QuestLab Plataforma Inteligente de Questões
Entrar Criar conta
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
Limpar filtros
63 questões encontradas
ID 22841 Informática Inteligência Artificial e Automação FGV 2025

No âmbito jurídico, é possível deparar-se com situações em que é necessário identificar decisões judiciais com valores indenizatórios atípicos, sem dispor de um banco de dados pré-classificado como "normal" ou "anômalo". Para alertar sobre esses casos, sem empregar dados históricos rotulados, a técnica de machine learning mais adequada é:

A DBSCAN , para identificar clusters esparsos como potenciais anomalias.
B Isolation Forest , para detecção direta de valores atípicos.
C K-means , para agrupar decisões por faixas de valor indenizatório.
D Autoencoders , para reconstrução de padrões normais e sinalização de desvios.
E PCA (Análise de Componentes Principais) , para visualização de outliers .
ID 22730 Informática Inteligência Artificial e Automação FGV 2025

Com relação aos Grandes Modelos de Linguagens (LLMs), avalie as afirmativas a seguir e assinale (V) para verdadeira e (F) para falsa.

( ) LLMs são capazes de fazer inferências a partir de um contexto, gerar respostas contextualmente relevantes, traduzir documentos para outros idiomas, resumir textos, responder a perguntas ou mesmo auxiliar em tarefas de redação criativa ou geração de código.

( ) Os LLMs representam um avanço considerável no processamento de linguagem natural (PNL) e tornaram-se facilmente acessíveis ao público por meio de interfaces como o Chat GPT-3 e o GPT-4. Outros exemplos de LLMs são os modelos Llama e as representações de codificadores bidirecionais, como BERT e RoBERTa.

( ) LLM é um modelo de aprendizado de máquina que pode ser usado na inteligência artificial generativa, capaz de executar diferentes funções. Os LLM são treinados a partir de grandes volumes de dados. As afirmativas são, segundo a ordem apresentada,

A V – F – V.
B V – F – F.
C V – V – V.
D F – V – V.
E F – V – F.
ID 22729 Informática Inteligência Artificial e Automação FGV 2025

Aprendizado não supervisionado usa algoritmos para analisar e agrupar conjuntos de dados não rotulados. Esses algoritmos descobrem padrões ocultos ou agrupamentos de dados sem a necessidade de intervenção humana. Selecione a opção que contém somente métodos de aprendizado não supervisionado.

A DBSCAN e K-Means.
B ChatGPT e Regressão Linear.
C Naive-Bayes e Regressão Matricial.
D Regressão Logística e Random Forest.
E Probabilistic Forest e Máquina de Vetor de Suporte.
ID 22672 Informática Inteligência Artificial e Automação FGV 2025

Com o avanço do deep learning, redes neurais profundas e grandes modelos de linguagem (LLMs) vêm sendo amplamente utilizados em aplicações como tradução automática, geração de texto, reconhecimento de imagens e assistentes virtuais. A respeito de redes neurais profundas, deep learning e grandes modelos de linguagem (LLMs), assinale a afirmativa correta.

A Redes neurais profundas possuem apenas uma camada oculta entre a entrada e a saída e são ideais para tarefas simples de classificação linear.
B O termo deep learning refere-se a técnicas que dispensam o uso de redes neurais artificiais, utilizando apenas algoritmos estatísticos tradicionais.
C Os grandes modelos de linguagem (LLMs) são caracterizados por seu tamanho reduzido, pois dependem de poucos parâmetros para evitar sobrecarga computacional.
D Os grandes modelos de linguagem (LLMs) utilizam arquiteturas de redes neurais profundas, como os transformadores, para processar sequências de texto e aprender padrões complexos.
E Redes neurais profundas são indicadas exclusivamente para reconhecimento de imagens e não são aplicadas em processamento de linguagem natural.
ID 22671 Informática Inteligência Artificial e Automação FGV 2025

Em um contrato de auditoria automatizada, um órgão de controle utiliza técnicas de machine learning para identificar padrões de comportamento atípicos em diárias e passagens. Os dados não estão rotulados e a ideia é descobrir grupos de registros similares e desvios sem conhecimento prévio. A técnica mais adequada para esse tipo de análise denomina-se:

A Regressão Logística.
B K-means.
C Random Forest.
D Redes Neurais Feedforward.
E Naive Bayes.
ID 22670 Informática Inteligência Artificial e Automação FGV 2025

Muitos cenários de análise de dados envolvem conjuntos sem rótulos disponíveis, como é comum em agrupamentos de clientes, detecção de padrões anômalos ou redução de dimensionalidade. Nesses casos, técnicas de aprendizado não supervisionado são essenciais para extrair conhecimento oculto nos dados. Com relação ao aprendizado não supervisionado em Machine Learning, assinale a afirmativa correta.

A O aprendizado não supervisionado depende de conjuntos de dados previamente rotulados para mapear entradas a saídas durante o treinamento.
B Técnicas de aprendizado não supervisionado, como árvores de decisão e regressão logística, são ideais para prever rótulos em problemas de classificação supervisionada.
C O aprendizado não supervisionado é utilizado para gerar automaticamente rótulos com base em padrões nos dados, sem necessidade de saídas conhecidas previamente.
D A principal limitação do aprendizado não supervisionado é que ele não consegue lidar com grandes volumes de dados, sendo restrito a pequenos conjuntos.
E O aprendizado não supervisionado só pode ser utilizado quando todos os atributos do conjunto de dados forem categóricos.
ID 22497 Informática Inteligência Artificial e Automação FGV 2025

As redes neurais são modelos de aprendizado de máquina e podem ser classificadas em diferentes tipos, sendo usadas para distintos propósitos. O tipo de redes neurais que são bem-sucedidas no reconhecimento de imagens, reconhecimento de padrões e visão computacional são denominadas de redes:

A neurais recorrentes.
B neurais convolucionais.
C de algoritmos genéricos.
D de processamento de linguagem natural.
E evolucionárias de processamento discricional.
ID 22450 Informática Inteligência Artificial e Automação FGV 2025

Os sistemas de aprendizado de máquina se enquadram em uma ou mais categorias de acordo com a forma como seus modelos aprendem a fazer previsões ou gerar conteúdo. Modelos, que precisam inferir suas próprias regras e fazem previsões com base em dados que não contêm respostas corretas, e cujo objetivo é identificar padrões significativos nos dados, são conhecidos como:

A modelos de linguagem de grande escala.
B aprendizado não supervisionado.
C aprendizado supervisionado.
D aprendizado por reforço.
E modelos generativos.
ID 22359 Informática Inteligência Artificial e Automação FGV 2025

Com relação à Inteligência Artificial, analise as afirmativas a seguir e assinale (V) para verdadeira e (F) para falsa.

( ) Representa o conjunto de modelos, algoritmos, técnicas e metodologias que podem ser implementados como sistemas computacionais

( ) Produz resultados como previsões, classificações, recomendações e decisões, a partir de processos de aprendizagem baseados em grande volume de dados.

( ) Tem potencial para influenciar somente ambientes virtuais. As afirmativas são, respectivamente,

A V – V – F.
B F – V – V.
C V – F – F.
D F – F – F.
E V – V – V.
ID 22242 Informática Inteligência Artificial e Automação FGV 2025

João elaborou o seguinte texto para enviar ao chefe do seu setor por e-mail: “A gente do depósito de material tá passando por perrengue mó de que não tem uma coisa pra mó de sentar”. Na sequência, João utilizou uma solução de Inteligência Artificial (IA) para revisar seu texto e sugerir alterações. O resultado foi: “A equipe do depósito de materiais está passando por dificuldades porque não há móveis adequados para sentar”. Para a IA realizar a revisão com o objetivo de obter um texto bem estruturado, rico em vocabulário, a partir de comandos claros e específicos, João utilizou um:

A prompt;
B big data;
C helpdesk;
D script low-code;
E corretor ortográfico e gramatical.