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.
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
63 questões encontradas
O IFMS está realizando uma análise de dados para
O aprendizado de máquina aplicado à mineração
de dados possibilita a extração de conhecimento
útil a partir de grandes volumes de informações,
automatizando a identificação de padrões e
tendências. Ele é empregado para prever
comportamentos, classificar dados e detectar
anomalias em diferentes contextos. Entre as
abordagens utilizadas nesse processo,
destacam-se o aprendizado supervisionado, o
aprendizado não supervisionado e o aprendizado
por reforço, cada um adequado a diferentes tipos
de problemas e conjuntos de dados. Em relação
às abordagens mencionadas, informe se é
verdadeiro (V) ou falso (F) o que se afirma a
seguir e assinale a alternativa com a sequência
correta.
( ) No aprendizado supervisionado, o modelo
aprende com um conjunto de dados não
rotulados (exemplo: previsão de vendas).
( ) No aprendizado não supervisionado, o
modelo encontra padrões em dados
rotulados (exemplo: segmentação de
clientes).
( ) No aprendizado por reforço, o modelo
aprende através de interações com o
ambiente e feedback sobre as ações
(exemplo: algoritmos de recomendação)
Considerando que, na chamada Indústria 4.0, diversas tecnologias digitais são integradas nos ambientes e equipamentos de produção, julgue o item subsequente, a respeito de métodos e técnicas empregadas nessa nova abordagem. Deep learning é um tipo de aprendizado de máquina que se baseia no uso de redes neurais de uma única camada.
A respeito de visão computacional com redes neurais convolucionais (CNN), de classificação de imagens e de processamento de linguagem natural (PLN), julgue o item seguinte. PLN é um campo da inteligência artificial voltado a capacitar máquinas na compreensão, interpretação e geração da linguagem humana. Aplicações como chatbots , tradutores automáticos e análise de sentimentos são exemplos de aplicações dessa tecnologia. Contudo, modelos recentes, como o Gemini e o GPT, embora compartilhem algumas similaridades com o PLN, têm sua base fundamental na aplicação de aprendizado profundo, uma abordagem que dispensa a necessidade de regras linguísticas explícitas e se concentra na identificação de padrões complexos em grandes conjuntos de dados.
A respeito de visão computacional com redes neurais convolucionais (CNN), de classificação de imagens e de processamento de linguagem natural (PLN), julgue o item seguinte. A operação de convolução nas CNN envolve a aplicação de filtros ( kernels ) sobre blocos da matriz de pixels de uma imagem de entrada. Cada filtro gera um mapa de características ao realizar operações que capturam padrões locais específicos, como bordas e texturas. Esse processo resulta em uma transformação que não preserva necessariamente a posição espacial das informações relevantes da imagem, mas é fundamental para a redução da dimensionalidade dos dados.
A respeito de visão computacional com redes neurais convolucionais (CNN), de classificação de imagens e de processamento de linguagem natural (PLN), julgue o item seguinte. Na classificação de imagens, o objetivo principal é atribuir um rótulo (classe) a cada pixel da imagem, delimitando e identificando diferentes objetos ou regiões, ao passo que, na segmentação de imagens, o objetivo é atribuir um único rótulo à imagem como um todo, indicando seu conteúdo principal.
Acerca de inteligência artificial e machine learning, julgue o item que se segue. O aprendizado não supervisionado se caracteriza pela utilização de dados previamente rotulados para treinar um modelo de machine learning , permitindo que ele aprenda padrões automaticamente a partir dos rótulos desses dados.
Na automação de scripts com Ansible, qual termo é utilizado para descrever os documentos Ansible que definem as tarefas a serem executadas, sendo que, cada tarefa, nesse contexto, representa uma unidade de automação capaz de realizar configurações, instalação de pacotes, execução de comandos, entre outras ações?
A Inteligência Artificial é um ramo da ciência da computação que busca criar sistemas capazes de simular a inteligência humana. Qual das seguintes áreas não esta diretamente relacionada a Inteligência Artificial?
Texto associado
“A OpenAI, empresa de inteligência artificial responsável pelo ChatGPT, lançou um novo modelo chamado Sora, que transforma texto em vídeos de até um minuto de forma “realista” e “criativa”. (...) De acordo com a OpenAI, Sora é capaz de criar vídeos de até 60 segundos a partir de instruções em textos, com cenas complexas com personagens, tipos específicos de movimentos e detalhes precisos. “O modelo entende não apenas o que o usuário pediu no prompt, mas também como essas coisas existem no mundo físico”, diz o anúncio da ferramenta. Para gerar essas imagens, Sora tem um “profundo conhecimento de linguagem”, o que permite a interpretação precisa das instruções e a geração de personagens atraentes que são capazes de expressar emoções” (Gabriela Mancini, CNN Brasil, 2024).
