Banco público de questões

Questões para Concursos

Pesquise questões reais por disciplina, assunto, tópico, banca, órgão, cargo, ano e modalidade.

Questões por banca

29 bancas disponíveis. Clique para visualizar todas.

Acesse diretamente as bancas disponíveis na QuestLab. As quantidades abaixo consideram as questões ativas do banco.

CEBRASPE 51.363 questões FGV 25.316 questões FCC 24.632 questões AOCP 23.456 questões IBFC 11.190 questões VUNESP 10.983 questões Instituto Quadrix 9.793 questões FUNDATEC 9.088 questões IBADE 7.820 questões CESGRANRIO 6.013 questões OBJETIVA 4.740 questões CONSULPLAN 4.174 questões FEPESE 3.585 questões IADES 3.439 questões IESES 2.627 questões SELECON 2.377 questões IDECAN 1.907 questões MS CONCURSOS 1.485 questões Instituto Legalle 1.281 questões FAFIPA 1.161 questões FUMARC 842 questões ACAFE 551 questões INSTITUTO AOCP 430 questões NUCEPE 378 questões FUNIVERSA 348 questões FAURGS 203 questões FIOCRUZ 48 questões MACKENZIE 48 questões CETRO 17 questões

Encontre as questões que procura

Palavra-chave

Disciplina

Assunto

Tópico

Banca

Órgão

Ano

Cargo

Modalidade

Limpar filtros

22 questões encontradas

ID 21054 Tecnologia da Informação Aprendizado de Máquina Cebraspe 2025

No que concerne aos fundamentos conceituais e operacionais do aprendizado de máquina, julgue os itens a seguir.
I O algoritmo de aprendizado constitui o procedimento lógico-matemático (ou processo de otimização) aplicado ao conjunto de dados para a indução de um modelo; este último representa a generalização ou hipótese final capaz de realizar inferências sobre dados não observados durante o treinamento.
II Os parâmetros são variáveis internas ao modelo cujos valores são aprendidos ou estimados a partir dos dados (ex.: pesos em redes neurais ou coeficientes de regressão); por outro lado, os hiperparâmetros são configurações externas ao modelo, definidas antes do processo de treinamento, que controlam o comportamento do algoritmo e a complexidade do modelo (ex.: número de vizinhos no KNN ou a taxa de aprendizado).
III No aprendizado supervisionado, o objetivo é a indução de uma função de mapeamento entre variáveis de entrada e uma variável alvo predestinada (rótulo); já no aprendizado não supervisionado, o processo foca a descoberta de padrões intrínsecos, estruturas latentes ou distribuições em dados que não possuem anotações ou supervisão externa.
Assinale a opção correta.

A Apenas o item II está certo.

B Apenas o item III está certo.

C Apenas os itens I e II estão certos.

D Apenas os itens I e III estão certos.

E Todos os itens estão certos.

ID 21053 Tecnologia da Informação Aprendizado de Máquina Cebraspe 2025

No âmbito do aprendizado de máquina não supervisionado, os algoritmos de agrupamento (clustering) apresentam diferentes abordagens para a organização de dados sem rótulos. Considerando as propriedades operacionais dos algoritmos k-means, DBSCAN e SOM (self-organizing maps), assinale a opção correta.

A O DBSCAN e o SOM operam sob a mesma função de custo baseada na minimização da soma dos erros quadráticos (SSE) em relação a um ponto central fixo.

B O k-means é um algoritmo de particionamento que minimiza a variância intracluster, sendo inerentemente robusto quanto à presença de outliers devido ao uso da média aritmética para o cálculo dos centroides.

C O DBSCAN fundamenta-se na densidade local de pontos, permitindo a identificação de agrupamentos de formas geométricas arbitrárias e a segregação de ruído, prescindindo da especificação prévia do número de clusters.

D O SOM utiliza uma arquitetura de rede neural competitiva para realizar a redução de dimensionalidade e o agrupamento, garantindo a preservação da topologia global sem a necessidade de definir uma vizinhança entre os neurônios.

E O k-means apresenta desempenho superior ao DBSCAN na detecção de agrupamentos não convexos ou com densidades significativamente distintas.

ID 189915 Tecnologia da Informação Aprendizado de Máquina CEBRASPE 2024

Texto associado

Julgue os próximos itens, relativos a aprendizado de máquina.

Em aprendizado de máquina, um modelo de bom desempenho com dados já treinados, mas que não lide muito bem com novos dados é denominado subajuste, ou seja, no subajuste se aprende com base no ruído dos dados.

C Certo

E Errado

ID 161860 Tecnologia da Informação Aprendizado de Máquina AOCP 2024

A respeito de aprendizado de máquina, é correto afirmar que

A o algoritmo de K-means é utilizado para a classificação supervisionada de dados rotulados, agrupando-os em K classes distintas.

B redes neurais artificiais são algoritmos inspirados na estrutura do cérebro humano, utilizados tanto para classificação quanto para regressão.

C a regressão linear é uma técnica de aprendizado não supervisionado usada para reduzir a dimensionalidade dos dados.

D árvores de decisão são utilizadas exclusivamente para resolver problemas de regressão, não sendo aplicáveis a problemas de classificação.

E o algoritmo de Naive Bayes é amplamente utilizado na previsão de valores contínuos, pois utiliza agrupamento não supervisionado seriado.

ID 191768 Tecnologia da Informação Aprendizado de Máquina CEBRASPE 2023

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.

C over fitting.

D under fitting.

E classificação.

ID 193630 Tecnologia da Informação Aprendizado de Máquina CEBRASPE 2022

Texto associado

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 os próximos itens.

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.

C Certo

E Errado

ID 196676 Tecnologia da Informação Aprendizado de Máquina CEBRASPE 2021

Texto associado

Sobre as técnicas de classificação em aprendizado de máquina, julgue os itens a seguir.

As árvores de decisão apresentam significativa independência dos dados de treinamento, o que garante forte estabilidade dos caminhos em caso de mudanças nos dados.

C Certo

E Errado

ID 195837 Tecnologia da Informação Aprendizado de Máquina CEBRASPE 2021

Texto associado

Julgue os itens subsecutivos, a respeito de análise de agrupamentos (clusterização) e detecção de anomalias.

A distância de Hamming possui a propriedade de representar, em um espaço bidimensional, a distância entre duas dimensões, em bits .

C Certo

E Errado

ID 195634 Tecnologia da Informação Aprendizado de Máquina CEBRASPE 2021

Texto associado

Com relação a mineração de dados, aprendizado de máquina e aplicações Python, julgue os itens a seguir.

Uma das aplicações de Python é o aprendizado de máquina, que pode ser exemplificado por um programa de computador que aprende com a experiência de detectar imagens de armas e de explosivos em vídeos, tendo seu desempenho medido e melhorado por meio dos erros e de acertos decorrentes da experiência de detecção.

C Certo

E Errado

ID 195468 Tecnologia da Informação Aprendizado de Máquina CEBRASPE 2021

Texto associado

Determinado parâmetro β será estimado recursivamente com a ajuda de um método de otimização matemática com base em uma função objetivo g( β ). Para essa estimação, a base de dados de treinamento consistirá de n observações. Considerando essa situação hipotética, julgue os itens que se seguem.

O método do gradiente descendente é equivalente ao método de Newton-Raphson, no qual o incremento, para a estimação do parâmetro β , depende da primeira e da segunda derivada da função objetivo g( β ).

C Certo

E Errado