Ciência de Dados/2022
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
Você recebeu um chamado para colaborar no desenvolvimento de um dos módulos do software
acadêmico. O referido módulo deve apresentar um gráfico estatístico para simplificar a interpretação dos
dados e facilitar a tomada de decisões. Anexo ao chamado, consta um exemplo de uma matriz de dados
https://www.tecconcursos.com.br/questoes/2200271
24)
extraída do Sistema Gerenciador de Banco de Dados oficial da instituição, possuindo dados relacionados
à altura, peso, idade, renda familiar e número de reprovações. Assinale a alternativa que representa o
tipo de gráfico mais adequado para análise dos referidos dados.
a) Pizza.
b) Tendência.
c) Dispersão.
d) Histograma.
www.tecconcursos.com.br/questoes/2200358
Com. Org. (IFSP) - Ana TI (IF SP)/IF SP/Ciência de Dados/2022
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
O Processamento de Linguagem Natural (PLN) é a subárea da Inteligência Artificial responsável por
estudar a capacidade e as limitações de uma máquina de entender a linguagem dos seres humanos. Para
poder realizar essa modelagem, são necessários pré-processamentos que abstraem e estruturam a
língua, deixando apenas aquilo que representa uma informação relevante. Uma das etapas desse
processo compreende a normalização. Uma tarefa que pode ser realizada dentro do processo de
normalização é denominada de tokenização lexical. Considere a seguinte sentença:
A área de Ciência de Dados é muito interessante!
Assinale a alternativa correta que representa o resultado da tokenização lexical para essa sentença.
a) [‘A’, ‘área’, ‘de’, ‘Ciência’, ‘de’, ‘Dados’, ‘é’, ‘muito’, ‘interessante’, ‘!’]
b) [‘A’, ‘área’, ‘Ciência’, ‘Dados’, ‘interessante’, ‘!’]
c) [‘A área de Ciência de Dados é muito interessante!’]
d) A ÁREA DE CIÊNCIA DE DADOS É MUITO INTERESSANTE!
https://www.tecconcursos.com.br/questoes/2200358
25)
www.tecconcursos.com.br/questoes/2204563
Com. Org. (IFSP) - Tec (IF SP)/IF SP/Tecnologia da Informação/2022
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
A palavra cluster, do inglês, pode ser traduzida para o Português como aglomerado ou agrupamento.
Na computação, essa palavra é utilizada em redes de computadores para designar o agrupamento de
computadores para armazenamento e processamento de dados em software quando se busca analisar
dados armazenados e que podem ser processados por técnicas de aprendizado de máquina. Nessas duas
situações, é necessário identificar corretamente a quantidade de clusters que formam determinado
sistema. Considerando a figura a seguir, selecione a opção que melhor representa a quantidade de
clusters.
a) 5
b) 10
c) 2
d) 3
https://www.tecconcursos.com.br/questoes/2204563
26)
27)
www.tecconcursos.com.br/questoes/2208924
CEBRASPE (CESPE) - PANS (ANP)/ANP/Atividades de Regulação/Novas Atribuições IV/2022
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
Julgue o item a seguir, relativos a aprendizado supervisionado.
A despeito do alto grau de aplicabilidade das técnicas de regularização na classificação e na regressão,
no que se refere à sua acurácia, tais técnicas tendem a causar o sobreajuste (overfitting) devido à
influência de coeficientes responsáveis por flutuações excessivas.
Certo
Errado
www.tecconcursos.com.br/questoes/2208930
CEBRASPE (CESPE) - PANS (ANP)/ANP/Atividades de Regulação/Novas Atribuições IV/2022
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
Julgue o item a seguir, relativos a aprendizado supervisionado.
Considerando-se, nos gráficos a seguir, que o resultado #2 corresponda ao melhor desempenho do
algoritmo, é correto afirmar que o resultado #1 indica que houve underfitting.
https://www.tecconcursos.com.br/questoes/2208924
https://www.tecconcursos.com.br/questoes/2208930
28)
29)
Certo
Errado
www.tecconcursos.com.br/questoes/2208934
CEBRASPE (CESPE) - PANS (ANP)/ANP/Atividades de Regulação/Novas Atribuições IV/2022
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
Julgue o item a seguir, relativos a aprendizado supervisionado.
O trade off entre variância e viés é afetado pela utilização de polinômios, com graus que variam de zero
a três, em que o emprego de polinômios de ordem ímpar produz sempre melhores resultados no que diz
respeito à redução da variância e viés que os de ordem par, seja para estimativas com regressões locais
constantes e lineares, seja para as estimativas de ordem quadrática e cúbica.
Certo
Errado
www.tecconcursos.com.br/questoes/2208941
CEBRASPE (CESPE) - PANS (ANP)/ANP/Atividades de Regulação/Novas Atribuições IV/2022
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
Em relação a aprendizado não supervisionado, julgue o item que se seguem.
A ação de realizar agrupamento hierárquico tem como premissa básica encontrar elementos em um
conjunto de dados que impliquem a presença de outros elementos na mesma transação, com um grau
de certeza definido pelos índices de fator de suporte e o fator de confiança, que pode ser realizado, por
exemplo, por meio do algoritmo a priori.
https://www.tecconcursos.com.br/questoes/2208934
https://www.tecconcursos.com.br/questoes/2208941
30)
31)
Certo
Errado
www.tecconcursos.com.br/questoes/2208942
CEBRASPE (CESPE) - PANS (ANP)/ANP/Atividadesde Regulação/Novas Atribuições IV/2022
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
Em relação a aprendizado não supervisionado, julgue o item que se seguem.
O algoritmo random forest é um algoritmo de aprendizado de máquina supervisionado em que se
agrupam os resultados de várias árvores de decisão de cada nó para se obter uma conclusão própria e
aumentar a precisão do modelo, não sendo o referido algoritmo adequado para grandes conjuntos de
dados.
Certo
Errado
www.tecconcursos.com.br/questoes/2208946
CEBRASPE (CESPE) - PANS (ANP)/ANP/Atividades de Regulação/Novas Atribuições IV/2022
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
Em relação a aprendizado não supervisionado, julgue o item que se seguem.
A técnica de redução de dimensionalidade (PCA) permite transformar dados que inicialmente pertencem
a um espaço de dimensão n em um espaço de dimensão m, em que m < n, sendo utilizada, por
exemplo, para reduzir a dimensionalidade de certo conjunto de dados através do
descarte de características não úteis e que ainda permita realizar o reconhecimento de padrões.
https://www.tecconcursos.com.br/questoes/2208942
https://www.tecconcursos.com.br/questoes/2208946
32)
33)
Certo
Errado
www.tecconcursos.com.br/questoes/2208953
CEBRASPE (CESPE) - PANS (ANP)/ANP/Atividades de Regulação/Novas Atribuições IV/2022
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
Julgue o próximo item, a respeito dos métodos de aprendizagem de máquina.
As aplicações em inteligência artificial são definidas como uma subárea da área de aprendizagem de
máquina (machine learning).
Certo
Errado
www.tecconcursos.com.br/questoes/2208955
CEBRASPE (CESPE) - PANS (ANP)/ANP/Atividades de Regulação/Novas Atribuições IV/2022
TI - Desenvolvimento de Sistemas - Redes Neurais
Julgue o próximo item, a respeito dos métodos de aprendizagem de máquina.
As redes neurais convolucionais (CNN) são aplicadas exclusivamente a problemas de regressão de dados,
a partir da utilização da função de regressão logística.
Certo
Errado
www.tecconcursos.com.br/questoes/2208959
https://www.tecconcursos.com.br/questoes/2208953
https://www.tecconcursos.com.br/questoes/2208955
https://www.tecconcursos.com.br/questoes/2208959
34)
35)
CEBRASPE (CESPE) - PANS (ANP)/ANP/Atividades de Regulação/Novas Atribuições IV/2022
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
Julgue o próximo item, a respeito dos métodos de aprendizagem de máquina.
A utilização de valores aleatórios nos métodos modernos de inicialização dos pesos das camadas das
redes neurais artificiais (RNA) permite evitar o problema do desaparecimento do gradiente (vanishing
gradient problem).
Certo
Errado
www.tecconcursos.com.br/questoes/2220057
FGV - ACE (TCE TO)/TCE TO/Tecnologia da Informação/2022
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
Ao analisar um grande volume de dados, João encontrou algumas anomalias, por exemplo: pessoas
com mais de 200 anos de idade e salário de engenheiro menor que salário de pedreiro.
A operação de limpeza da fase de preparação de dados para tratar os pontos extremos existentes em
uma série temporal a ser executada por João é:
a) Normalização;
b) Discretização;
c) Classificação;
d) Tratamento de outlier;
https://www.tecconcursos.com.br/questoes/2220057
36)
37)
e) Redução de dimensionalidade.
www.tecconcursos.com.br/questoes/2220766
Marinha - QT (Marinha)/Marinha/Informática/2022
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
O Chefe do Departamento de Treinamento de Modelos de I.A de determinado Banco de
Investimento recebe em sua sala cinco cientistas de dados (cada um com um diferente modelo treinado
e desenvolvido) e verifica que todos eles possuem a mesma queixa: o comprometimento da capacidade
de generalização em decorrência da problemática do overfitting. Cada opção abaixo representa um
modelo desenvolvido e a respectiva proposta de ·solução de um dos cientistas de dados. Assim assinale
a opção com a proposta INCORRETA.
a) Regressão Linear Composta. Retirar penalidade LASSO do modelo.
b) Regressão Logística. Reduzir número de variáveis explicativas.
c) Rede Neural Artificial. Aplicar técnica de early stopping.
d) Rede Neural Artificial. Reduzir a quantidade de camadas de neurônios.
e) Random Forest. Aumentar número de árvores de decisão.
www.tecconcursos.com.br/questoes/2220960
Marinha - QT (Marinha)/Marinha/Informática/2022
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
O Departamento Secreto X da Marinha do Brasil se deparou com um conjunto de casos nos quais a
etapa de pré-processamento foi crucial para o bom funcionamento dos diferentes sistemas que usam
algoritmos de Aprendizado de Máquina. Assinale a opção que corresponde ao uso da correta tarefa de
https://www.tecconcursos.com.br/questoes/2220766
https://www.tecconcursos.com.br/questoes/2220960
preparação de dados, dentre os diferentes contextos ( case) apresentados, segundo o processo KDD
descrito por Goldschmidt (2015).
a) Picos no sistema interno da Fragata Tango fazem com que os radares detectem distâncias erradas,
multiplicadas por altíssimo fator de erro, que faz o valor da distância fugir de um intervalo de valor
plausível. Um algoritmo de remoção de outlier foi desenvolvido para remover amostras com ordens de
grandeza anômalas. Neste caso, a tarefa de redução de dados vertical foi aplicada.
b) O Sistema de Monitoramento de Caças da Aviação Naval registrou um grande conjunto de dados e
foi verificada uma elevada quantidade de pares de variáveis com correlações extremamente próximas
a 100% (como a observada entre a quantidade de combustível consumido e a distância percorrida).
Neste caso, aplicou-se o algoritmo de PGA (Principal Component Analysis).
c) O Sistema "PrevSaude" foi desenvolvido utilizando algoritmos de Aprendizado de Máquina com o
objetivo de prever as condições de saúde de diferentes militares. Foi aplicada uma amostragem sobre
a grande população inicial de indivíduos mantendo-se a proporção em relação à faixa etária por meio
do método de redução de dados vertical.
d) O Sistema "PrevSaude" foi desenvolvido utilizando algoritmos de Aprendizado de Máquina com o
objetivo de prever as condições de saúde de diferentes militares e uma das tarefas de pré-
processamento utilizada foi a codificação que considera militares casados representados por "0001",
militares solteiros ou divorciados como "0010", militares viúvos como "0100" e outros como "1000".
Neste caso, o tipo de codificação aplicado foi binário por temperatura.
e) Antes do fornecimento de dados à rede neural profunda para detecção de misseis, foi aplicado o
algoritmo no qual cada distância foi subtraída da média amostral e dividida pela variância amostral.
Desse modo, a tarefa de pré-processamento utilizada foi de enriquecimento de dados.
www.tecconcursos.com.br/questoes/2233755
FGV - AJ TRT13/TRT 13/Apoio Especializado/Tecnologia da Informação/2022
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
https://www.tecconcursos.com.br/questoes/2233755
38)
39)
O sckit-learn suporta o processamento de algoritmos de aprendizado de máquina do tipo
supervisionado como, por exemplo,
a) o SVM e a clusterização.
b) o BIRCH e o vizinho mais próximo.
c) o PCA e os gaussian mixture models.
d) o naive bayes e as árvores de decisão.
e) o modelo cúbico e a densidade estimada.
www.tecconcursos.com.br/questoes/2233759
FGV - AJ TRT13/TRT 13/Apoio Especializado/Tecnologia da Informação/2022
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
Analise o script abaixo from pandas import DataFrame import matplotlib.pyplot as plt from
sklearn.cluster import KMeans
Data = {'x':
[36,35,23,28,34,32,30,23,36,34,66,55,56,44,51,56,52,51,64,48,49,50,36,34,43,46,40,42,52,47],'y':
[76,52,52,79,60,73,73,58,70,76,52,33,41,45,52,37,36,59,60,51,26,21,15,13,21,10,30,28,10,17] }
df = DataFrame(Data,columns=['x','y'])
m = KMeans(n_clusters=3).fit(df)
d = m.cluster_centers_
https://www.tecconcursos.com.br/questoes/2233759
plt.xlabel("X")
plt.ylabel("Y")
plt.scatter(df['x'], df['y'], c= m.labels_.astype(float),
s=100, alpha=0.5)
plt.scatter(d[:, 0], d[:, 1], c='red', s=250, marker='*')
plt.grid()
plt.show()
O resultado da execução é
As estrelas indicam
a) componentes principais.
b) centros de voronoi.
c) covariâncias.
d) centroides.
e) clusteres.
40)
41)
www.tecconcursos.com.br/questoes/2327312
IADES - Prof (UnDF)/UnDF/Matemática/Ciência de Dados/2022
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
Considerando uma rede neural, assinale a alternativa que corresponde à unidade central que realiza
os processamentos na propagação dos sinais.
a) Neurônio artificial
b) Camada de saída
c) Bias
d) Pesos
e) Sinapses
www.tecconcursos.com.br/questoes/2329111
IADES - Prof (UnDF)/UnDF/Metodologias e Técnicas da Computação/2022
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
Redes treinadas por grandes grupos de pesquisa, como Google, é comum que elas sejam
disponibilizadas publicamente para que outros pesquisadores possam utilizálas ou adaptá-las para outros
fins. Muitas vezes, sem esse compartilhamento, seria impossível para a maioria das pessoas, ter acesso
aos mesmos recursos computacionais para alcançar os mesmos resultados. Sendo assim, é possível
retreinar essas redes com datasets de outros contextos, tendo como ponto de partida a mesma
arquitetura e os mesmos parâmetros disponibilizados ao público inicialmente. Essa técnica de
treinamento é conhecida como
a) quasi-Newton.
b) paralelismo.
https://www.tecconcursos.com.br/questoes/2327312
https://www.tecconcursos.com.br/questoes/2329111
42)
c) força bruta.
d) transferência de aprendizado.
e) levenberg-Marquardt.
www.tecconcursos.com.br/questoes/2404042
FUNDATEC - Tec Sup (AGERGS)/AGERGS/Engenharia/Dados/2022
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
Sobre os modelos de aprendizagem de máquina supervisionada, analise as assertivas abaixo e
assinale a alternativa correta.
I. Em modelos de aprendizado de máquina do tipo classificação a ideia é prever variáveis
categóricas, e numéricas.
II. Um exemplo básico de aprendizado de máquina supervisionado por classificação é o uso da
regressão logística.
III. Os modelos de regressão não buscam encontrar como uma variável se comporta na medida em
que outra variável sofre oscilações.
IV. Nos modelos de aprendizagem de máquina supervisionado, não temos uma variável específica a
ser respondida, pois estamos apenas buscando encontrar os indivíduos, itens ou elementos
semelhantes
a) Todas estão corretas.
b) Todas estão incorretas.
c) Apenas II está correta.
d) Apenas I e II estão corretas.
https://www.tecconcursos.com.br/questoes/2404042
43)
44)
e) Apenas III e IV estão corretas.
www.tecconcursos.com.br/questoes/2404043
FUNDATEC - Tec Sup (AGERGS)/AGERGS/Engenharia/Dados/2022
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
Podemos afirmar que uma árvore de decisão sofreu overfitting, quando ocorrer:
a) erro validação (h) > erro treinamento (h)
b) erro validação (h) - erro treinamento (h) > limiar determinado
c) erro treinamento (h) = 0
d) erro validação (h)/erro treinamento (h) < 1
e) erro do treinamento (h) / erro de validação (h) / 100
www.tecconcursos.com.br/questoes/2404044
FUNDATEC - Tec Sup (AGERGS)/AGERGS/Engenharia/Dados/2022
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
Sobre Machine Learning, é correto afirmar que:
a) Podemos considerar correlação como sendo positiva, negativa e atemporal.
b) Na correlação atemporal, não há relação entre todas as variáveis.
c) Na correlação negativa, quando o valor de uma variável aumenta, as outras variáveis também
sobem.
d) A causalidade de um modelo de Machine Learning está diretamente relacionada ao volume
interpretado do arquivo delta.
e) Um dos motivos pelo qual é difícil interpretar os coeficientes angulares produzidos pelo processo
de regressão linear é porque correlação não implica em causalidade.
https://www.tecconcursos.com.br/questoes/2404043
https://www.tecconcursos.com.br/questoes/2404044
45)
46)
www.tecconcursos.com.br/questoes/2404049
FUNDATEC - Tec Sup (AGERGS)/AGERGS/Engenharia/Dados/2022
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
Para minimizar o erro de estimação de um valor contínuo baseado em um conjunto de atributos, o
algoritmo mais adequado para o problema é:
a) AGNES – Aglomerative Nesting.
b) Naïve Bayes.
c) Árvore de sinergia.
d) Regressão linear.
e) K-means.
www.tecconcursos.com.br/questoes/2621277
AOCP - PEBTT (IFF)/IFF/Engenharia/Computação/2022
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
Sobre a lógica fuzzy e seus conceitos, assinale a alternativa correta.
a) Conjuntos fuzzy são definidos para representar informações vagas ou imprecisas em que um
elemento pode pertencer a dois conjuntos aparentemente disjuntos.
b) O grau de pertinência em lógica fuzzy indica se um nó pertence ou não a um conjunto de
soluções.
c) O grau de pertinência em lógica fuzzy indica se um nó pertence ou não ao caminho em um
processo de busca.
https://www.tecconcursos.com.br/questoes/2404049
https://www.tecconcursos.com.br/questoes/2621277
47)
48)
d) Em lógica fuzzy, há uma fronteira bem definida entre a pertinência ou não de um elemento a um
conjunto.
e) Em lógica fuzzy, o grau de pertinência de um elemento a um conjunto é sempre dividida de forma
igualitária.
www.tecconcursos.com.br/questoes/1628709
CEBRASPE (CESPE) - Ana (SERPRO)/SERPRO/Ciência de Dados/2021
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
Julgue o item a seguir, referentes a conceitos e especificidades de MDM (master data management).
A grande diferença entre algoritmos fuzzy matching e stemming reside no fato de que, enquanto o
primeiro combina palavras com a mesma raiz linguística, o segundo trabalha com semelhanças de
ortografia.
Certo
Errado
www.tecconcursos.com.br/questoes/1718788
CEBRASPE (CESPE) - AF (SEFAZ CE)/SEFAZ CE/Tecnologia da Informação da Receita
Estadual/2021
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
A respeito de inteligência artificial, julgue o item seguinte.
Aplicações de reconhecimento de voz fazem a transcrição de um áudio para texto diretamente, sem a
necessidade de nenhum modelo intermediário.
https://www.tecconcursos.com.br/questoes/1628709
https://www.tecconcursos.com.br/questoes/1718788
49)
50)
Certo
Errado
www.tecconcursos.com.br/questoes/1913444
SELECON - Prof (Pref LRV)/Pref L do Rio Verde/Informática/2021
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
A correta definição do termo “inteligência artificial” é tratar-se de:
a) uma tecnologia que interliga uma rede de computadores conectando dispositivos, pessoas e até
animais através da nuvem
b) uma tecnologia que visa facilitar o trabalho com marketing digital, ao mesmo tempo em que traz
mais eficiência e otimiza os processos dessa estratégia, aumentando as chances de sucesso
c) um sistema de identificação que permite rastrear e categorizar itens ou dispositivos, por meio da
internet
d) uma ciência multidisciplinar que busca desenvolver e aplicar técnicas computacionais que simulem
o comportamento humano em atividades específicas
www.tecconcursos.com.br/questoes/1224796
IBADE - Prof (Vila Velha)/Pref Vila Velha/Tecnologias Educacionais/2020
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de InteligênciaArtificial
A Inteligência Artificial não está presente apenas nos filmes, centros de pesquisas ou empresas de
tecnologia, mas em nosso cotidiano, à nossa porta.
Os estudos e aplicações de IA visam aprimorar a computação cognitiva, por meio do desenvolvimento de
algoritmos que permitam às máquinas adquirirem capacidades antes apenas atribuídas a seres humanos,
https://www.tecconcursos.com.br/questoes/1913444
https://www.tecconcursos.com.br/questoes/1224796
51)
tais como, a resolução de problemas, a compreensão da linguagem natural das conversações, a visão, a
apreensão e a interpretação de conteúdo. (https://www.ibm.com )
A ideia de IA com potencial de substituir o ser humano ou de automatizar determinadas atividades é,
mais propriamente, uma visão desta última década, substituída pelo desenvolvimento de aplicações que
ampliam ou complementam as habilidades cognitivas do homem, o que é denominado de:
a) inteligência ampliada.
b) sistema complexo.
c) tecnologia alterada.
d) algoritmo adaptado.
e) linguagem diferenciada.
www.tecconcursos.com.br/questoes/1376708
Instituto AOCP - Cie D (MJSP)/MJSP/Big Data/2020
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
A inteligência artificial (IA) pode ser aplicada hoje em diferentes áreas. Uma dessas áreas é a de
análise de dados que, dependendo do contexto, refere-se a uma grande quantidade de possíveis
operações de dados, às vezes específicas de determinados setores ou tarefas. Sabendo disso, assinale a
alternativa que apresenta corretamente as quatro grandes categorias do processo de análise de dados
com o uso da IA.
a) Carga, correção, transformação e uso.
https://www.tecconcursos.com.br/questoes/1376708
52)
b) Identificação, transformação, apresentação e decisão.
c) Triagem, carga, limpeza e apresentação.
d) Processamento, modelagem, triagem e apresentação.
e) Transformação, limpeza, inspeção e modelagem.
www.tecconcursos.com.br/questoes/638971
CESGRANRIO - PTNS (TRANSPETRO)/TRANSPETRO/Análise de Sistemas/Processos de
Negócios/2018
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
Sistemas especialistas ocupam lugar privilegiado na área de Inteligência Artificial, mesmo com o
avanço de outras áreas. Esses sistemas capturam conhecimento tácito de especialistas e podem ser
utilizados em processos complexos de tomada de decisão como, por exemplo, diagnósticos médicos.
NÃO é característica dos sistemas especialistas
a) lidar com incerteza.
b) manipular informações simbólicas.
c) avaliar relacionamentos complexos.
d) contemplar hipóteses múltiplas e simultâneas.
e) operar em domínios abrangentes do conhecimento.
www.tecconcursos.com.br/questoes/1110592
COCP IFMT - PEBTT (IF MT)/IF MT/Informática/2018
https://www.tecconcursos.com.br/questoes/638971
https://www.tecconcursos.com.br/questoes/1110592
53)
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
Em seu site institucional, a Gartner Group afirma que “a inteligência artificial (IA) gera valor com
base nos resultados de negócios em torno da experiência do cliente, redução de custos e geração de
receita. Os CIOs de sucesso entendem que os aplicativos de IA são mais do que projetos técnicos e
táticos - e que a aplicação da IA como uma capacidade tecnológica pode possibilitar novas oportunidades
e ajudar a atingir as metas de negócios”. Tais aplicações, incluindo os Sistemas de Apoio à Decisão
(SAD) utilizam de diversas tecnologias de IA para entregar resultados a gestores. Das sentenças a seguir,
qual não corresponde corretamente a um tipo de sistema especialista:
a) Os sistemas especialistas procuram através de suas bases de conhecimento formular conclusões
denominadas mecanismos de inferência que “dispara” as regras relacionadas aos fatos que o usuário
reuniu e inseriu.
b) Baseado em regras imprecisas, os sistemas especialistas baseados em lógica fuzzy utilizam valores
aproximados e subjetivos para criar escalas de valores. Utilizada para apresentar soluções para
problemas difíceis de representar na lógica tradicional SE_ENTÃO.
c) Os sistemas especialistas baseados em Redes Neurais são utilizados para resolver problemas
específicos e bem delineados. Eles são programados para funcionar mudando e reorganizando suas
partes componentes, por meio de processos, como reprodução, mutação e seleção natural de seus
neurônios.
d) Os sistemas especialistas baseados em Agentes Inteligentes são programas que trabalham sem a
intervenção humana direta, em grandes quantidades de informação, executando tarefas específicas,
repetitivas e previsíveis para um único usuário, processo de negócio ou software de aplicativo.
e) Sistemas com Raciocínio Baseado em Casos é um tipo de sistema especialista que utiliza das
experiências passadas feitas por especialistas humanos e que foram armazenadas em um banco de
54)
55)
dados, para solucionar novos casos com características semelhantes. Soluções de sucesso são
anexadas ao novo caso e armazenadas para se tornar, também, fonte de consulta futura.
www.tecconcursos.com.br/questoes/1055759
QUADRIX - Ana (CFO)/CFO/Desenvolvimento de Sistemas de Informação/2017
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
Julgue o item que se segue acerca de engenharia de software e inteligência computacional.
Inteligência computacional é um conjunto de métodos e(ou) técnicas que procura desenvolver sistemas
dotados de comportamento semelhante a certos aspectos do comportamento inteligente.
Certo
Errado
www.tecconcursos.com.br/questoes/1055760
QUADRIX - Ana (CFO)/CFO/Desenvolvimento de Sistemas de Informação/2017
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
Julgue o item que se segue acerca de engenharia de software e inteligência computacional.
São exemplos de técnicas de inteligência computacional os algoritmos genéticos, as redes neurais e a
lógica nebulosa (fuzzy).
Certo
Errado
www.tecconcursos.com.br/questoes/1005639
https://www.tecconcursos.com.br/questoes/1055759
https://www.tecconcursos.com.br/questoes/1055760
https://www.tecconcursos.com.br/questoes/1005639
56)
57)
IESES - Ass (CRC SC)/CRC SC/Jurídico/2015
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
Uma linguagem de programação é um conjunto de convenções e regras que especificam como
instruir o computador a executar determinadas tarefas. Os sistemas que utilizam mecanismos da área da
Inteligência Artificial, como por exemplo, sistemas especialistas são denominados de:
a) Linguagem de montagem.
b) Linguagem orientada ao usuário.
c) Linguagem em nível de máquina.
d) Linguagem do conhecimento.
www.tecconcursos.com.br/questoes/1876526
Instituto Verbena - Tec (UEAP)/UEAP/Laboratório/Engenharia de Produção/2014
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
São exemplos de inteligência artificial (AI) utilizados em sistemas de informação:
a) Lógica fuzzy, redes neurais e algoritmos genéticos.
b) RFID, CRM e ERP.
c) Datamining, drill-down e banco de dados.
d) Bluetooth, Wi-Fi e internet.
www.tecconcursos.com.br/questoes/1547451
CEBRASPE (CESPE) - Temp NS (MPOG)/MPO/Atividade Técnica de Complexidade
Intelectual/Tecnologia da Informação/2013
https://www.tecconcursos.com.br/questoes/1876526
https://www.tecconcursos.com.br/questoes/1547451
58)
59)
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
Julgue o item, a respeito dos conceitos de inteligência computacional.
Um dos modelos de garimpagem de dados que pode ser utilizado na fase de análise é a agregação, que
tem por objetivo calcular a probabilidade de uma amostra desconhecida pertencer a cada uma das
classes possíveis, isto é, predizer a classe mais provável.
Certo
Errado
www.tecconcursos.com.br/questoes/222453
CESGRANRIO - PPNS (PETROBRAS)/PETROBRAS/Análisede Sistemas/Processos de
Negócio/2012
TI - Desenvolvimento de Sistemas - Conceitos Iniciais e Gerais de Inteligência Artificial
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
https://www.tecconcursos.com.br/questoes/222453
60)
www.tecconcursos.com.br/questoes/2779836
CESGRANRIO - TPP (IPEA)/IPEA/Ciência de Dados/2024
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
No aprendizado não supervisionado, os dados de treinamento não têm rótulos. O objetivo é agrupar
instâncias semelhantes em clusters. Nesse contexto, suponha que se deseja executar um algoritmo de
agrupamento para tentar detectar grupos de visitantes semelhantes em um blog. Em nenhum momento
é informado ao algoritmo a que grupo um visitante pertence, mas ele encontra essas conexões sem
ajuda. Por exemplo, o algoritmo pode notar que 40% dos visitantes são homens que adoram histórias
em quadrinhos e, geralmente, leem o blog à noite, enquanto 20% são jovens amantes de ficção
científica que visitam o blog durante os fins de semana, e assim por diante. Deseja-se, nesse caso, usar
um algoritmo de agrupamento hierárquico para subdividir cada grupo em grupos menores, o que pode
ajudar a direcionar as postagens do blog para cada grupo específico.
Nesse cenário, qual é o algoritmo mais apropriado para fazer o agrupamento desejado?
a) Agglomerative Hierarchical Clustering
b) Principal Component Analysis (PCA)
c) Linear Regression Clustering
d) k-DBSCAN Clustering
e) L-Means Clustering
www.tecconcursos.com.br/questoes/2780405
CESGRANRIO - TPP (IPEA)/IPEA/Desenvolvimento de Sistema/2024
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
https://www.tecconcursos.com.br/questoes/2779836
https://www.tecconcursos.com.br/questoes/2780405
61)
62)
Admita que a área de desenvolvimento de softwares do Ipea está confeccionando um aplicativo
responsivo de Machine Learning (ML) usando o Bootstrap, de modo a melhorar a apresentação das
planilhas que mostram os vínculos de trabalho das pessoas do setor público. Qual algoritmo de conjunto
deve ser utilizado para incrementar a estabilidade desse aplicativo de ML?
a) Protocol
b) Collection
c) Bootstrap Kurbenete
d) Bootstrap Initialization
e) Bootstrap Aggregating
www.tecconcursos.com.br/questoes/2780494
CESGRANRIO - TPP (IPEA)/IPEA/Desenvolvimento de Sistema/2024
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
O aprendizado supervisionado envolve treinar um modelo em um conjunto de dados rotulado, em
que o algoritmo aprende a mapear características de entrada para rótulos de saída correspondentes.
Esse processo permite que o modelo faça previsões sobre novos dados não vistos. Uma tarefa típica de
aprendizado supervisionado é a regressão.
É um exemplo de tarefa de regressão em aprendizado de máquina a
a) classificação de e-mails como spam ou não spam, com base em várias características, como
conteúdo, informações do remetente e estrutura do e-mail.
b) classificação de sentimento em positivo, negativo ou neutro a partir de um texto, como avaliação
de clientes, postagem em mídias sociais ou comentários.
c) detecção de atividades fraudulentas em transações financeiras, classificando-as como legítimas ou
suspeitas com base em padrões de transação e comportamento do usuário.
https://www.tecconcursos.com.br/questoes/2780494
63)
64)
d) rotulação de um paciente como portador ou não de câncer, com base em características como
marcadores genéticos, histórico do paciente e resultados de testes diagnósticos.
e) estimativa do consumo futuro de energia para uma região ou setor específico, com base em
padrões de uso históricos, indicadores econômicos e fatores ambientais.
www.tecconcursos.com.br/questoes/2780499
CESGRANRIO - TPP (IPEA)/IPEA/Desenvolvimento de Sistema/2024
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Em um projeto de ciência de dados para análise preditiva no setor bancário, um cientista de dados
precisa escolher tecnologias de aprendizado de máquina adequadas para classificar clientes com base no
risco de inadimplência.
Considerando-se a intenção de lidar com dados não linearmente separáveis por meio do uso de um
kernel, qual é o algoritmo mais adequado para essa tarefa?
a) Análise de Componentes Principais
b) Árvore de Decisão
c) K-Means
d) Máquina de Vetores de Suporte
e) Regressão Logística
www.tecconcursos.com.br/questoes/2295372
FGV - Aud Est (CGE SC)/CGE SC/Ciências da Computação/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Sobre a divisão e tratamento de dados, assinale a afirmativa correta.
https://www.tecconcursos.com.br/questoes/2780499
https://www.tecconcursos.com.br/questoes/2295372
a) Os dados coletados podem ser de três tipos: numéricos, texto e imagem; assim, os algoritmos de
aprendizagem de máquina são capazes de lidar com todos os tipos de dados, bastando que os dados
sejam transformados para dados contínuos utilizando técnicas como interpolação.
b) Média da coluna, interpolação de vizinhos mais próximos, moda da coluna, vizinhos mais próximos
(KNN) e valor aleatório são métodos para tratamento de dados faltantes, ou seja, atributos não
preenchidos na base de dados.
c) Validação cruzada é um método de divisão dos dados em que os dados são divididos por k partes
em que, a cada rodada, uma das partes é o conjunto de teste e o restante é utilizado para treino; a
divisão dos conjuntos estratificada para validação cruzada não é aconselhada caso o valor de k seja
igual a 10.
d) O método de divisão de dados leave-one-out (deixando um de fora) aproveita o máximo dos
dados, pois todos os dados, com exceção de um item, são utilizados para treinar a cada execução;
essa configuração é a mais utilizada para algoritmos custosos de aprendizado de máquina como as
redes neurais profundas.
e) A divisão dos dados em 3 conjuntos (treino, validação e teste) é bastante comum para avaliação
de algoritmos com muitos parâmetros, como as redes neurais; o conjunto de validação funciona como
um conjunto de avaliação de parâmetros e é utilizado para confirmar se o algoritmo encontrou o
máximo global.
www.tecconcursos.com.br/questoes/2295384
FGV - Aud Est (CGE SC)/CGE SC/Ciências da Computação/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
https://www.tecconcursos.com.br/questoes/2295384
65)
66)
Considere o algoritmo K-Means. Suponha os seguintes pontos: x1=(1,2,5); x2=(3,4,2); x3=(9,5,3);
x4=(7,6,1); x5=(2,3,5); x6=(8,7,2). Escolha x1 e x4 como centros iniciais.
Assinale a opção que apresenta corretamente os pontos em que seriam formados os grupos após a
primeira iteração e quais seriam os novos centros.
a) Grupo 1: {x1, x3, x5}, Grupo 2: {x2, x4, x6}. Centros: c1= (4,3,4), c2 = (6,5,1).
b) Grupo 1: {x1, x2}, Grupo 2: {x3, x4}, Grupo 3: {x5, x6}. Centros: c1=(2,3,3), c2 = (8,5,2) , c3 =
(5,5,3).
c) Grupo 1: {x1, x2, x5}, Grupo 2: {x3, x4, x6}. Centros: c1= (2,3,4), c2 = (8,6,2).
d) Grupo 1: {x1, x2, x3}, Grupo 2: {x4, x5, x6}. Centros: c1= (4,3,3), c2 = (5,5,2).
e) Grupo 1: {x2, x3, x5}, Grupo 2: {x1, x4, x6}. Centros: c1= (4,4,3), c2 = (5,5,2).
www.tecconcursos.com.br/questoes/2346691
FGV - ATRFB/SRFB/Geral/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
O objetivo principal do uso de técnicas de Agrupamento (Clustering) em Análise de Dados é dividir
um grande conjunto de dados em subconjuntos, agrupando elementos similares em categorias distintas.
Assinale a opção que indica o tipo de algoritmo que não se enquadra nessa descrição.
a) K-Means.
b) Gaussian Mixture Models (GMM).
https://www.tecconcursos.com.br/questoes/2346691
67)
c) DBSCAN.
d) K-Medoids.
e) RegressãoLinear.
www.tecconcursos.com.br/questoes/2346696
FGV - ATRFB/SRFB/Geral/2023
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
No contexto do desenvolvimento de chatbots baseados em prompt textuais, uma habilidade
importante é a resolução de ambiguidades, visando à compreensão completa do texto.
Assinale a técnica de NLP adequada nesse tipo de desenvolvimento.
a) Processamento de Voz.
b) Reconhecimento de Imagem.
c) Aprendizado de Máquina.
d) Análise Semântica.
e) Tokenização.
www.tecconcursos.com.br/questoes/2401266
CESGRANRIO - Esc BB/BB/Agente de Tecnologia/2023
https://www.tecconcursos.com.br/questoes/2346696
https://www.tecconcursos.com.br/questoes/2401266
68)
69)
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Sabendo que existe, na organização em que trabalha, uma base de dados formada por uma grande
tabela que contém apenas o id do cliente e colunas do tipo booleano indicando se um cliente possuía ou
já tinha possuído cada produto da organização, um funcionário de TI resolveu dividir os clientes em
grupos apenas com base nessa informação, utilizando aprendizado de máquina.
Para essa tarefa, o funcionário de TI deve utilizar o aprendizado de máquina
a) independente
b) não supervisionado
c) por recompensa
d) por reforço
e) supervisionado
www.tecconcursos.com.br/questoes/2401847
Instituto Consulplan - Ana Tec (MPE BA)/MPE BA/Sistemas de Informação/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
A necessidade de estar em constante aprimoramento das organizações transcendeu do objetivo de
conhecer seu ambiente para predizer e prescrever por meio de modelos. Sobre modelos preditivos e
prescritivos, assinale a afirmativa correta.
a) A modelagem preditiva é baseada somente em uma única instância de dados.
b) Modelos preditivos não podem oferecer embasamento para tomadas de decisões de organizações.
c) A maior desvantagem da modelagem prescritiva é que ela não disponibiliza mecanismos de
feedback para buscar recomendações de melhoria.
d) Uma grande característica dos modelos prescritivos é que eles utilizam somente estatística para
basear decisões, tornando, dessa forma, as estratégias das empresas mais eficientes.
https://www.tecconcursos.com.br/questoes/2401847
70)
71)
e) Os modelos preditivos podem ser definidos como modelos que identificam padrões e relações em
dados e, dessa forma, oferecem uma previsão do assunto desejado, apresentando possibilidades
futuras.
www.tecconcursos.com.br/questoes/2401848
Instituto Consulplan - Ana Tec (MPE BA)/MPE BA/Sistemas de Informação/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Ainda que aprendizagem de máquina seja uma ferramenta poderosa para a aquisição automática de
conhecimento, deve ser observado que não existe um único algoritmo que apresente o melhor
desempenho para todos os problemas. Sobre os algoritmos empregados na aprendizagem de máquina,
quando o desenvolvedor ajusta muito bem um algoritmo de aprendizado, ou os seus parâmetros, para
otimizar o seu desempenho em todos os exemplos disponíveis ocorre:
a) Poda.
b) Overfitting.
c) Overturning.
d) Completude.
e) Prevalência de classe.
www.tecconcursos.com.br/questoes/2448099
FGV - FTE (SEFAZ MT)/SEFAZ MT/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Sobre algoritmos de clusterização, analise as afirmativas a seguir.
https://www.tecconcursos.com.br/questoes/2401848
https://www.tecconcursos.com.br/questoes/2448099
72)
I. Os resultados de um algoritmo de clusterização baseados em grafo são normalmente mostrados
como um dendrograma.
II. Os métodos baseados em densidade são adequados para descobrir clusters com forma arbitrária,
tais como elíptica, cilíndrica ou espiralada.
III. K-Means e K-Medoids são algoritmos de clusterização aglomerativa que dividem a base de dados
em k-grupos, onde o número k é dado pelo usuário.
Está correto o que se afirma em
a) I, apenas.
b) II, apenas.
c) III, apenas.
d) I e II, apenas.
e) I, II e III.
www.tecconcursos.com.br/questoes/2450376
CEBRASPE (CESPE) - Ana Reg (AGER MT)/AGER MT/Ciências da Computação e Sistemas de
Informação/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Em machine learning, quando algoritmos de aprendizado de máquina são usados para analisar e
agrupar conjuntos de dados não rotulados, de forma tal que os algoritmos descobrem padrões ocultos
sem a necessidade de intervenção humana, usa-se a forma de aprendizado do tipo
a) não supervisionado.
b) supervisionado.
https://www.tecconcursos.com.br/questoes/2450376
73)
74)
c) over fitting.
d) under fitting.
e) classificação.
www.tecconcursos.com.br/questoes/2468328
FUNDATEC - Ana Sist (BRDE)/BRDE/Ciência de Dados/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Grupos com um (ou poucos) exemplares são inicialmente formados e, iterativamente, recebem mais
exemplares, localizados na vizinhança do grupo, e crescem até que um limiar seja atingido. O algoritmo
DBSCAN é um dos representantes desta categoria. Esse exemplo descreve a tarefa de agrupamento
(clustering) denominada estratégia baseada em:
a) Densidade.
b) Partição.
c) Hierarquia top-down.
d) Hierarquia botton-up.
e) Vizinhança.
www.tecconcursos.com.br/questoes/2468338
FUNDATEC - Ana Sist (BRDE)/BRDE/Ciência de Dados/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Analise as assertivas a seguir sobre o algoritmo K-NN (k-vizinhos mais próximos):
https://www.tecconcursos.com.br/questoes/2468328
https://www.tecconcursos.com.br/questoes/2468338
75)
I. A distância de cosseno é a métrica mais comumente utilizada, pois possui a propriedade de
representar a distância física entre dois pontos em um espaço d-dimensional. A representação é
realizada através de uma linha contínua entre os dois exemplares, que no espaço d-dimensional
forma um triângulo e, então, a distância de cosseno é o cálculo da hipotenusa desse triângulo.
II. A classificação de um exemplar, cuja classe é desconhecida, é realizada a partir da comparação
desse exemplar com aqueles que possuem uma classe conhecida. O princípio do algoritmo é
armazenar o conjunto de treinamento e realizar comparações entre o exemplar de teste e os
exemplares armazenados a cada vez que um exemplar de teste é armazenado.
III. O processamento do algoritmo é extremamente rápido, independentemente da quantidade de
exemplares do conjunto de dados de treinamento. Trata-se de um estilo de processamento
conhecido como naive evaluation (avaliação ingênua), já que não há um trabalho prévio de indução
do modelo.
Quais estão corretas?
a) Apenas I.
b) Apenas II.
c) Apenas III.
d) Apenas I e II.
e) I, II e III.
www.tecconcursos.com.br/questoes/2468339
FUNDATEC - Ana Sist (BRDE)/BRDE/Ciência de Dados/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Analise as assertivas abaixo sobre o algoritmo Naive Bayes:
https://www.tecconcursos.com.br/questoes/2468339
I. Trata-se de um classificador que se baseia na probabilidade de cada evento ocorrer,
desconsiderando a correlação entre features. Isso significa que se o valor de um atributo exerce
algum efeito sobre a distribuição de classes existentes no conjunto, esse efeito é independente dos
valores assumidos por outros atributos e de seus respectivos efeitos sobre a mesma distribuição de
classe.
II. Em um processo de classificação no qual um exemplar com rótulo desconhecido seja
apresentado ao classificador, o algoritmo tomará a decisão sobre a qual classe o exemplar deve estar
associado, por meio do cálculo de probabilidades condicionais, ou seja, as probabilidades de ele
pertencer a cada uma das classes existentes no conjunto de dados de treinamento.
III. Uma aplicação que pode se beneficiar do uso do algoritmo Naive Bayes é identificar se um
determinado e-mail é um spam ou não.
Quais estão corretas?
a) ApenasI.
b) Apenas II.
c) Apenas III.
d) Apenas I e II.
e) I, II e III.
www.tecconcursos.com.br/questoes/2473858
Instituto Consulplan - ASist (CRF MG)/CRF MG/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
https://www.tecconcursos.com.br/questoes/2473858
76)
77)
“Trata-se de um algoritmo capaz de construir modelos de grande poder preditivo utilizando dados de
alta dimensão, cuja ideia principal é buscar em espaços de alta dimensão pelo hiperplano ótimo e que a
margem entre dois objetos de classes diferentes seja máxima. Para tanto, ele utiliza vetores suporte e a
margem é determinada utilizando tais vetores.” As informações referem-se ao algoritmo utilizado no
aprendizado de máquina conhecido como:
a) SVM.
b) Bagging.
c) AdaBoost.
d) Random Forest.
www.tecconcursos.com.br/questoes/2536086
CEBRASPE (CESPE) - Ana (SERPRO)/SERPRO/Tecnologia/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Aprendizado de máquina é um subcampo da inteligência artificial que consiste no treinamento de
modelos computacionais para que possam reconhecer padrões e, a partir de um conjunto de dados de
entrada, prever o valor de uma variável de saída. Em relação ao aprendizado de máquina, julgue o item
a seguir.
A matriz de confusão permite avaliar o desempenho de um modelo de classificação a partir da frequência
de erros e acertos.
Certo
Errado
www.tecconcursos.com.br/questoes/2536088
https://www.tecconcursos.com.br/questoes/2536086
https://www.tecconcursos.com.br/questoes/2536088
78)
79)
CEBRASPE (CESPE) - Ana (SERPRO)/SERPRO/Tecnologia/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Aprendizado de máquina é um subcampo da inteligência artificial que consiste no treinamento de
modelos computacionais para que possam reconhecer padrões e, a partir de um conjunto de dados de
entrada, prever o valor de uma variável de saída. Em relação ao aprendizado de máquina, julgue o item
a seguir.
A regressão logística utiliza variáveis independentes categóricas para prever uma variável lógica ou
booliana.
Certo
Errado
www.tecconcursos.com.br/questoes/2536089
CEBRASPE (CESPE) - Ana (SERPRO)/SERPRO/Tecnologia/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Aprendizado de máquina é um subcampo da inteligência artificial que consiste no treinamento de
modelos computacionais para que possam reconhecer padrões e, a partir de um conjunto de dados de
entrada, prever o valor de uma variável de saída. Em relação ao aprendizado de máquina, julgue o item
a seguir.
A medida de confiança de uma regra de associação é calculada pela frequência com que tal regra
aparece em transações individuais na base de dados transacional.
Certo
Errado
https://www.tecconcursos.com.br/questoes/2536089
80)
81)
www.tecconcursos.com.br/questoes/2536092
CEBRASPE (CESPE) - Ana (SERPRO)/SERPRO/Tecnologia/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Aprendizado de máquina é um subcampo da inteligência artificial que consiste no treinamento de
modelos computacionais para que possam reconhecer padrões e, a partir de um conjunto de dados de
entrada, prever o valor de uma variável de saída. Em relação ao aprendizado de máquina, julgue o item
a seguir.
Em aprendizado de máquina, as características de entrada e saída são definidas, respectivamente, como
atributos previsores e atributos alvo ou meta.
Certo
Errado
www.tecconcursos.com.br/questoes/2536093
CEBRASPE (CESPE) - Ana (SERPRO)/SERPRO/Tecnologia/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Aprendizado de máquina é um subcampo da inteligência artificial que consiste no treinamento de
modelos computacionais para que possam reconhecer padrões e, a partir de um conjunto de dados de
entrada, prever o valor de uma variável de saída. Em relação ao aprendizado de máquina, julgue o item
a seguir.
As técnicas de agrupamento têm por objetivo fazer a previsão de um atributo alvo a partir do
agrupamento de dados que compartilhem padrões semelhantes.
Certo
Errado
https://www.tecconcursos.com.br/questoes/2536092
https://www.tecconcursos.com.br/questoes/2536093
82)
83)
www.tecconcursos.com.br/questoes/2549444
QUADRIX - Tec Inf (CRM MG)/CRM MG/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
O tipo de aprendizagem de máquina que se baseia em dados preparados para treinamento, quando
se sabe o desfecho de cada registro do conjunto de dados, em geral previamente rotulados por um
especialista, é a aprendizagem
a) supervisionada.
b) não supervisionada.
c) por reforço.
d) aleatória.
e) flexível.
www.tecconcursos.com.br/questoes/2555112
FUNDATEC - ANC (PROCERGS)/PROCERGS/Ciência de Dados/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Relacione a Coluna 1 à Coluna 2, associando as categorias de aprendizado de máquina às suas
características.
Coluna 1
1. Aprendizado Supervisionado.
2. Aprendizado Não Supervisionado.
https://www.tecconcursos.com.br/questoes/2549444
https://www.tecconcursos.com.br/questoes/2555112
3. Aprendizado Profundo.
Coluna 2
( ) O algoritmo recebe um conjunto de dados rotulados e aprende comparando a saída do modelo
com a saída esperada, reajustando seus parâmetros até chegar em um limiar aceitável e pré-
determinado a priori.
( ) Os algoritmos buscam encontrar padrões ou estruturas em conjuntos de dados não rotulados, por
exemplo, gerando agrupamentos de dados.
( ) Conjunto de algoritmos que modelam abstrações de alto nível de dados usando grafos com várias
camadas de processamento, compostas de várias transformações lineares e não lineares.
( ) Processo de aprendizado baseado em redes neurais com várias camadas (em geral, mais de cinco
camadas): entrada, saída e oculta.
A ordem correta de preenchimento dos parênteses, de cima para baixo, é:
a) 3 – 1 – 2 – 2.
b) 1 – 2 – 3 – 3.
c) 2 – 3 – 1 – 2.
d) 2 – 1 – 3 – 1.
e) 3 – 2 – 2 – 1.
www.tecconcursos.com.br/questoes/2555116
https://www.tecconcursos.com.br/questoes/2555116
84)
85)
FUNDATEC - ANC (PROCERGS)/PROCERGS/Ciência de Dados/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Estatística pode ser utilizada para avaliar o resultado de modelos de mineração de dados e
aprendizado de máquina. Assinale a alternativa que contém, respectivamente, a hipótese nula e a
hipótese alternativa para uma aplicação de um modelo de regressão.
a) Nula, a variável não afeta o resultado porque o seu coeficiente é zero. Alternativa, a variável afeta
o resultado porque o seu coeficiente não é zero.
b) Nula, o algoritmo X não produz uma melhor recomendação do que o algoritmo atual. Alternativa,
o algoritmo X produz uma melhor recomendação do que o algoritmo atual.
c) Nula, a variável não afeta o resultado porque o seu coeficiente é x2. Alternativa, a variável afeta o
resultado porque o seu coeficiente é infinito.
d) Nula, o modelo X não produz uma melhor predição do que o algoritmo atual. Alternativa, o
algoritmo X produz uma melhor predição do que o algoritmo atual.
e) Nula, o algoritmo X prediz melhor que o algoritmo existente. Alternativa, o algoritmo X não prediz
melhor do que o algoritmo existente.
www.tecconcursos.com.br/questoes/2555117
FUNDATEC - ANC (PROCERGS)/PROCERGS/Ciência de Dados/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Analise as assertivas abaixo sobre o método de agrupamento k-means:
I. Dada uma coleção de objetos, cada um com n atributos, k-means é um método que, para I - um
valor escolhido de k, identifica k grupos de objetos com base na proximidade dos objetos com
relação ao centroide do grupo. O centro é determinado como a média do vetor n-dimensional de
atributos de cada grupo.
https://www.tecconcursos.com.br/questoes/2555117
86)
II. Por ser um método supervisionado, o K-means ajuda a excluir a subjetividade das análises.
III. K-means é um método para definir agrupamentos.Uma vez que os agrupamentos e os seus
centroides são identificados, é fácil classificar novos objetivos para um cluster baseado na distância
do objeto do centroide mais próximo.
Quais estão corretas?
a) Apenas II.
b) Apenas I e II.
c) Apenas I e III.
d) Apenas II e III.
e) I, II e III.
www.tecconcursos.com.br/questoes/2555123
FUNDATEC - ANC (PROCERGS)/PROCERGS/Ciência de Dados/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Para evitar overfitting, uma prática comum é randomicamente dividir a base de dados em N
conjuntos de dados de tamanhos aproximadamente iguais. O modelo é treinado com N-1 conjuntos e
testado com o restante. Uma medida de erro é obtida. Esse processo é repetido um total de N vezes
através das várias combinações dos N conjuntos de dados. Por fim, calcula-se a média de validação dos
N experimentos para se obter a estimativa de erro. Qual é o nome dessa técnica descrita e utilizada para
avaliar modelos de aprendizado de máquina?
a) Coeficiente de determinação (R2).
b) Validação cruzada k-fold.
https://www.tecconcursos.com.br/questoes/2555123
87)
c) Curvas de complexidade.
d) Medida F (F1).
e) Curvas de aprendizado.
www.tecconcursos.com.br/questoes/2579718
VUNESP - APPGG (Pref SP)/Pref SP/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Análise de Agrupamentos ou Clusters é um conjunto de técnicas com o objetivo principal de
identificar entidades com características similares.
Sobre análise de clusters e as técnicas de agrupamento, assinale a alternativa correta.
a) K-Means é um algoritmo de agrupamento que possui a vantagem de não usar um número
predeterminado de grupos.
b) Os grupos (clusters) são formados de maneira a minimizar a similaridade intragrupo e maximizar a
similaridade intergrupos.
c) O método K-Means é um método de agrupamento hierárquico.
d) No agrupamento de K-Means, resultados produzidos pela execução do algoritmo a partir de
diferentes centroides iniciais de dados são sempre os mesmos.
e) Os métodos hierárquicos chamados de bottom-up diferenciam-se dos métodos do tipo top-down
por formarem inicialmente grupos com o mínimo de distância interna possível.
www.tecconcursos.com.br/questoes/2585362
VUNESP - ATI (TJ RS)/TJ RS/Análise de Suporte/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
https://www.tecconcursos.com.br/questoes/2579718
https://www.tecconcursos.com.br/questoes/2585362
88)
89)
O aprendizado supervisionado é um dos tipos de aprendizado de máquina no qual se trabalha com
dados já rotulados.
Assinale a alternativa que descreve corretamente o que são os dados rotulados.
a) Dados em que cada coluna de números é acompanhada por uma coluna de strings (rótulos).
b) Dados que já possuem a resposta a ser prevista.
c) O rótulo é utilizado nesses dados como uma garantia que todos os dados são do mesmo tipo (p.
ex. int, float, string).
d) São dados em que as colunas possuem nomes.
e) São dados ordenados conforme um filtro estabelecido.
www.tecconcursos.com.br/questoes/2586277
VUNESP - TTI (TJ RS)/TJ RS/Programador/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Sobre aprendizado de máquina e uso de assistentes virtuais, comumente chamados de chatbots,
assinale a alternativa correta.
a) Chatbots baseados em regras são os mais avançados em termos de tecnologia na área.
b) Chatbots baseados em Processamento de Linguagem Natural (PLN) ainda não possuem uma
técnica para solução de ambiguidades.
c) Chatbots baseados em recuperação textual usam algoritmos de aprendizado de máquina e
técnicas de aprendizado profundo.
d) Não é possível fazer uso de chatbot em infraestrutura de computação em nuvem.
e) Chatbots que usam o modelo generativo são mais difíceis de serem construídos e treinados.
https://www.tecconcursos.com.br/questoes/2586277
90)
91)
www.tecconcursos.com.br/questoes/2589019
CEBRASPE (CESPE) - AFM (Pref Fortaleza)/Pref Fortaleza/Administração/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
A fim de modernizar e se adaptar às demandas de um ambiente de negócios cada vez mais digital e
competitivo, a secretária de finanças de determinada organização pretende implementar uma área
especializada em dados para promover a inovação, melhorar a agilidade e a velocidade de resposta às
necessidades interna e externa bem como aumentar a eficiência e a produtividade do setor.
Considerando essa situação hipotética, julgue o item a seguir.
A aplicação de inteligência artificial por meio da técnica de aprendizado de máquina é uma das formas de
modernizar a secretaria de finanças em questão, mas, para tanto, será necessário substituir todos os
computadores pessoais por outro com sistema operacional mais moderno baseado em linguagem natural.
Certo
Errado
www.tecconcursos.com.br/questoes/2599134
Marinha - QT (Marinha)/Marinha/Informática/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Segundo Faceli (2021), assinale a opção INCORRETA referente à avaliação de modelos preditivos.
a) O uso das curvas de ROC são utilizados para avaliar classificadores em problemas não binários.
b) Na Análise AUC (Area Under ROC Curve), ao se comparar dois algoritmos, aquele que possuir AUC
mais próximo de 1 é considerado superior.
c) Testes de hipóteses para comparação de desempenho são recomendados quando os
desempenhos apresentados para outras métricas são equivalentes.
https://www.tecconcursos.com.br/questoes/2589019
https://www.tecconcursos.com.br/questoes/2599134
92)
d) Dentre os métodos de amostragem para obter estimativas de desempenho podem ser utilizados:
validação cruzada, holdout e/ou bootstrap.
e) As medidas de erro mais comumente utilizadas para problemas de regressão são o erro
quadrático médio e a distância absoluta média.
www.tecconcursos.com.br/questoes/2599166
Marinha - QT (Marinha)/Marinha/Informática/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Segundo Grus (2016), os dois perigos comuns em aprendizagem de máquina são: o sobreajuste e o
subajuste. Sobre esses perigos, assinale a alternativa CORRETA.
a) O sobreajuste ocorre quando o modelo produzido não desempenha bem nem com os dados de
treino.
b) O subajuste ocorre quando o modelo produzido desempenha bem com os dados de treino, mas
não muito bem com dados novos.
c) Modelos que são muito complexos tendem ao sobreajuste e não lidam bem com dados além
daqueles com os quais foram treinados.
d) Uma boa prática é fazer uma divisão de dados testes/treinamento não apenas para avaliar um
modelo, mas também para escolher entre os vários modelos.
e) Uma prática ruim, ao comparar modelos, é fazer uma divisão de dados considerando uma terceira
parte para validação.
www.tecconcursos.com.br/questoes/2604183
CEBRASPE (CESPE) - Ana TI (FUB)/FUB/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
https://www.tecconcursos.com.br/questoes/2599166
https://www.tecconcursos.com.br/questoes/2604183
93)
94)
No que se refere a noções de algoritmos de aprendizado não supervisionado e Python aplicado a
analytics, julgue o item seguinte.
Nos algoritmos de aprendizagem de máquina não supervisionados, os dados de treinamento são
fornecidos sem rótulos e, nesse caso, o algoritmo deverá agrupar os dados de treinamento pelas
similaridades de seus atributos.
Certo
Errado
www.tecconcursos.com.br/questoes/2637888
CEBRASPE (CESPE) - Ana TI (DATAPREV)/DATAPREV/Analise de Negócios/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Com relação a inteligência artificial, análise de dados e Big Data, julgue o item a seguir.
Um sistema de aprendizado não supervisionado, dotado de um conjunto de dados de treinamento que
foram classificados manualmente, tenta aprender, a partir desses dados de treinamento, uma forma de
classificá-los, bem como de classificar novos dados, ainda não observados.
Certo
Errado
www.tecconcursos.com.br/questoes/2641832CEBRASPE (CESPE) - Ana TI (DATAPREV)/DATAPREV/Inteligência da Informação/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
https://www.tecconcursos.com.br/questoes/2637888
https://www.tecconcursos.com.br/questoes/2641832
95)
96)
97)
No que se refere a técnicas, ferramentas e algoritmos de aprendizado não supervisionado, julgue o
item a seguir.
A redução de dimensionalidade é uma técnica que reduz a quantidade de atributos que descrevem um
objeto, mantendo a integridade dos dados originais.
Certo
Errado
www.tecconcursos.com.br/questoes/2641833
CEBRASPE (CESPE) - Ana TI (DATAPREV)/DATAPREV/Inteligência da Informação/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
No que se refere a técnicas, ferramentas e algoritmos de aprendizado não supervisionado, julgue o
item a seguir.
A regra de associação é uma técnica que busca relações de co-ocorrência entre objetos de uma base de
dados.
Certo
Errado
www.tecconcursos.com.br/questoes/2641834
CEBRASPE (CESPE) - Ana TI (DATAPREV)/DATAPREV/Inteligência da Informação/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
No que se refere a técnicas, ferramentas e algoritmos de aprendizado não supervisionado, julgue o
item a seguir.
https://www.tecconcursos.com.br/questoes/2641833
https://www.tecconcursos.com.br/questoes/2641834
98)
99)
A compressão de atributos é uma técnica de redução de dimensionalidade na qual atributos irrelevantes
ou redundantes são identificados e desconsiderados.
Certo
Errado
www.tecconcursos.com.br/questoes/2641835
CEBRASPE (CESPE) - Ana TI (DATAPREV)/DATAPREV/Inteligência da Informação/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
No que se refere a técnicas, ferramentas e algoritmos de aprendizado não supervisionado, julgue o
item a seguir.
O PCA é um procedimento estatístico que converte um conjunto de objetos com atributos possivelmente
correlacionados em um conjunto de objetos com atributos linearmente descorrelacionados.
Certo
Errado
www.tecconcursos.com.br/questoes/2641836
CEBRASPE (CESPE) - Ana TI (DATAPREV)/DATAPREV/Inteligência da Informação/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
No que se refere a técnicas, ferramentas e algoritmos de aprendizado não supervisionado, julgue o
item a seguir.
https://www.tecconcursos.com.br/questoes/2641835
https://www.tecconcursos.com.br/questoes/2641836
100)
101)
O algoritmo k-means seleciona objetos reais de uma base de dados como centroide do grupo para
realizar o agrupamento de objetos semelhantes.
Certo
Errado
www.tecconcursos.com.br/questoes/2641837
CEBRASPE (CESPE) - Ana TI (DATAPREV)/DATAPREV/Inteligência da Informação/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
No que se refere a técnicas, ferramentas e algoritmos de aprendizado não supervisionado, julgue o
item a seguir.
O algoritmo k-means é utilizado para realizar o agrupamento de dados e opera por meio de refinamento
interativo.
Certo
Errado
www.tecconcursos.com.br/questoes/2641838
CEBRASPE (CESPE) - Ana TI (DATAPREV)/DATAPREV/Inteligência da Informação/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Julgue o próximo item, relativo a aprendizado de máquina.
As técnicas de regressão utilizam um conjunto finito de hipóteses para, a partir dos atributos previsores,
determinar a categoria de um objeto do conjunto de dados analisado.
Certo
https://www.tecconcursos.com.br/questoes/2641837
https://www.tecconcursos.com.br/questoes/2641838
102)
103)
Errado
www.tecconcursos.com.br/questoes/2641839
CEBRASPE (CESPE) - Ana TI (DATAPREV)/DATAPREV/Inteligência da Informação/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Julgue o próximo item, relativo a aprendizado de máquina.
Os algoritmos SVM (support vector machines) realizam apenas tarefas de regressão.
Certo
Errado
www.tecconcursos.com.br/questoes/2641840
CEBRASPE (CESPE) - Ana TI (DATAPREV)/DATAPREV/Inteligência da Informação/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Julgue o próximo item, relativo a aprendizado de máquina.
A técnica de agrupamento é um tipo de aprendizado não supervisionado em que o algoritmo identifica
padrões em um conjunto de dados de entrada sem ter recebido qualquer feedback prévio.
Certo
Errado
www.tecconcursos.com.br/questoes/2641841
CEBRASPE (CESPE) - Ana TI (DATAPREV)/DATAPREV/Inteligência da Informação/2023
https://www.tecconcursos.com.br/questoes/2641839
https://www.tecconcursos.com.br/questoes/2641840
https://www.tecconcursos.com.br/questoes/2641841
104)
105)
106)
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Julgue o próximo item, relativo a aprendizado de máquina.
O aprendizado por reforço é um tipo de aprendizagem de máquina que tem por objetivo prever o
resultado de um atributo alvo exclusivamente por meio de reforço no treinamento do modelo.
Certo
Errado
www.tecconcursos.com.br/questoes/2642408
CEBRASPE (CESPE) - Ana TI (DATAPREV)/DATAPREV/Sustentação Tecnológica/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Acerca de Big Data, business intelligence e machine learning julgue o item a seguir.
Os métodos de aprendizado supervisionado são capazes de identificar padrões em um conjunto de dados
sem a necessidade de receberem dados de treinamento rotulados.
Certo
Errado
www.tecconcursos.com.br/questoes/2709150
FGV - AL (CAM DEP)/CAM DEP/Contador/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Maria está construindo um sistema de aprendizado de máquina que utiliza a informação sobre a
segmentação de clientes que está armazenada no CRM da empresa. Porém, a segmentação que ela
extrai do CRM possui os valores "bronze", "prata" e "ouro", que seu sistema não entende.
https://www.tecconcursos.com.br/questoes/2642408
https://www.tecconcursos.com.br/questoes/2709150
107)
Para isso, Maria quer implementar um processo de ETL que recodifica a segmentação para os valores
"0", "1" e "2" representando, respectivamente, "bronze", "prata" e "ouro" antes de carregar os dados em
seu sistema.
O tipo de transformação que Maria deve empregar em seu processo ETL é
a) deduplication.
b) filtering.
c) join.
d) mapping.
e) sorting.
www.tecconcursos.com.br/questoes/2710233
FGV - AL (CAM DEP)/CAM DEP/Informática Legislativa/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
No contexto dos métodos e técnicas de aprendizado de máquina, assinale a afirmativa incorreta.
a) O algoritmo K-Means é uma técnica de aprendizado não supervisionado usada para clustering.
b) A Análise de Componentes Principais (PCA) é um método de redução de dimensionalidade.
c) SVM (Support Vector Machine) é um algoritmo de aprendizado de máquina usado para
classificação e regressão.
https://www.tecconcursos.com.br/questoes/2710233
108)
d) Random Forest é um algoritmo de aprendizado profundo, amplamente utilizado em
reconhecimento de fala.
e) A Regressão Logística é comumente usada para problemas de classificação binária.
www.tecconcursos.com.br/questoes/2710237
FGV - AL (CAM DEP)/CAM DEP/Informática Legislativa/2023
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Joselito é um desenvolvedor especializado em inteligência artificial e trabalha para uma renomada
indústria.
Recentemente, ele finalizou o treinamento de um modelo de visão computacional, cujo objetivo é
identificar se os colaboradores estão utilizando capacetes enquanto circulam pelo chão de fábrica,
visando a assegurar o cumprimento das normas de segurança. Durante a apresentação do projeto para a
equipe de liderança, o modelo demonstrou alta acurácia na maioria das situações.
Entretanto, houve um padrão atípico de erro: o chefe de Joselito, que é calvo, foi consistentemente
identificado pelo modelo como estando de capacete, ainda que estivessesem capacete.
Com base nessas informações, assinale a opção que indica a causa mais provável do comportamento
anômalo observado no modelo de Joselito.
a) O modelo foi treinado com um conjunto de dados desbalanceado tendo muito mais exemplos de
pessoas usando capacetes do que sem.
b) O chefe de Joselito tem características faciais únicas que o modelo não conseguiu aprender
corretamente durante o treinamento.
https://www.tecconcursos.com.br/questoes/2710237
109)
c) O modelo está superajustado (overfitting), capturando detalhes muito específicos do conjunto de
treinamento que não generalizam bem para dados não vistos.
d) O conjunto de dados de treinamento não tinha uma quantidade balanceada de pessoas calvas
sem utilizar o capacete, fazendo o modelo associar erroneamente a calvície com o uso de capacete.
e) A resolução da câmera utilizada durante a demonstração era significativamente inferior à usada
para coletar imagens do conjunto de dados de treinamento, levando o modelo a interpretar
incorretamente características faciais.
www.tecconcursos.com.br/questoes/1916091
FGV - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2022
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Um analista do TCU recebe o conjunto de dados com covariáveis e a classe a que cada amostra
pertence na tabela a seguir.
X1 X2 Classe
0 1 A
0 2 B
1 0 A
1 -1 B
2 2 B
1 2 A
-1 1 B
2 3 A
https://www.tecconcursos.com.br/questoes/1916091
110)
Esse analista gostaria de prever a classe dos pontos (1,1), (0,0) e (-1,2) usando o algoritmo de k-
vizinhos mais próximos com k=3 e usando a distância euclidiana usual.
Suas classes previstas são, respectivamente:
a) A, B, A;
b) B, A, A;
c) A, B, B;
d) A, A, B;
e) A, A, A.
www.tecconcursos.com.br/questoes/1936914
CEBRASPE (CESPE) - PPNS (PETROBRAS)/PETROBRAS/Ciência de Dados/2022
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
https://www.tecconcursos.com.br/questoes/1936914
111)
Julgue o próximo item, considerando o gráfico precedente, que representa as regiões de overfitting e de
underfitting, permitindo uma avaliação do relacionamento da complexidade do modelo de aprendizagem
de máquina adotado, com o erro de predição.
A região do gráfico entre as duas curvas, indicada pela letra B, mostra a região de erro de generalização
para o modelo de aprendizado de máquina.
Certo
Errado
www.tecconcursos.com.br/questoes/1936925
CEBRASPE (CESPE) - PPNS (PETROBRAS)/PETROBRAS/Ciência de Dados/2022
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Os modelos ditos fracos, também chamados modelos de base, muitas vezes são combinados com o
objetivo de se construir um modelo mais forte, no qual a variância e o viés atinjam equilíbrio satisfatório.
Esse procedimento, denominado ensembles, é muito utilizado em ciência de dados e aprendizado de
máquinas. Quanto às formas de ensembles, julgue o próximo item.
O ensemble denominado bagging tem como foco principal a redução do viés e não da variância,
treinando-se os modelos em sequência, tal que os erros dos primeiros modelos treinados são utilizados
para o ajuste nos pesos matemáticos dos próximos modelos.
Certo
Errado
www.tecconcursos.com.br/questoes/1936926
CEBRASPE (CESPE) - PPNS (PETROBRAS)/PETROBRAS/Ciência de Dados/2022
https://www.tecconcursos.com.br/questoes/1936925
https://www.tecconcursos.com.br/questoes/1936926
112)
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Os algoritmos de aprendizado supervisionado partem de um conjunto de dados rotulados para
fazer previsões sobre novos dados não rotulados. O Python scikit-learn é uma biblioteca de código aberto
utilizada para codificações de rotinas em aprendizado de máquina supervisionado; ela oferece ainda uma
série de ferramentas utilizadas no ajuste de modelos e no pré-processamento de dados, para a seleção e
avaliação de modelos.
Tendo como referência essas informações, julgue o item a seguir.
No código a seguir, DecisionTreeClassifier é um classificador que recebe como entrada dois arrays: um
array X, de valores inteiros, contendo os rótulos de classe para as amostras de treinamento; e um array
Y, esparso ou denso, contendo as amostras de treinamento.
>>> from sklearn import tree
>>> X = [[0, 0], [1, 1]]
>>> Y = [0, 1]
>>> clf = tree.DecisionTreeClassifier()
>>> clf = clf.fit(X, Y)
Certo
Errado
www.tecconcursos.com.br/questoes/1936927
CEBRASPE (CESPE) - PPNS (PETROBRAS)/PETROBRAS/Ciência de Dados/2022
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
https://www.tecconcursos.com.br/questoes/1936927
113)
114)
Os algoritmos de aprendizado supervisionado partem de um conjunto de dados rotulados para
fazer previsões sobre novos dados não rotulados. O Python scikit-learn é uma biblioteca de código aberto
utilizada para codificações de rotinas em aprendizado de máquina supervisionado; ela oferece ainda uma
série de ferramentas utilizadas no ajuste de modelos e no pré-processamento de dados, para a seleção e
avaliação de modelos.
Tendo como referência essas informações, julgue o item a seguir.
SVC, NuSCV e LinearSVC são classes do scikit-learn capazes de realizar classificação binária e multiclasse
em um conjunto de dados.
Certo
Errado
www.tecconcursos.com.br/questoes/1936928
CEBRASPE (CESPE) - PPNS (PETROBRAS)/PETROBRAS/Ciência de Dados/2022
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Os hiperparâmetros de um modelo são todos os parâmetros que podem ser definidos antes do
inicio do treinamento, diferentemente dos parâmetros do modelo, que são aprendidos durante o treino
do modelo. A busca por hiperparâmetros de determinado algoritmo de aprendizado de máquina que
retorne o melhor desempenho medido em um conjunto de validação deu origem ao conceito de
otimização de hiperparâmetros.
Acerca dos conceitos de otimização de hiperparâmetros de modelos de aprendizado de máquinas, julgue
o item que se segue.
A otimização bayesiana se utiliza do conceito de probabilidade para encontrar o valor de entrada de uma
https://www.tecconcursos.com.br/questoes/1936928
115)
116)
função que possa retornar o menor valor de saída possível. Nesse método, o número de iterações de
pesquisa pode ser reduzido a partir da escolha dos valores de entrada, levando em consideração os
resultados anteriores, o que caracteriza um processo iterativo.
Certo
Errado
www.tecconcursos.com.br/questoes/1936956
CEBRASPE (CESPE) - PPNS (PETROBRAS)/PETROBRAS/Ciência de Dados/2022
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Com respeito a machine learning aplicado, julgue o próximo item.
Classificação de imagens é um método de aprendizado não supervisionado no qual se aplica um modelo
de treinamento para o reconhecimento de padrões gráficos presentes em amostras de imagens.
Certo
Errado
www.tecconcursos.com.br/questoes/1936958
CEBRASPE (CESPE) - PPNS (PETROBRAS)/PETROBRAS/Ciência de Dados/2022
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Com respeito a machine learning aplicado, julgue o próximo item.
Mask RCNN (region-based convolutional neural network) é um método para segmentação de objetos e
instâncias que se baseia em detecção, enquanto o método SSAP (single-shot instance segmentation) se
baseia em pixels.
https://www.tecconcursos.com.br/questoes/1936956
https://www.tecconcursos.com.br/questoes/1936958
117)
118)
Certo
Errado
www.tecconcursos.com.br/questoes/1936960
CEBRASPE (CESPE) - PPNS (PETROBRAS)/PETROBRAS/Ciência de Dados/2022
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Com respeito a machine learning aplicado, julgue o próximo item.
Stop-words constituem um conjunto de palavras que proporcionam pouca informação para o significado
de uma frase.
Certo
Errado
www.tecconcursos.com.br/questoes/1936961
CEBRASPE (CESPE) - PPNS (PETROBRAS)/PETROBRAS/Ciência de Dados/2022
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de MáquinaCom respeito a machine learning aplicado, julgue o próximo item.
O CBOW é um modelo de aprendizado de máquina desenhado para prever contexto com base em
determinada palavra.
Certo
Errado
www.tecconcursos.com.br/questoes/1936964
https://www.tecconcursos.com.br/questoes/1936960
https://www.tecconcursos.com.br/questoes/1936961
https://www.tecconcursos.com.br/questoes/1936964
119)
120)
CEBRASPE (CESPE) - PPNS (PETROBRAS)/PETROBRAS/Ciência de Dados/2022
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Com respeito a machine learning aplicado, julgue o próximo item.
Suponha que a palavra amor ocorra 1.000 vezes no último livro escrito por certo autor, que escreveu, no
total, 10 livros. Nesse caso, se a palavra amor for encontrada em todos os livros desse autor, então o
valor do TF-IDF (term frequencyinverse document frequency) referente à palavra amor no último livro
escrito será igual a 1/1.000.
Certo
Errado
www.tecconcursos.com.br/questoes/1936972
CEBRASPE (CESPE) - PPNS (PETROBRAS)/PETROBRAS/Ciência de Dados/2022
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Com respeito a métodos para imputação de dados, julgue o seguinte item.
O método de imputação K-NN (k-nearest neighbours) leva em consideração os padrões de similaridade
presentes no conjunto de dados para predizer os valores faltantes. No entanto, a escolha da função de
distância para a aplicação desse método, como, por exemplo, HEOM (heterogeneous euclidean-overlap
metric) ou HVDM (heterogeneous value difference metric), pode influenciar significativamente nos
resultados da imputação.
Certo
Errado
https://www.tecconcursos.com.br/questoes/1936972
121)
122)
www.tecconcursos.com.br/questoes/1942670
CEBRASPE (CESPE) - ATT (SEFAZ SE)/SEFAZ SE/2022
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
No aprendizado de máquina, o algoritmo de classificação considerado mais rudimentar e simples,
que cria o modelo simplesmente baseado na moda da classe, ou seja, classifica todas as instâncias de
acordo com a classe dominante, é conhecido como
a) ZeroR.
b) validação cruzada.
c) florestas aleatórias.
d) K-means.
e) DBSCAN.
www.tecconcursos.com.br/questoes/1970720
CEBRASPE (CESPE) - AAAJ (DP DF)/DP DF/Informática Banco de Dados/2022
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Julgue o item subsequente, a respeito de inteligência artificial.
Machine learning é um tipo de aprendizado de máquina que executa entradas por meio de uma
arquitetura de rede neural de inspiração biológica.
Certo
Errado
www.tecconcursos.com.br/questoes/1990105
https://www.tecconcursos.com.br/questoes/1942670
https://www.tecconcursos.com.br/questoes/1970720
https://www.tecconcursos.com.br/questoes/1990105
123)
124)
FGV - ATIFE (Sefaz AM)/SEFAZ AM/2022
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Certo grupo de pesquisadores utilizou a regressão logística para construir um classificador binário
que estima se uma observação pertence a certo grupo de interesse. Este classificador é baseado em uma
única variável explicativa x.
Suponha que a função obtida, após o treinamento, é (com indicando que a
observação pertence ao grupo de interesse). Uma nova observação tem variável (3).
Esta nova observação deve ser classificada pelo classificador como
a) pertencente ao grupo de interesse.
b) inconclusivo.
c) pertencente ao grupo de interesse e também ao seu complementar.
d) não pertencente ao grupo de interesse.
e) não pertencente nem ao grupo de interesse nem ao seu complementar.
www.tecconcursos.com.br/questoes/1990108
FGV - ATIFE (Sefaz AM)/SEFAZ AM/2022
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Sobre aprendizado profundo (Deep Learning), é correto afirmar que
x
p(x) = 1
1+ex
p(x) = 1
x ≈ ln
https://www.tecconcursos.com.br/questoes/1990108
125)
a) só pode ser aplicado para produzir classificações binárias.
b) consiste em aprendizado de um perceptron de uma camada única.
c) é uma família de métodos de aprendizado de máquinas baseado em redes neurais com múltiplas
camadas.
d) não é adequado para visão computacional.
e) oferece a vantagem de sempre conter poucos parâmetros a ajustar durante o processo de
aprendizagem.
www.tecconcursos.com.br/questoes/1990111
FGV - ATIFE (Sefaz AM)/SEFAZ AM/2022
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
O algoritmo KNN (K-nearest neighbors ou k-vizinhos mais próximos) se insere na categoria de
a) aprendizado por reforço.
b) aprendizado não supervisionado.
c) aprendizado supervisionado.
d) redução de dimensionalidade.
e) modelo paramétrico.
https://www.tecconcursos.com.br/questoes/1990111
126)
127)
www.tecconcursos.com.br/questoes/1990665
FGV - AFCTE (Sefaz AM)/SEFAZ AM/2022
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
O tipo de aprendizado máquina, que consiste em treinar um sistema a partir de dados que não
estão rotulados e/ou classificados e utilizar algoritmos que buscam descobrir padrões ocultos que
agrupam as informações de acordo com semelhanças ou diferenças, é denominado
a) dinâmico.
b) sistêmico.
c) por reforço.
d) supervisionado.
e) não supervisionado.
www.tecconcursos.com.br/questoes/1992142
FGV - AFTE (SEFAZ AM)/SEFAZ AM/2022
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Com relação ao algoritmo de K-Means, analise as afirmativas a seguir e assinale (V) para a
verdadeira e (F) para a falsa.
( ) Consiste em fixar k centroides de modo quadrático, sendo um para cada novo cluster.
https://www.tecconcursos.com.br/questoes/1990665
https://www.tecconcursos.com.br/questoes/1992142
128)
( ) Associa cada indivíduo ao centroide do seu vizinho, obtido pelo cálculo da minimização da soma
quadrática das distâncias entre os dados e os centroides mais próximos.
( ) Recalcula os centroides com base nos indivíduos classificados.
As afirmativas são, na ordem apresentada, respectivamente,
a) V – F – F.
b) V – V – F.
c) V – F – V.
d) F – F – V.
e) F – V – F.
www.tecconcursos.com.br/questoes/2058667
FGV - Ana (MPE SC)/MPE SC/Dados e Pesquisas/2022
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Uma biblioteca está classificando os seus frequentadores em grupos literários para facilitar a
aquisição e a organização dos livros. Isso foi feito aplicando o algoritmo KNN ao banco de dados de
usuários da biblioteca, incluindo alguns dos campos de informação como atributos, tais como idade e
nível de formação acadêmica. Em um experimento, uma segunda classificação foi feita usando um
conjunto maior de atributos, incluindo ambos de maior ou menor relevância percebida com relação aos
grupos definidos.
https://www.tecconcursos.com.br/questoes/2058667
129)
A segunda classificação tende a ser:
a) diferente da primeira, pois o algoritmo perde acurácia com o aumento da quantidade de atributos;
b) próxima à primeira, pois o algoritmo é robusto a ruído nos dados;
c) diferente da primeira, pois o algoritmo sofrerá underfitting;
d) próxima à primeira, pois o algoritmo pode balancear a influência dos atributos mais e menos
relevantes;
e) diferente da primeira, pois o algoritmo é sensível a atributos não relevantes.
www.tecconcursos.com.br/questoes/2106498
QUADRIX - Ana Sis I (CRA PR)/CRA PR/2022
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Com relação aos conceitos de machine learning e deep learning, julgue o item.
Os sistemas de machine learning podem ser empregados em situações em que os softwares tradicionais
não conseguem resolver os problemas ou que suas soluções não são consideradas como satisfatórias.
Certo
Errado
www.tecconcursos.com.br/questoes/2106499
QUADRIX - Ana Sis I (CRA PR)/CRA PR/2022
https://www.tecconcursos.com.br/questoes/2106498
https://www.tecconcursos.com.br/questoes/2106499
130)
131)
132)
TI - Desenvolvimento de Sistemas - Sistemas deAprendizado de Máquina
Com relação aos conceitos de machine learning e deep learning, julgue o item.
Um dos tipos de sistema machine learning é a aprendizagem supervisionada, que é caracterizada pela
aprendizagem de padrões com base na entrada (dados de treinamento) e que não apresenta um
feedback explícito quanto a esse aprendizado.
Certo
Errado
www.tecconcursos.com.br/questoes/2106500
QUADRIX - Ana Sis I (CRA PR)/CRA PR/2022
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Com relação aos conceitos de machine learning e deep learning, julgue o item.
Entre as técnicas de machine learning, a random forest é capaz de solucionar problemas de classificação
e de regressão, por meio da construção e dos treinamentos de árvores de decisão.
Certo
Errado
www.tecconcursos.com.br/questoes/2114249
FCC - TJ TRT4/TRT 4/Apoio Especializado/Tecnologia da Informação/2022
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Um Técnico necessitou estudar a respeito de aprendizado de máquina. Durante as pesquisas
observou, corretamente, que
https://www.tecconcursos.com.br/questoes/2106500
https://www.tecconcursos.com.br/questoes/2114249
133)
a) regras de associação são tarefas inerentes a modelos descritivos.
b) regras de associação não representam padrões existentes nas transações de um banco de dados.
c) para usar os algoritmos de regras de associação os dados no formato de tabela não necessitam
ser convertidos para o formato de transação.
d) regras de associação são tarefas inerentes a modelos preditivos.
e) em uma regra de associação deve existir uma definição explícita de classe.
www.tecconcursos.com.br/questoes/2152882
FCC - AJ (TJ CE)/TJ CE/Ciência da Computação/Sistemas da Informação/2022
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
A implantação de uma solução de machine learning tipicamente passa por 5 fases. Na fase inicial,
deve-se ter clareza quanto à pergunta ou problema para o qual se busca uma solução e quanto às
informações que serão utilizadas, sejam elas de propriedade do interessado ou a serem adquiridas no
mercado. As outras fases são:
I. Treinar o modelo ajustando os atributos, parâmetros de treinamento e algoritmos até que o
modelo produza os resultados desejados. A validação é realizada comparando-se as predições com
os resultados reais.
II. Monitorar os resultados das predições para verificar se o modelo continua generalizando. Se
houver uma diminuição significativa na capacidade de predição do modelo, este deve ser treinado
novamente com novos dados ou até mesmo os algoritmos, atributos e parâmetros de treinamento
devem ser ajustados.
III. Definir o objetivo do aprendizado de máquina, estruturar o modelo que será o responsável por
realizar as predições e adequar os dados para os algoritmos selecionados.
https://www.tecconcursos.com.br/questoes/2152882
IV. Verificar se o modelo generaliza. No caso de o modelo não generalizar, deve-se retornar para as
fases anteriores ou até mesmo para a fase inicial. Se generalizar, o modelo já pode seguir para a
produção.
A ordem sequencial correta das outras fases é:
FASE 2 FASE 3 FASE 4 FASE 5
a)
III I IV II
b)
I IV II III
c)
IV III I II
d)
I II III IV
e)
III II I IV
134)
www.tecconcursos.com.br/questoes/2159010
FCC - AJ TRT22/TRT 22/Apoio Especializado/Tecnologia da Informação/2022
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Considere, abaixo, as situações que envolvem métodos de aprendizado de máquina que podem ser
supervisionados (S) ou não supervisionados (NS).
I. Uma empresa monitora e coleta dados em tempo real de mais de 1.000 veículos de divulgação,
100 mil blogs e das principais redes sociais do mundo. Utiliza um método capaz de identificar e
segmentar grupos de eleitores a favor ou contra determinado assunto, de acordo com o interesse do
cliente.
II. A partir de uma base de dados na qual são identificadas pessoas que estão fumando e pessoas
que não estão fumando, são formados dois subconjuntos disjuntos: a base de treino (contendo 70%
dos dados originais) e a base de teste (contendo o restante dos dados originais, 30%). Em seguida,
a base de treino é submetida ao modelo para que seus parâmetros sejam calibrados e, após esta
etapa, ocorre a predição de classes.
III. O sistema de recomendação de um site de comércio eletrônico monitora todos os itens vendidos
e, quando um cliente está realizando uma compra, apresenta para ele itens semelhantes
frequentemente comprados juntos.
Os itens I, II e III, são exemplos, respectivamente, de métodos
a) S − S − NS.
b) NS − NS − S.
c) S − NS − S.
d) NS − S − NS.
e) S − NS − NS.
https://www.tecconcursos.com.br/questoes/2159010
135)
www.tecconcursos.com.br/questoes/2160555
FCC - TJ TRT22/TRT 22/Apoio Especializado/Tecnologia da Informação/2022
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
No âmbito do Aprendizado de Máquina, uma das métricas mais conhecidas para problemas de
regressão é o RMSE (Root Mean Squared Error). Considere os dados abaixo (valores fornecidos: raiz
quadrada de 81,25 = 9,01; raiz quadrada de 325 = 18,03; raiz quadrada de 100 = 10; raiz quadrada de
25 = 5).
Com base nos dados fornecidos,
a) a média de X (erro elevado ao quadrado) é 325/4 = 81,25 e o RMSE corresponde a 9,01.
b) o RMSE corresponde à média da soma dos valores da coluna X, ou seja, 325/4 = 81,25.
c) o RMSE corresponde à raiz quadrada da soma dos valores da coluna X, ou seja, 18,03.
d) X corresponde ao RMSE de cada valor do modelo comparado ao valor real.
e) o RMSE de cada valor do modelo comparado ao valor real é a raiz quadrada de X, ou seja: 10, 10,
5 e 10.
www.tecconcursos.com.br/questoes/2200321
Com. Org. (IFSP) - Ana TI (IF SP)/IF SP/Ciência de Dados/2022
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
https://www.tecconcursos.com.br/questoes/2160555
https://www.tecconcursos.com.br/questoes/2200321
136)
137)
Entre os modelos de aprendizado de máquina mais comuns, estão as árvores de decisão. Elas são
métodos de aprendizado de máquinas muito utilizados em tarefas de classificação e regressão. Em
problemas de classificação, os modelos em árvore são designados de árvore de decisão. Para resolver um
problema de decisão, esse tipo de método utiliza a estratégia de dividir para conquistar. Uma proposta
natural é rotular cada conjunto da divisão por sua classe mais frequente e escolher a divisão que tem
menores erros. O conceito fundamental nessa proposta é denominado de entropia. Considerando as
árvores de decisão, assinale a alternativa que define corretamente o conceito de entropia.
a) A entropia é uma medida que representa a soma de todos os valores, dividida pelo número de
valores do conjunto de dados.
b) A entropia é uma medida que representa a probabilidade de obter uma ocorrência do evento, a
partir de uma seleção aleatória do subconjunto de dados.
c) A entropia é uma medida que representa a diferença entre o maior e o menor valor, dentro de um
conjunto de dados.
d) A entropia é uma medida que representa a categoria, ou o valor, de maior ocorrência em um
conjunto de dados.
www.tecconcursos.com.br/questoes/2214554
FGV - AJ TRT16/TRT 16/Apoio Especializado/Tecnologia da Informação/2022
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Com relação aos conceitos de aprendizado de máquina, assinale V para a afirmativa verdadeira e F
para a falsa.
I. Os três principais paradigmas de aprendizado de máquina são os de aprendizado supervisionado,
não supervisionado e por inteligência profunda.
II. os algoritmos de classificação e clusterização estão correlacionados com paradigma de
https://www.tecconcursos.com.br/questoes/2214554
138)
aprendizado supervisionado.
III. os algoritmos de support vector machines e randon forest são paradigmas do aprendizado de
inteligência profunda.
As afirmativas são, respectivamente,
a) V, V e V.
b) V, V e F.
c) V, F e V.
d) F, Ve V.
e) F, F e F.
www.tecconcursos.com.br/questoes/2233579
FUMARC - AJ TRT3/TRT 3/Apoio Especializado/Tecnologia da Informação/2022
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Considere o trecho de código abaixo escrito na linguagem Python 3.x sobre modelos preditivos de
classificação usando a biblioteca scikit learn (sklearn):
CÓDIGO PYTHON
from sklearn import tree
X = [[0, 0, 0], [1, 1, 1], [0, 0, 1], [1, 1, 0] ]
https://www.tecconcursos.com.br/questoes/2233579
139)
y = [0, 1, 0, 1]
clf = tree.DecisionTreeClassifier()
# inserir o código que irá construir/treinar o modelo classificador
Assinale a alternativa CORRETA que corresponde à linha de código que irá construir um classificador
(estimador) baseado em árvores de decisão a partir do conjunto de dados de treinamento:
a) clf.classifier(X, y)
b) clf.estimate(X, y)
c) clf.fit(X, y)
d) clf.predict(X, y)
e) clf.train(X, y)
www.tecconcursos.com.br/questoes/2267577
CEBRASPE (CESPE) - AJ TRT8/TRT 8/Apoio Especializado/Tecnologia da Informação/2022
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Acerca de modelos preditivos e descritivos, assinale a opção correta.
a) Com um modelo não supervisionado consegue-se construir um estimador a partir de exemplos
rotulados.
b) Um modelo supervisionado refere-se à identificação de informações relevantes nos dados sem a
presença de um elemento externo para orientar o aprendizado.
c) Com o uso de técnicas do modelo não supervisionado, consegue-se prever com exatidão o
resultado de uma eleição utilizando pesquisas como parâmetro.
d) A análise de agrupamento pertence ao paradigma de aprendizado não supervisionado, em que o
aprendizado é dirigido aos dados, não requerendo conhecimento prévio sobre as suas classes ou
categorias.
https://www.tecconcursos.com.br/questoes/2267577
140)
e) Tendo como objetivo encontrar padrões ou tendências para auxiliar o entendimento dos dados,
deve-se usar técnicas do modelo supervisionado.
www.tecconcursos.com.br/questoes/2404060
FUNDATEC - Tec Sup (AGERGS)/AGERGS/Engenharia/Dados/2022
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Para evitar a polarização dos modelos de aprendizado de máquina, as técnicas de balanceamento
buscam equilibrar a quantidade de instâncias de cada classe do conjunto de dados. Dentre as diversas
técnicas existentes, podemos citar: Seleção aleatória pela menor classe, Seleção por agrupamento pela
menor classe e Replicação de instâncias. Sobre o assunto, analise as assertivas a seguir:
I. Dado dois conjuntos de registros com N e M registros (onde N<<M) vinculados a duas classes, o
balanceamento por seleção aleatória ocorre selecionando de forma aleatória N registros dentro do
conjunto contendo M registros.
II. Dado dois conjuntos de registros com N e M registros (onde N<<M) vinculados a duas classes, o
balanceamento por seleção de grupo ocorre selecionando por meio de uma técnica de agrupamento
os N registros mais representativos dentro do conjunto contendo M registros.
III. Dado dois conjuntos de registros com N e M registros (onde N<<M) vinculados a duas classes,
o balanceamento ocorre gerando artificialmente instâncias a partir das instâncias do conjunto
contendo M registros (classe maioritária).
Quais estão INCORRETAS?
a) Apenas I.
b) Apenas III.
https://www.tecconcursos.com.br/questoes/2404060
141)
c) Apenas I e II.
d) Apenas II e III.
e) I, II e III.
www.tecconcursos.com.br/questoes/2404062
FUNDATEC - Tec Sup (AGERGS)/AGERGS/Engenharia/Dados/2022
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Durante a etapa do pré-processamento da base de dados, a análise de Outliers é uma tarefa
comum e relevante para obter modelos de aprendizado de máquina consistentes. A presença de outliers
pode levar a modelos imprecisos quando o modelo é testado ou colocado em produção. Analise as
assertivas a seguir e assinale a alternativa correta.
I. Outliers são dados com padrões muito diferentes aos demais, que fogem ao padrão dos dados.
Estes dados precisam ser identificados e analisados.
II. Outliers podem ser produzidos por erros de medição, valores default assumidos durante o
preenchimento de uma base de dados ou podem corresponder a valores corretos, mas pertencentes
a uma base de dados desbalanceada.
III. Na prática, os outliers comumente são eliminados. Porém, pode-se estar negligenciando um
conjunto de instâncias que podem trazer novos conhecimentos acerca do domínio de problema.
IV. A detecção de outliers pode ser feita por meio de técnicas univariadas, que consistem em
explorar cada atributo e variabilidade dos valores em torno da média.
Quando a variabilidade é grande, pode indicar registros, potenciais outliers.
https://www.tecconcursos.com.br/questoes/2404062
142)
a) Todas estão corretas.
b) Todas estão incorretas.
c) Apenas II e IV estão corretas.
d) Apenas I, II e III estão corretas.
e) Apenas II, III e IV estão corretas.
www.tecconcursos.com.br/questoes/2404096
FUNDATEC - Tec Sup (AGERGS)/AGERGS/Engenharia/Dados/2022
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Recentemente, encontram-se muitas referências na literatura e na mídia em geral ao uso de
aprendizagem profunda (ou “deep learning”). Sobre o assunto, assinale a alternativa INCORRETA.
a) Na aprendizagem profunda, conceitos complexos (de níveis mais altos ou abstratos) são definidos
em termos de sua relação com conceitos mais simples (em níveis mais baixos).
b) A aprendizagem profunda não apresenta nenhuma relação com o aprendizado de máquina,
podendo ser vista como uma abordagem alternativa para tarefas em que o aprendizado de máquina
não consegue obter bons resultados.
c) A aprendizagem profunda pode ser entendida como um tipo de aprendizagem de representação
em que características mais abstratas são inferidas a partir de características mais simples.
d) Uma das razões determinantes para o recente sucesso da aprendizagem profunda se encontra na
maior disponibilidade de grandes conjuntos de dados para as mais diversas tarefas.
e) Deep Learning é um ramo de aprendizado de máquina.
www.tecconcursos.com.br/questoes/2613325
https://www.tecconcursos.com.br/questoes/2404096
https://www.tecconcursos.com.br/questoes/2613325
143)
144)
CEBRASPE (CESPE) - ATCG (MCom)/MCom/Tecnologia da Informação e de Engenharia
Senior/2022
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
No que diz respeito aos dados estruturados e não estruturados, aos bancos de dados relacionais,
ao modelo de referência CRISP-DM e à modelagem preditiva, julgue o item a seguir.
A modelagem preditiva é um processo matemático executado automaticamente pelo computador,
entretanto ela não cria um modelo inteiro sozinha, pois necessita da intervenção do analista na fase
inicial do processo de modelagem.
Certo
Errado
www.tecconcursos.com.br/questoes/2622935
AOCP - PEBTT (IFF)/IFF/Informática Educativa/2022
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
O aprendizado de máquina supervisionado tem as tarefas de classificação e regressão. Várias
métricas são utilizadas para avaliar os resultados dos algoritmos. Assinale a alternativa que NÃO
apresenta uma métrica padrão de avaliação para a tarefa de classificação.
a) Mean Squared Error (MSE).
b) Acurácia.
c) F1-Score.
d) Recall.
https://www.tecconcursos.com.br/questoes/2622935
145)
146)
e) Precisão.
www.tecconcursos.com.br/questoes/1628559
CEBRASPE (CESPE) - Ana (SERPRO)/SERPRO/Ciência de Dados/2021
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
No que se refere a técnicas de regressão, técnicas de agrupamento e aprendizado profundo, julgue
o item a seguir.
Nos agrupamentos hierárquicos, um dendrograma é uma árvore que controla quando os clusters são
criados e que determina qual é a métrica das distâncias.
Certo
Errado
www.tecconcursos.com.br/questoes/1628563
CEBRASPE (CESPE) - Ana (SERPRO)/SERPRO/Ciênciade Dados/2021
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
No que se refere a técnicas de regressão, técnicas de agrupamento e aprendizado profundo, julgue
o item a seguir.
O modelo de regressão linear é suscetível à multicolinearidade, a qual diz respeito ao fato de o erro
da predição permanecer estável, dentro de um intervalo de confiança aceitável, à medida que os valores
de entrada mudam.
Certo
Errado
https://www.tecconcursos.com.br/questoes/1628559
https://www.tecconcursos.com.br/questoes/1628563
147)
www.tecconcursos.com.br/questoes/1757784
CESGRANRIO - Esc BB/BB/Agente de Tecnologia/2021
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Um pesquisador conseguiu uma base de dados que mostrava terrenos classificados de acordo com:
• características físicas;
• tipo de negócio a ser nele implantado;
• risco esperado, que compreendia os rótulos alto, médio, baixo ou nenhum.
Decidiu, então, usar um algoritmo de aprendizado de máquina que, a partir das características físicas do
terreno e do tipo de negócio a ser nele implantado, aprenderia a determinar o risco esperado,
enquadrando o terreno em questão em um daqueles rótulos.
Nesse cenário, que algoritmo de aprendizado de máquina é indicado para resolver esse problema?
a) PCA
b) K-NN
c) DBSCAN
d) K-Medoids
e) Redes de Kohonen
www.tecconcursos.com.br/questoes/1786463
FGV - AJ (TJ RO)/TJ RO/Analista de Sistemas/Desenvolvimento e Suporte/2021
https://www.tecconcursos.com.br/questoes/1757784
https://www.tecconcursos.com.br/questoes/1786463
148)
149)
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
A Inteligência Artificial (IA) apoia o desenvolvimento de soluções tecnológicas capazes de realizar
atividades similares às capacidades cognitivas humanas. Como exemplo, a plataforma Sinapses,
desenvolvida pelo Tribunal de Justiça do Estado de Rondônia (TJRO) e adaptada para uso nacional,
gerencia o treinamento supervisionado de modelos de IA.
Em soluções de IA, a tecnologia que possui a capacidade de melhorar o desempenho na realização de
alguma tarefa por meio da experiência usando dados de treinamento, podendo ser supervisionado ou
não, é o(a):
a) Motor de Inferência (Inference Engine) de Sistemas Especialistas (Expert Systems);
b) Raciocínio Automatizado (Automated Reasoning);
c) Compreensão de Linguagem Natural (Natural-Language Understanding);
d) Representação do Conhecimento (Knowledge Representation) usando Lógica de Primeira Ordem
(First Logic Order);
e) Aprendizado de Máquina (Machine Learning).
www.tecconcursos.com.br/questoes/1790647
CEBRASPE (CESPE) - AFCA (SEFAZ AL)/SEFAZ AL/2021
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Acerca de conceitos de modelagem preditiva e algoritmos de classificação, julgue o item a seguir.
O método k-NN (k-nearest neighbors) é um dos classificadores não paramétricos baseados em distância.
https://www.tecconcursos.com.br/questoes/1790647
150)
151)
Certo
Errado
www.tecconcursos.com.br/questoes/1821269
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
A modelagem de tópicos latentes é uma técnica de aprendizado de máquina
a) supervisionada
b) em batch
c) baseado em instâncias
d) não supervisionada
e) baseado em modelo
www.tecconcursos.com.br/questoes/1992228
CETAP - TIRM (JUCEPA)/JUCEPA/Nível I Classe A/2021
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Quando uma loja de e-commerce sugere um produto para o cliente com base em suas compras
e/ou pesquisas recentes ou uma plataforma de streaming sugere um filme ou série com base no que o
cliente comumente assiste, os algoritmos destes ambientes estão usando o conceito de aprendizado de
máquina. Tipicamente, estes algoritmos são classificados como:
a) aprendizagem supervisionada (ou com supervisão).
b) aprendizagem não supervisionada (ou sem supervisão).
c) aprendizagem por reforço.
d) aprendizagem aleatória.
https://www.tecconcursos.com.br/questoes/1821269
https://www.tecconcursos.com.br/questoes/1992228
152)
153)
www.tecconcursos.com.br/questoes/1727219
Marinha - QT (Marinha)/Marinha/Informática/2020
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Um Oficial recebeu a determinação para montar três turmas de treinamento físico em uma
Organização Militar, baseado no desempenho em um teste físico com cinco atividades. O Oficial possui
registros, sem nenhuma classificação de nivelamento, de 200 militares com os tempos dos testes de
corrida, natação, tempo máximo de permanência na água, número de barras realizadas e número de
flexões de braço realizadas. Assim, para cumprir a determinação adequadamente, o Oficial deverá
utilizar:
a) um algoritmo baseado em treinamento supervisionado.
b) o algoritmo Regressão Linear.
c) um Perceptron.
d) o algoritmo Regressão Linear Múltipla.
e) um algoritmo baseado em treinamento nãosupervisionado.
www.tecconcursos.com.br/questoes/686758
CEBRASPE (CESPE) - EPF/PF/2018
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Em um big data, alimentado com os dados de um sítio de comércio eletrônico, são armazenadas
informações diversificadas, que consideram a navegação dos usuários, os produtos comprados e outras
preferências que o usuário demonstre nos seus acessos.
Tendo como referência as informações apresentadas, julgue o item seguinte.
https://www.tecconcursos.com.br/questoes/1727219
https://www.tecconcursos.com.br/questoes/686758
154)
Uma aplicação que reconheça o acesso de um usuário e forneça sugestões diferentes para cada tipo de
usuário pode ser considerada uma aplicação que usa machine learning.
Certo
Errado
www.tecconcursos.com.br/questoes/2018276
PR4 (UFRJ) - ATI (UFRJ)/UFRJ/Bioinformática/2014
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Baseado em estudos de aprendizado de máquina, marque a alternativa que melhor explica a
diferença entre algoritmos supervisionados e não supervisionados.
a) Algoritmos não supervisionados necessitam de modelos para aprendizado de padrões, enquanto
que métodos supervisionados extraem os padrões dos próprios conjuntos de dados.
b) Ambos os métodos necessitam de conjuntos de dados modelos para aprendizado, a diferença
reside na forma como os dados são computados.
c) Algoritmos supervisionados têm esse nome, pois é necessário o acompanhamento do
processamento de um agente humano.
d) Algoritmos supervisionados necessitam de dados rotulados para aprender o padrão, enquanto que
métodos não supervisionados extraem os padrões dos próprios conjuntos de dados.
e) As definições de supervisionado e não supervisionado são antigas formas de se classificar os
primeiros algoritmos, nos primeiros modelos de computadores, e não são mais utilizados nos modelos
modernos.
www.tecconcursos.com.br/questoes/2544684
https://www.tecconcursos.com.br/questoes/2018276
https://www.tecconcursos.com.br/questoes/2544684
155)
156)
157)
CEBRASPE (CESPE) - Ana TI (DATAPREV)/DATAPREV/Inteligência da Informação/2006
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Julgue o seguinte item, relativos à tarefa de classificação, a qual consiste em aprender uma função
(construir um modelo) que mapeie um item de dado para uma entre várias classes pré-definidas.
O aprendizado usado na tarefa de classificação é não-supervisionado.
Certo
Errado
www.tecconcursos.com.br/questoes/2544685
CEBRASPE (CESPE) - Ana TI (DATAPREV)/DATAPREV/Inteligência da Informação/2006
TI - Desenvolvimento de Sistemas - Sistemas de Aprendizado de Máquina
Julgue o seguinte item, relativos à tarefa de classificação, a qual consiste em aprender uma função
(construir um modelo) que mapeie um item de dado para uma entre várias classes pré-definidas.
Os atributos (variável de classe e variáveis independentes) podem ser categóricos ou numéricos.
Certo
Erradowww.tecconcursos.com.br/questoes/2779804
CESGRANRIO - TPP (IPEA)/IPEA/Ciência de Dados/2024
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
Em um projeto de classificação de textos, um modelo de machine learning foi aplicado em um
conjunto de teste e apresentou os seguintes resultados: uma precisão de 80% e uma revocação de 70%.
https://www.tecconcursos.com.br/questoes/2544685
https://www.tecconcursos.com.br/questoes/2779804
158)
Com base nessas informações e considerando-se apenas a parte inteira da porcentagem, qual é o F1
Score desse modelo?
a) 2%
b) 18%
c) 37%
d) 74%
e) 98%
www.tecconcursos.com.br/questoes/2337618
FGV - ACE (TCE ES)/TCE ES/Tecnologia da Informação/2023
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
João e Júlio fazem parte da equipe de Ciência de Dados do TCE/ES e estão realizando um estudo
para o desenvolvimento de um classificador binário (classes positiva e negativa) usando Naive Bayes.
Com o intuito de dividirem suas tarefas, João ficou responsável por treinar o modelo de classificação, e
Júlio, por avaliar o desempenho do modelo. Após o treinamento do modelo, João aplicou-o ao conjunto
de teste e enviou um e-mail a Júlio com a matriz de confusão resultante.
Dessa forma, Júlio poderá calcular:
a) a acurácia do modelo, mas não o seu recall;
b) o recall do modelo, mas não a sua precisão;
c) a precisão do modelo, mas não o seu F1-score;
https://www.tecconcursos.com.br/questoes/2337618
159)
d) o F1-score do modelo, mas não a sua AUC;
e) a AUC do modelo, mas não a sua acurácia.
www.tecconcursos.com.br/questoes/2337619
FGV - ACE (TCE ES)/TCE ES/Tecnologia da Informação/2023
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
Com o objetivo de minimizar os riscos na concessão de crédito, um banco contratou uma empresa
especializada em sistemas digitais para desenvolver um classificador de requisitantes de crédito em bons
ou maus pagadores. Ao entregar o modelo de classificação para o banco, a empresa afirmou que o
classificador havia obtido nos testes uma precisão de mais de 95%. No entanto, após alguns meses, o
banco notou que o desempenho do classificador estava aquém do esperado, ficando abaixo de 60%.
Essa situação apresenta um problema de:
a) underfitting, que se caracteriza pelo classificador estar subajustado aos exemplos do mundo real;
b) overfitting, que se caracteriza pelo classificador estar superajustado aos exemplos de treinamento;
c) undersampling, que se caracteriza pela quantidade de exemplos do mundo real ser pequena;
d) oversampling, que se caracteriza pela quantidade de exemplos de treinamento ser excessiva;
e) outliers, que se caracteriza pela presença de exemplos do mundo real muito distintos dos
exemplos de treinamento.
https://www.tecconcursos.com.br/questoes/2337619
160)
161)
www.tecconcursos.com.br/questoes/2346694
FGV - ATRFB/SRFB/Geral/2023
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
Suponha que um modelo de classificação binária foi treinado para distinguir e-mails de spam de e-
mails legítimos. O modelo foi testado em um conjunto de dados de teste com 200 e-mails, sendo 100 e-
mails de spam e 100 e-mails legítimos.
A matriz de confusão é dada por 80 verdadeiros positivos, 85 verdadeiros negativos, 15 falsos positivos
(erro tipo 1) e 20 falsos negativos (erro tipo 2).
Nessas condições, o F1-Score do modelo deve ser aproximadamente igual a
a) 0,74.
b) 0,78.
c) 0,82.
d) 0,86.
e) 0,90.
www.tecconcursos.com.br/questoes/2346889
FGV - AFRFB/SRFB/Geral/2023
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
No contexto dos algoritmos utilizados em análise de dados, considere os passos a seguir:
https://www.tecconcursos.com.br/questoes/2346694
https://www.tecconcursos.com.br/questoes/2346889
1. recebe os dados de treinamento como entrada, que incluem atributos e categorias;
2. calcula a probabilidade de cada categoria ocorrer com base na quantidade de exemplos de cada
categoria no conjunto de dados;
3. calcula a probabilidade condicional para cada atributo, ou seja, a probabilidade de um atributo
dada uma categoria;
4. para uma nova entrada, calcula a probabilidade de cada categoria dada a entrada;
5. seleciona a categoria com a maior probabilidade condicional como a previsão para a nova entrada;
6. repete os passos 4 e 5 para todas as entradas desconhecidas.
Assinale o algoritmo que é implementado nos passos acima.
a) Regressão Logística.
b) Naive Bayes.
c) K-Means.
d) Random Forest.
e) Regressão Linear.
www.tecconcursos.com.br/questoes/2346894
FGV - AFRFB/SRFB/Geral/2023
https://www.tecconcursos.com.br/questoes/2346894
162)
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
Luiz, médico dermatologista, criou um modelo de IA para auxiliar na detecção de câncer de pele
com visão computacional. Como um modelo de classificação binária, ele terá 4 possíveis saídas:
verdadeiro positivo (paciente com câncer, detectado corretamente), verdadeiro negativo (paciente sem
câncer, detectado corretamente), falso positivo (paciente sem câncer, detectado incorretamente) e falso
negativo (paciente com câncer, não detectado pelo modelo).
Levando em consideração que um modelo de IA seria utilizado como uma ferramenta de auxílio ao
diagnóstico de câncer de pele, os erros de “tipo 1” (falso positivo) seriam tolerados, já que haveria uma
análise posterior realizada por um médico especialista. No entanto, os erros “tipo 2” (falso negativo)
seriam os mais críticos, uma vez que podem resultar em um diagnóstico tardio ou falho, comprometendo
a saúde do paciente.
Tomando o cenário como base, julgue os itens a seguir:
I. A métrica mais importante nesse caso seria a Sensibilidade (Recall ou Revocação);
II. A métrica mais importante nesse caso seria a Precisão (Precision);
III. Ao ajustar o modelo para minimizar erros de "tipo 2", geralmente os erros de "tipo 1" tendem a
aumentar;
IV. Luiz deveria submeter seu modelo a um treinamento mais longo, independentemente do
overfitting.
Estão corretas as afirmativas
a) I e III, apenas.
163)
b) II e III, apenas.
c) I e IV, apenas.
d) II e IV, apenas.
e) III e IV, apenas.
www.tecconcursos.com.br/questoes/2460924
FGV - AJ (TJ RN)/TJ RN/Apoio Especializado/Análise de Sistemas/2023
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
A analista Carla recebeu a tarefa de implementar uma solução algorítmica para classificar os
processos arquivados no TJRN entre aqueles que foram ganhos e aqueles que foram perdidos. Na
primeira abordagem, Carla se baseou no algoritmo de machine learning que, aplicado à classificação
binária, divide os dados de entrada em duas regiões separadas por uma reta. Ao fim do algoritmo, a
distância da reta para o dado mais próximo de cada região é a mesma e a maior possível.
Sendo assim, na primeira abordagem, Carla utilizou como base o algoritmo de machine learning:
a) K-Médias;
b) Regressão Linear;
c) Regressão Logística;
d) K-Vizinhos Mais Próximos;
e) Máquina de Vetores de Suporte.
www.tecconcursos.com.br/questoes/2468332
https://www.tecconcursos.com.br/questoes/2460924
https://www.tecconcursos.com.br/questoes/2468332
164)
FUNDATEC - Ana Sist (BRDE)/BRDE/Ciência de Dados/2023
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
Em relação às estratégias de avaliação dos modelos preditivos, analise as assertivas abaixo,
assinalando V, se verdadeiras, ou F, se falsas.
( ) O exemplar verdadeiro-positivo pertence à classe positiva, mas o classificador o classificou como
pertencente à classe negativa.
( ) O f-score (medida F) é a percentagem de acertos ou verdadeiros positivos dentre todos os
exemplos classificados como positivos.
( ) O exemplar verdadeiro-negativo pertence à classe negativa e o classificador o classificoucomo
pertencente à classe negativa.
( ) A sensibilidade ou revocação (recall) é a taxa de verdadeiros positivos, isto é, porcentagem de
verdadeiros positivos dentre todos os exemplares cuja classe esperada é a classe positiva.
A ordem correta de preenchimento dos parênteses, de cima para baixo, é:
a) V – F – F – V.
b) V – V – F – F.
c) V – F – V – F.
d) F – V – F – V.
e) F – F – V – V.
www.tecconcursos.com.br/questoes/2555125
https://www.tecconcursos.com.br/questoes/2555125
165)
FUNDATEC - ANC (PROCERGS)/PROCERGS/Ciência de Dados/2023
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
Analise as assertivas abaixo sobre Naïve Bayes:
I. É um classificador ingênuo que assume que a presença ou ausência de uma característica
particular de uma classe não está relacionada com a presença ou ausência de outras características.
II. As variáveis de entrada são geralmente categóricas, mas variações do algoritmo podem aceitar
variáveis contínuas. Também existem maneiras de converter variáveis contínuas em categóricas.
Esse processo é denominado discretização de variáveis contínuas.
III. A filtragem de spam é um exemplo clássico do uso de Naïve Bayes para distinguir e-mail de
spam de e-mail legítimo. Muitos clientes de e-mail modernos implementam variantes de filtragem
bayesiana de spam.
Quais estão corretas?
a) Apenas II.
b) Apenas I e II.
c) Apenas I e III.
d) Apenas II e III.
e) I, II e III.
www.tecconcursos.com.br/questoes/2555128
FUNDATEC - ANC (PROCERGS)/PROCERGS/Ciência de Dados/2023
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
https://www.tecconcursos.com.br/questoes/2555128
166)
167)
__________ é um método de classificação binária que traça um hiperplano ótimo que maximiza a
margem de separação entre duas classes de dados. A etapa principal do algoritmo é descobrir os vetores
que são as instâncias equidistantes do hiperplano.
Assinale a alternativa que preenche corretamente a lacuna do trecho acima.
a) Random Forest
b) Support Vector Machine (SVM)
c) k-Nearest Neighbors
d) Naïve Bayes
e) k-Means
www.tecconcursos.com.br/questoes/2585224
VUNESP - ATI (TJ RS)/TJ RS/Análise de Sistemas/2023
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
Existem diversos tipos de Machine Learning, a depender do propósito e do formato dos dados de
entrada utilizados nos modelos.
São exemplos desses tipos:
a) Aprendizado supervisionado e aprendizado heurístico.
b) Aprendizado heurístico e aprendizado por largura.
c) Aprendizado por largura e aprendizado não supervisionado.
d) Aprendizado guloso e deep learning.
e) Aprendizado supervisionado e aprendizado não supervisionado.
https://www.tecconcursos.com.br/questoes/2585224
168)
169)
www.tecconcursos.com.br/questoes/2636259
VUNESP - AFTM SP/Pref SP/Tecnologia da Informação/2023
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
O kNN é um algoritmo de aprendizado supervisionado utilizado em problemas de classificação.
Nesse algoritmo, a letra “k” representa
a) a profundidade da árvore de busca que será montada pelo algoritmo.
b) o número de épocas utilizadas para o treinamento.
c) o número de vizinhos utilizado no algoritmo.
d) o grau de complexidade do algoritmo.
e) a quantidade de variáveis de entrada que serão utilizadas.
www.tecconcursos.com.br/questoes/2637570
CEBRASPE (CESPE) - Ana Proc (DATAPREV)/DATAPREV/2023
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
No que se refere a conceitos de business intelligence, data lake, inteligência artificial e machine
learning, julgue o item a seguir.
O machine learning é um subconjunto da inteligência artificial, o qual é utilizado para analisar, por meio
de algoritmos, grandes volumes de dados e permite que uma máquina ou um sistema aprenda e melhore
com base na experiência.
Certo
Errado
https://www.tecconcursos.com.br/questoes/2636259
https://www.tecconcursos.com.br/questoes/2637570
170)
171)
www.tecconcursos.com.br/questoes/2650556
FUVEST - Ana Sis (USP)/USP/Ciência de Dados/2023
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
Considere que você possua um dataset contendo 100 instâncias de uma classe A e 120 instâncias
de uma classe B.
Você utilizou 80% das instâncias de cada classe deste dataset para treinar um classificador, e o utilizou
para prever a classe de todas as 220 instâncias do dataset. Curiosamente, seu classificador acertou a
classe de todas as instâncias que foram utilizadas no treinamento do classificador, mas acertou apenas
cerca de 50% das instâncias que não foram usadas no treinamento.
Este é um cenário típico que indica que você deveria ter aplicado qual técnica no seu processo de
treinamento?
a) Normalização.
b) Balanceamento de classes.
c) Remoção de outliers.
d) Regularização.
e) Clusterização.
www.tecconcursos.com.br/questoes/2690383
FGV - Ag Fisc (TCE-SP)/TCE SP/Tecnologia da Informação (TI)/2023
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
João precisa criar um modelo interpretável de previsão de cancelamento de serviços com base em
dados de cliente, demográficos e de tipo de serviço. Para tanto, João deve considerar que o problema é
https://www.tecconcursos.com.br/questoes/2650556
https://www.tecconcursos.com.br/questoes/2690383
172)
tabular, com vários atributos e regras de escolha complexas.
No contexto de técnicas de classificação, o tipo de algoritmo que João deverá utilizar é:
a) naive bayes;
b) árvore de decisão;
c) k-vizinhos mais próximos;
d) rede neural convolucional;
e) máquina de vetores de suporte.
www.tecconcursos.com.br/questoes/2710247
FGV - AL (CAM DEP)/CAM DEP/Informática Legislativa/2023
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
Considere um modelo de classificação que produziu os seguintes resultados:
Verdadeiros Positivos (VP): 80
Falsos Negativos (FN): 20
Verdadeiros Negativos (VN):70
Falsos Positivos (FP): 30
Com base nessas informações, a revocação (recall) do modelo será, aproximadamente,
a) 0,72.
b) 0,76.
c) 0,79.
d) 0,80.
https://www.tecconcursos.com.br/questoes/2710247
173)
174)
e) 0,89.
www.tecconcursos.com.br/questoes/2770174
VUNESP - AJ TRF3/TRF 3/Apoio Especializado/Informática/2023
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
A precisão é uma das métricas utilizadas para avaliação de modelos de aprendizado supervisionado
voltados para a classificação. Utilizando a nomenclatura TP (Verdadeiro Positivo), FP (Falso Positivo), TN
(Verdadeiro Negativo) e FN (Falso Negativo), pode-se afirmar corretamente que a equação da precisão
é:
a) TP/(TP + FP)
b) TN/FN
c) FP/(FP + TN)
d) (TP + TN)/(TP + FP + TN + FN)
e) TP/(TP + FN)
www.tecconcursos.com.br/questoes/1925025
FGV - AFFC (CGU)/CGU/Tecnologia da Informação/"Sem Especialidade"/2022
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
Dois colegas de um time de ciência de dados discutem o novo projeto do time: avaliar um grupo
de unidades de negócio e tentar, através de algumas características compartilhadas, separá-las em
grupos. O objetivo é migrar de um cenário em que são elaborados contratos individuais para um cenário
em que possam ser elaborados contratos por grupo.
https://www.tecconcursos.com.br/questoes/2770174
https://www.tecconcursos.com.br/questoes/1925025
175)
Alice acha que deve ser usado um método supervisionado. Ela escolhe o K-means Clustering e propõe
ajustar os hiperparâmetros C e sigma para alcançar um resultado adequado.
Bob prefere métodos não supervisionados, já que a base de dados não possui rótulos, e está em dúvida
entre utilizar Naive Bayes (em razão de a base de dados ser pequena) ou Decision Trees (por talvez ser
necessário ter um modelo explicável).
Analisando as posições de Alice e Bob sobre esse projeto, pode-se afirmar que:a) Alice e Bob estão corretos. Entretanto, não é possível realizar uma análise prévia dos algoritmos –
avaliam-se apenas modelos e suas métricas de desempenho;
b) Alice e Bob estão errados. K-means Clustering é um método não supervisionado e não possui os
parâmetros C e sigma. Naive Bayes e Decision Trees são métodos supervisionados;
c) Alice está correta, mas a sugestão de Bob de utilizar Naive Bayes é fraca, pois esse algoritmo não
apresenta bom desempenho com pequenos conjuntos de dados;
d) Bob está correto e Alice está errada. K-means Clustering é um algoritmo não supervisionado;
e) Bob está errado e Alice está correta. Modelos baseados em Decision Trees não são explicáveis.
www.tecconcursos.com.br/questoes/1925032
FGV - AFFC (CGU)/CGU/Tecnologia da Informação/"Sem Especialidade"/2022
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
Considere uma matriz de confusão de um modelo de classificação binária de relatórios financeiros.
O modelo classifica os relatórios em fraudulentos ou não fraudulentos.
https://www.tecconcursos.com.br/questoes/1925032
176)
Se essa matriz apresenta 200 verdadeiros positivos, 100 verdadeiros negativos, 40 erros do “tipo 1” e 20
erros do “tipo 2”, podem-se calcular as métricas de desempenho aproximadas como:
a) Precision = 0.71. Recall = 0.83;
b) Precision = 0.83. Recall = 0.71;
c) Precision = 0.83. Recall = 0.90;
d) Precision = 0.90. Recall = 0.71;
e) Precision = 0.90. Recall = 0.83.
www.tecconcursos.com.br/questoes/1925042
FGV - AFFC (CGU)/CGU/Tecnologia da Informação/"Sem Especialidade"/2022
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
Considere as sentenças a seguir.
A = “Eu gostei do livro, apesar do livro ser longo”;
B = “Esse livro é muito legal”;
C = “Eu não gostei do livro, não gosto muito desse autor”.
Vamos considerar a seguinte classificação sobre o sentido das sentenças acima:
A – positiva;
B – positiva;
https://www.tecconcursos.com.br/questoes/1925042
177)
C – negativa.
Para calcular as probabilidades de uma sentença ser positiva e de uma determinada palavra aparecer na
sentença, dado que a sentença é positiva, em Aprendizado de Máquinas, pode-se usar o Naive Bayes.
Com a utilização dessa técnica, e com base nos dados das três sentenças acima, os valores das
estimativas de máxima verossimilhança de P(positiva) e P(livro|positiva) são, respectivamente:
a) 1/3 e 1/2;
b) 1/3 e 3/14;
c) 2/3 e 3/14;
d) 2/3 e 1/2;
e) 2/3 e 2/3.
www.tecconcursos.com.br/questoes/1936909
CEBRASPE (CESPE) - PPNS (PETROBRAS)/PETROBRAS/Ciência de Dados/2022
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
As métricas de avaliação de desempenho de um modelo de aprendizado de máquina, que é um
componente integrante de qualquer projeto de ciência de dados, destinam-se a estimar a precisão da
generalização de um modelo sobre os dados futuros (não vistos ou fora da amostra). Dentre as métricas
mais conhecidas, estão a matriz de confusão, precisão, recall, pontuação, especificidade e a curva de
características operacionais do receptor (ROC).
https://www.tecconcursos.com.br/questoes/1936909
178)
Acerca das características específicas dessas métricas, julgue o próximo item.
A matriz de confusão a seguir apresenta três rótulos de classe; os elementos diagonais representam o
número de pontos para os quais o rótulo previsto é igual ao rotulo verdadeiro, enquanto qualquer coisa
fora da diagonal teve um rótulo atribuído erroneamente pelo classificador. Quanto menores forem os
valores diagonais da matriz de confusão, melhor o modelo adotado.
Certo
Errado
www.tecconcursos.com.br/questoes/1936912
CEBRASPE (CESPE) - PPNS (PETROBRAS)/PETROBRAS/Ciência de Dados/2022
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
As métricas de avaliação de desempenho de um modelo de aprendizado de máquina, que é um
componente integrante de qualquer projeto de ciência de dados, destinam-se a estimar a precisão da
generalização de um modelo sobre os dados futuros (não vistos ou fora da amostra). Dentre as métricas
mais conhecidas, estão a matriz de confusão, precisão, recall, pontuação, especificidade e a curva de
características operacionais do receptor (ROC).
Acerca das características específicas dessas métricas, julgue o próximo item.
https://www.tecconcursos.com.br/questoes/1936912
179)
As curvas ROC a seguir mostram a taxa de especificidade (verdadeiros positivos) versus a taxa de
sensibilidade (falsos positivos) do modelo adotado; a linha tracejada é a linha de base da métrica de
avaliação e define uma adivinhação aleatória.
Certo
Errado
www.tecconcursos.com.br/questoes/1990113
FGV - ATIFE (Sefaz AM)/SEFAZ AM/2022
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
A técnica de validação cruzada é usada para avaliar modelos de classificação.
Com relação a esta técnica, é correto afirmar que
a) o erro do modelo é medido sobre os mesmos dados usados para treinar o modelo.
b) o conjunto de treinamento contém exatamente os mesmos dados do conjunto de testes.
c) o conjunto de treinamento contém o conjunto de testes.
https://www.tecconcursos.com.br/questoes/1990113
180)
181)
d) o conjunto de testes contém o conjunto de treinamento.
e) os conjuntos de treinamento e de testes devem ser uma partição disjunta do conjunto de dados.
www.tecconcursos.com.br/questoes/2049404
FGV - AJ (TJDFT)/TJDFT/Apoio Especializado/Análise de Dados/2022
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
Um analista decidiu aplicar um modelo Naive Bayes a um problema cujo conjunto de dados
disponível possui apenas atributos categóricos codificados em one-hot.
O modelo de eventos mais apropriado nesse caso é o:
a) Multinomial;
b) Bernoulli;
c) Gaussiano;
d) Exponencial;
e) Uniforme.
www.tecconcursos.com.br/questoes/2049414
FGV - AJ (TJDFT)/TJDFT/Apoio Especializado/Análise de Dados/2022
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
Considerando a seguinte matriz de confusão obtida de um experimento de classificação:
https://www.tecconcursos.com.br/questoes/2049404
https://www.tecconcursos.com.br/questoes/2049414
182)
real \ previsto gato rato cachorro
gato 10 2 3
rato 5 14 1
cachorro 1 2 12
Os valores corretos das métricas de precisão e recall (revocação/sensibilidade), para a classe rato, são,
respectivamente:
a) 0,62 e 0,67;
b) 0,64 e 0,77;
c) 0,67 e 0,62;
d) 0,78 e 0,7;
e) 0,8 e 0,85.
www.tecconcursos.com.br/questoes/2058632
FGV - Ana (MPE SC)/MPE SC/Dados e Pesquisas/2022
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
Na avaliação de um modelo para detecção de fraude, foi utilizado um conjunto de dados conhecido
que resultou na matriz de confusão abaixo.
Predito
https://www.tecconcursos.com.br/questoes/2058632
183)
Modelo Fraude Não
Fraude
Fraude 4 96
Não Fraude 1 9,999
É correto afirmar que o modelo apresenta:
a) acurácia de 99%, e por isso é adequado para a tarefa;
b) acurácia de 99% e precisão de 80%, o que indica que é adequado para a tarefa;
c) acurácia de 99%, precisão de 80% e revocação de 3%, o que indica que é adequado para a
tarefa;
d) acurácia de 99%, precisão de 80% e revocação de 3%, o que indica que não é adequado para a
tarefa;
e) acurácia de 99%, precisão de 99% e revocação de 99,99%, o que indica que é adequado para a
tarefa.
www.tecconcursos.com.br/questoes/2058669
FGV - Ana (MPE SC)/MPE SC/Dados e Pesquisas/2022
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
O método random forests para classificação ou regressão potencializa alguns benefícios das
árvores de decisão e por isso é preferido em certas situações.
O uso de random forests seria vantajoso em relação à árvore de decisão no seguinte caso:
https://www.tecconcursos.com.br/questoes/2058669
184)
a) redução do custo computacional;b) conjunto de dados com propensão à overfitting;
c) melhor interpretabilidade do modelo;
d) conjunto de dados muito pequeno;
e) número elevado de classes.
www.tecconcursos.com.br/questoes/2059888
FGV - Ana (MPE SC)/MPE SC/Dados e Pesquisas/2022
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
Um modelo semântico vetorial foi criado com a seguinte definição:
onde é o vetor correspondente à palavra , é o i-ésimo documento da coleção de artigos da
Wikipédia, ordenados alfabeticamente por título, e e são, respectivamente, as funções de
frequência de termo e inverso da frequência em documentos.
A alternativa que classifica corretamente o modelo acima descrito e apresenta a razão correta para a
classificação é:
a) latente, pois descreve uma distribuição de tópicos em ;
b) latente, pois o modelo produz vetores densos;
v(w = tf(w, ) ⋅ idf(w,D))i di
v w di D
tf idf
v(w) D
https://www.tecconcursos.com.br/questoes/2059888
185)
c) explícito, pois há uma interpretação intrínseca ao modelo para cada dimensão dos vetores;
d) latente, pois o modelo é construído de forma não supervisionada;
e) explícito, pois a informação do modelo é específica a um corpus.
www.tecconcursos.com.br/questoes/2114250
FCC - TJ TRT4/TRT 4/Apoio Especializado/Tecnologia da Informação/2022
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
O Gráfico ROC de uma Análise ROC:
I. é bidimensional, onde o eixos Y e X do gráfico representam as medidas TVP (Taxa de Verdadeiros
Positivos) e TFP (Taxa de Falsos Positivos), respectivamente.
II. tem sete regiões importantes que representam: Céu ROC, Inferno ROC, Quase Nunca Positivo,
Quase Sempre Positivo, Quase Nunca Negativo, Quase Sempre Negativo e Variáveis Fora da Curva.
III. tem uma linha diagonal que representa Classificadores Aleatórios.
Está correto o que se afirma APENAS em
a) I.
b) I e II.
c) I e III.
d) II e III.
e) III.
https://www.tecconcursos.com.br/questoes/2114250
186)
187)
www.tecconcursos.com.br/questoes/2159009
FCC - AJ TRT22/TRT 22/Apoio Especializado/Tecnologia da Informação/2022
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
A matriz de confusão é utilizada na avaliação de modelos de classificação, no contexto do
aprendizado de máquina. Dentre as métricas que podem ser extraídas da matriz de confusão, que
resumem a capacidade de um modelo de acertar suas predições, estão o percentual que foi predito:
I. Positivo corretamente sobre o total que de fato era positivo.
II. Negativo corretamente sobre o total que de fato era negativo.
III. Positivo sobre o total que de fato era negativo.
IV. Negativo sobre o total que de fato era positivo.
Os itens de I a IV correspondem, correta e respectivamente, a
a) Verdadeiro Positivo − Verdadeiro Negativo − Falso Positivo − Falso Negativo.
b) Falso Positivo − Verdadeiro Positivo − Verdadeiro Negativo − Falso Negativo.
c) Falso Negativo − Verdadeiro Positivo − Falso Positivo − Verdadeiro Negativo.
d) Verdadeiro Positivo − Falso Negativo − Verdadeiro Negativo − Falso Positivo.
e) Falso Negativo − Falso Positivo − Verdadeiro Negativo − Verdadeiro Positivo.
www.tecconcursos.com.br/questoes/2171902
FUNDATEC - POSCOMP (SBC)/SBC/2022
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
Considerando o estudo em Inteligência Artificial, assinale a alternativa que apresenta,
corretamente, os algoritmos de classificação no aprendizado supervisonado.
https://www.tecconcursos.com.br/questoes/2159009
https://www.tecconcursos.com.br/questoes/2171902
188)
189)
a) Naive Bayes, Redes Neurais Artificiais e K-means.
b) Árvores de Decisão, Simulated Annealing e Backpropagation.
c) k-means, Naive Bayes e Algoritmos Genéticos.
d) Árvore de Decisão, Redes Neurais Artificiais e KNN.
e) Regressão Logística, K-means e Lógica Fuzzy.
www.tecconcursos.com.br/questoes/2208919
CEBRASPE (CESPE) - PANS (ANP)/ANP/Atividades de Regulação/Novas Atribuições IV/2022
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
Julgue o item a seguir, relativos a aprendizado supervisionado.
Em se tratando de modelos de regressão linear, indica-se a utilização dos seguintes métodos não
paramétricos para a estimação dos resultados: mínimos quadrados (MQ) e de support vector machines
(SVM).
Certo
Errado
www.tecconcursos.com.br/questoes/2208938
CEBRASPE (CESPE) - PANS (ANP)/ANP/Atividades de Regulação/Novas Atribuições IV/2022
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
Em relação a aprendizado não supervisionado, julgue o item que se seguem.
A validação cruzada pode ser utilizada para detectar quando uma rede neural está sendo treinada de
maneira excessiva (overtraining) e assim interromper o treinamento antes que isso ocorra, como, por
https://www.tecconcursos.com.br/questoes/2208919
https://www.tecconcursos.com.br/questoes/2208938
190)
exemplo, por meio do princípio orientador atrativo para o ajuste dos pesos e bias durante o processo de
treinamento da RNA.
Certo
Errado
www.tecconcursos.com.br/questoes/2214552
FGV - AJ TRT16/TRT 16/Apoio Especializado/Tecnologia da Informação/2022
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
Analise o script python abaixo:
import pandas as pd
from sklearn.datasets import make_hastie_10_2
x, y = make_hastie_10_2(n_samples=6000, random_state=42)
from sklearn.model_selection import train_test_split
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.25,
random_state=42)
from sklearn.ensemble import RandomForestClassifier
clf = RandomForestClassifier( n_estimators=100,
oob_score=True, n_jobs=-1)
clf.fit(x_train, y_train)
y_pred_proba = clf.predict_proba(x_test)[:,1]
from sklearn.metrics import roc_curve
fpr, tpr, thr = roc_curve(y_test, y_pred_proba)
pd.DataFrame( {'FPR': fpr, 'TPR': tpr}
).set_index('FPR')['TPR'].plot(kind='line')
https://www.tecconcursos.com.br/questoes/2214552
O gráfico plotado como resultado do processamento do script é
a)
b)
c)
d)
191)
e)
www.tecconcursos.com.br/questoes/2216095
IBADE - Ana Info (SEA SC)/SEA SC/2022
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
O processo pelo qual os computadores desenvolvem o reconhecimento de padrões, ou a
capacidade de aprender continuamente, ou fazer previsões com base em dados, e então, fazer ajustes
sem serem especificamente programados para isso, é chamado:
a) Machine learning.
b) Auto-Adjust.
c) Business Intelligence.
d) Systems Intelligence.
e) Smart.
https://www.tecconcursos.com.br/questoes/2216095
192)
www.tecconcursos.com.br/questoes/2220773
Marinha - QT (Marinha)/Marinha/Informática/2022
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
Um modelo de classificação de salda binária (0 ou 1) foi projetado pelo Departamento de IA da
Marinha do Brasil. Por abstração, saldas iguais a zero foram associadas ao caso negativo e saldas
unitárias associadas ao caso positivo. Após o treino, o teste e a validação do modelo, obteve-se como
resultado a matriz de confusão exposta na tabela abaixo. Esse sistema é empregado por um banco
comercial e seus diferentes departamentos para classificar indivíduos propensos a não arcar com suas
dividas (ou seja, propensos ao problema denominado default). A resposta igual a 1, positivo, representa
clientes cuja previsão é a de default, enquanto a resposta igual a 0, negativo, é a de clientes cuja
previsão é a de não default. Assim, assinale a opção na qual a pergunta e a resposta feita pelo
departamento descrito se encontra INCORRETA.
Classificação
prevista
Positivo Negativo
Classificação
real
Positivo 800 20
Negativo 10 1600
a) O departamento de risco pretende focar nos indivíduos que irão ter problema de default. Assim,
tal departamento faz a pergunta: "quando a classificação é de default, qual o grau de acerto da
classificação?".Nesse caso, calcula-se a sensibilidade do modelo, que será igual a 40/ 41.
b) O departamento de ciência de dados poderá treinar o modelo buscando um máximo de acurácia
que, neste caso, será igual a 240/243. A acurácia garante que não haja disparidade entre verdadeiros
positivos e verdadeiros negativos, uma vez que ambos são considerados no numerador de seu
cálculo: A = (VP + VN) / (VP + FN + VN + FN).
c) O departamento de ciência de dados poderá treinar o modelo buscando um máximo do F score
que, neste caso, será igual a 1600/1630, sendo calculado pela média harmônica entre precisão e
https://www.tecconcursos.com.br/questoes/2220773
193)
194)
recall.
d) Um dos modelos mais simples para se gerar um classificador similar ao descrito acima é o de
regressão logística.
e) O departamento de marketing pretende que o modelo classifique os indivíduos sem chance de
default para prospectar ofertas ao grupo de indivíduos mais próximo do ideal. Para isso, eles avaliam
o Índice calculado por VN / (VN + FP) = 160/161.
www.tecconcursos.com.br/questoes/2265611
CEBRASPE (CESPE) - ET (BNB)/BNB/Analista de Sistemas/Desenvolvimento de
Sistemas/2022
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
Julgue o próximo item a respeito dos conceitos de Machine Learning.
Classificadores bayesianos são classificadores estatísticos usados para predizer a probabilidade de
pertinência de um objeto a determinada classe.
Certo
Errado
www.tecconcursos.com.br/questoes/2267576
CEBRASPE (CESPE) - AJ TRT8/TRT 8/Apoio Especializado/Tecnologia da Informação/2022
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
Quanto à avaliação de modelos preditivos, assinale a opção correta.
a) A taxa de acerto da métrica de classificação é o complemento da taxa de erro; valores próximos de
0 são considerados melhores.
https://www.tecconcursos.com.br/questoes/2265611
https://www.tecconcursos.com.br/questoes/2267576
195)
b) O gráfico ROC é tridimensional, plotado em um espaço chamado de espaço ROC, com eixos X, Y e
Z.
c) As duas medidas de erro mais comumente utilizadas na métrica de regressão são o potencial erro
definido e a distância média, sempre utilizando números negativos.
d) Nas métricas de classificação, a taxa de erro varia entre 0 e 1, sendo os valores próximos ao
extremo 0 melhores.
e) Uma forma de avaliar classificadores em problemas complexos, ou seja, que possuem mais de
duas classes, é com o uso das curvas ROC (Receiving Operating Characteristics).
www.tecconcursos.com.br/questoes/2293524
FEPESE - Ana Info (FAPESC)/FAPESC/2022
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
É necessário utilizar um algoritmo de Machine Learning para realizar a classificação de um objeto
em três ou mais classes que possuem uma ordem determinada antecipadamente.
Assinale a alternativa que indica corretamente um algoritmo que possa realizar esta tarefa.
a) Regressão Linear Simples
b) Regressão Linear Múltipla
c) Árvores de Regressão Ordinal
d) Regressão Logísitica Ordinal
e) Regressão Logística Binomial
www.tecconcursos.com.br/questoes/2310652
IADES - Prof (UnDF)/UnDF/Análise de Dados em Saúde/2022
https://www.tecconcursos.com.br/questoes/2293524
https://www.tecconcursos.com.br/questoes/2310652
196)
197)
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
Considere a seguinte descrição de um algoritmo para aprendizado não supervisionado:
“Primeiramente, escolha um número de classes ou agrupamentos . Em seguida, coloque
aleatoriamente no espaço de observações vetores denominados de centroides . Agora, calcule a
distância euclidiana de cada observação , a ser agrupada, para cada centroide definido no passo
anterior. Com isso, rotule as observações que estão mais próximas de cada um dos centroides para
criar agrupamentos em torno deles. Agora, para cada agrupamento, calcule o vetor médio das
observações e defina esses vetores médios como os novos centroides. Finalmente, recalcule a distância
de cada observação para cada novo centroide, modificando os rótulos se necessário e repetindo o
procedimento até que os rótulos não mais se alterem após a posição dos centroides serem recalculadas.”
O algoritmo descrito é conhecido como
a) -means.
b) -nearest neighbors.
c) DBSCAN.
d) BIRCH.
e) Propagação de afinidade.
www.tecconcursos.com.br/questoes/2327264
IADES - Prof (UnDF)/UnDF/Matemática/Ciência de Dados/2022
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
O processo de treinamento de modelos de machine learning deve levar em consideração os dados
disponíveis, não apenas o objetivo a ser alcançado. Há situações em que todos os dados já estão
rotulados, mas há outras em que nenhum dos dados está rotulado. Entretanto, existem situações em que
K
K CK
x CK
x CK
K
K
https://www.tecconcursos.com.br/questoes/2327264
198)
se deseja treinar um modelo classificador a partir de um conjunto de dados com poucas amostras já
rotuladas e muitas amostras sem rótulo. O nome que se dá a esse tipo de aprendizado é
a) supervisionado.
b) semi-supervisionado.
c) por reforço.
d) ensemble.
e) não supervisionado.
www.tecconcursos.com.br/questoes/2327267
IADES - Prof (UnDF)/UnDF/Matemática/Ciência de Dados/2022
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
Entre os diversos tipos de algoritmos de classificação, há um que parte da premissa de que
amostras semelhantes ficam próximas umas das outras. Assim, para classificar um novo dado recebido,
esse algoritmo procura as amostras mais próximas a ele e o classifica como pertencente à classe
predominante. O algoritmo de machine learning descrito é o
a) DBSCAN.
b) Decision Tree.
c) Random Forest.
d) K-Means.
e) KNN.
www.tecconcursos.com.br/questoes/2329101
IADES - Prof (UnDF)/UnDF/Metodologias e Técnicas da Computação/2022
https://www.tecconcursos.com.br/questoes/2327267
https://www.tecconcursos.com.br/questoes/2329101
199)
200)
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
Um dos métodos de clusterização mais conhecido é o k-means. Nesse algoritmo, a escolha do
método de inicialização dos centroides é uma etapa importante. O nome dado ao método de inicialização
de centroides que tende a selecionar centroides que são distantes uns dos outros, diminuindo a
probabilidade de o algoritmo convergir para uma solução subótima é
a) backpropagation.
b) random.
c) k-means++.
d) DBSCAN.
e) KNN.
www.tecconcursos.com.br/questoes/2329108
IADES - Prof (UnDF)/UnDF/Metodologias e Técnicas da Computação/2022
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
A respeito do algoritmo de clusterização k-means, assinale a alternativa correta.
a) Não é um algoritmo robusto à outliers.
b) Necessita de apenas um único treinamento para uma solução ótima, pois seu algoritmo não
possui fatores aleatórios.
c) É capaz de formar clusters de formatos arbitrários.
d) É o algoritmo ideal para dados com clusters que possuem densidades muito diferentes.
e) Não suporta paralelização em nenhuma de suas etapas.
https://www.tecconcursos.com.br/questoes/2329108
Gabarito
1) E 2) Anulada 3) E 4) C 5) A 6) Errado 7) C
8) D 9) E 10) Errado 11) Errado 12) Certo 13) Certo 14) B
15) D 16) D 17) Errado 18) Certo 19) Errado 20) Certo 21) B
22) B 23) C 24) A 25) D 26) Errado 27) Certo 28) Errado
29) Errado 30) Errado 31) Certo 32) Errado 33) Errado 34) Certo 35) D
36) A 37) B 38) D 39) D 40) A 41) D 42) C
43) A 44) E 45) D 46) A 47) Errado 48) Errado 49) D
50) A 51) E 52) E 53) C 54) Certo 55) Certo 56) D
57) A 58) Errado 59) B 60) A 61) E 62) E 63) D
64) B 65) C 66) E 67) D 68) B 69) E 70) C
71) D 72) A 73) A 74) B 75) E 76) A 77) Certo
78) Errado 79) Errado 80) Certo 81) Errado 82) A 83) B 84) A
85) C 86) B 87) E 88) B 89) E 90) Errado 91) A
92) C 93) Certo 94) Errado95) Anulada 96) Certo 97) Errado 98) Certo
99) Errado 100) Anulada 101) Errado 102) Errado 103) Certo 104) Errado 105) Errado
106) D 107) D 108) D 109) D 110) Certo 111) Errado 112) Errado
113) Anulada 114) Certo 115) Anulada 116) Certo 117) Certo 118) Errado 119) Errado
120) Certo 121) A 122) Errado 123) D 124) C 125) C 126) E
127) D 128) E 129) Certo 130) Errado 131) Certo 132) A 133) A
134) D 135) A 136) B 137) E 138) C 139) D 140) B
141) A 142) B 143) Errado 144) A 145) Certo 146) Errado 147) B
148) E 149) Certo 150) D 151) B 152) E 153) Certo 154) D
155) Errado 156) Errado 157) D 158) D 159) B 160) C 161) B
162) A 163) E 164) E 165) E 166) B 167) E 168) C
169) Certo 170) D 171) B 172) D 173) A 174) B 175) C
176) C 177) Errado 178) Errado 179) E 180) B 181) D 182) D
183) B 184) C 185) C 186) A 187) D 188) Errado 189) Certo
190) C 191) A 192) B 193) Certo 194) D 195) D 196) A
197) B 198) E 199) C 200) AMais conteúdos dessa disciplina
introducao-a-inteligencia-artificial- Arquétipos do Baralho Cigano
- Ética em IA - Exercício avaliativo_ Revisão da tentativa
- Mapa Mental - Inteligência Artificial
- 1 (23)
- Pensamento Computacional ARA1867 - Inteligencia Artificial Profa Maria jousy rodrigues
- Introdução à Inteligência Artificial
- Redes Neurais Artificiais
- Resumo - Ciência de Dados em Python - Estácio
- Machine Deep Learning Tema 4 - Validação de Modelos de Aprendizado de Máquina
- Machine Deep Learning Tema 5 - Redes Neurais Feedforward
- Garantir a total desregulamentação das relações público-privadas. Modelos de remuneração baseados em valor vêm ganhando destaque no setor. A digitaliz
- Garantir a total desregulamentação das relações público-privadas. Modelos de remuneração baseados em valor vêm ganhando destaque no setor. A digitaliz
- 4 Aprendizado Supervisionado O Aprendizado Supervisionado é uma abordagem poderosa para construção de modelos que, com base em exemplos históricos, fa
- 1 Aprendizado de Máquina Sistemas de aprendizado de máquina associam recursos computacionais, inteligência artificial, dados e outros elementos que se
- há um equipamento projetado para realizar testes em veículos, como potência e torque, consumo, fator lambda, simulação de subidas e descidas, adequaçã
- Há um equipamento projetado para realizar testes em veículos, como potência e torque, consumo, fator lambda, simulação de subidas e descidas, adequaçã
- Otimizar um modelo é uma etapa importante em projetos de ciência de dados. A respeito da otimização de modelos preditivos, é correto afirmar que: ...
- Com base Ciclo de Inteligência Competitiva, considere as afirmações a seguir e marque a resposta. I. Identificação das necessidades. II. Coleta de dad
- Questão 09 A história da Inteligência Artificial (IA) teve períodos de grande entusiasmo e também de desilusão. Um desses períodos de desilusão é conh
- quais são os papeis de inteligência artificial
- Qual estratégia é mais eficiente para fidelizar clientes em uma agência de viagens?? Cobrar taxas menores que a concorrência. Oferecer descontos em to
- As teorias da interpretação jurídica compreendem os seguintes enunciados: Pregunta 18Seleccione una: a. Formal e informal. b. Cognitiva, cética e...
- Visitando certa cidade, João afirmou que: “Todos os táxis desta cidade são brancos”. A negação lógica da afirmação de João é: (A) Nenhum táxi desta ci
- Algoritmos e Programação de Computadores
- Introdução à programação