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
56 questões encontradas
ID 7134 Engenharia de Software Inteligencia Artificial CEBRASPE 2026

Julgue o próximo item, a respeito de visualização e análise exploratória de dados, de linguagens e ferramentas de apoio à análise de dados e de técnicas e tarefas de mineração de dados. A técnica de lematização ( lemmatization ) reduz palavras à sua raiz por meio de regras heurísticas, frequentemente resultando em formas que não constituem palavras válidas no dicionário do idioma original.

A Certo
B Errado
ID 124204 Engenharia de Software Inteligencia Artificial CEBRASPE 2025

Julgue o próximo item, relativo a aprendizado de máquina e BI ( Business Intelligence ). Random forest é um método de aprendizado de conjunto que combina várias árvores de decisão para formar um modelo mais robusto e preciso. Tal método pode ser usado tanto para resolver problemas de regressão (por exemplo, prever o valor de uma ação) quanto para realizar classificação (por exemplo, compra válida, fraude).

A Certo
B Errado
ID 124197 Engenharia de Software Inteligencia Artificial CEBRASPE 2025

Acerca de inteligência artificial e machine learning, julgue o item que se segue. Diferentemente do aprendizado supervisionado e não supervisionado, o aprendizado por reforço baseia-se em um agente que interage com um ambiente e recebe recompensas ou penalidades conforme suas ações, buscando maximizar um retorno cumulativo ao longo do tempo.

A Certo
B Errado
ID 124196 Engenharia de Software Inteligencia Artificial CEBRASPE 2025

Acerca de inteligência artificial e machine learning, julgue o item que se segue. Para avaliar o desempenho de um classificador em problemas de classificação com classes significativamente desbalanceadas, a métrica acurácia é a mais adequada, pois considera a proporção de previsões corretas em relação ao total de amostras.

A Certo
B Errado
ID 25346 Engenharia de Software Inteligencia Artificial FGV 2025

Um grupo de trabalho desenvolveu um software próprio que utiliza a API de um modelo de IA (inteligência artificial) para automatizar processos de análise e monitoramento de dados na gestão do patrimônio cultural. Isto significa que o grupo

A realizou a assinatura de um serviço de IA e disponibilizou o acesso aos colaboradores para acelerar os serviços.
B mobilizou uma solução de inteligência artificial existente para integrar funcionalidades específicas em sua aplicação.
C treinou manualmente o modelo de IA usando dados históricos para adaptá-lo ao propósito cultural.
D reconstruiu a lógica interna do modelo por meio de engenharia reversa para adaptar suas funções ao projeto.
E desenvolveu do zero um modelo de inteligência artificial próprio para atender às necessidades do projeto.
ID 23835 Engenharia de Software Inteligencia Artificial FGV 2025

Em um problema de classificação binária com aprendizado de máquina, a técnica geralmente mais adequada para ajustar o modelo e evitar o overfitting é

A reduzir a quantidade de dados no conjunto de teste.
B diminuir o número de dados de treinamento.
C utilizar regularização, como L1 ou L2.
D aumentar a complexidade do modelo.
E evitar o uso de validação cruzada.
ID 23606 Engenharia de Software Inteligencia Artificial FGV 2025

Algoritmos de Aprendizado de Máquina (Machine Learning) podem ser classificados quanto ao tipo de aprendizado. Em relação ao tema, avalie as afirmações a seguir e assinale (V) para a verdadeira e (F) para a falsa.

( ) Tarefas de classificação e regressão são exemplos típicos de aprendizado supervisionado.

( ) No aprendizado não supervisionado, os dados de treinamento não estão rotulados.

( ) SVM, árvores de decisão e regressão logística são exemplos de algoritmos de aprendizado supervisionado. As afirmativas são, respectivamente,

A V – V – V.
B F – V – F.
C F – F – V.
D V – F – V.
E F – V – V.
ID 23605 Engenharia de Software Inteligencia Artificial FGV 2025

Marcelo, auditor especializado em Análise de Dados, está estudando o uso de algoritmos de aprendizado de máquina (Machine Learning) para a detecção de fraudes em contas públicas. Como parte de seus experimentos, ele dividiu seu conjunto de dados em treinamento e teste. Após treinar um modelo, percebeu que os resultados apresentavam indícios de underfitting. O underfitting ocorre

A quando o modelo se ajuste bem ao conjunto de treinamento, mas acaba por capturar não apenas os padrões, mas também os ruídos, comprometendo sua capacidade de generalização.
B apenas quando o conjunto de treinamento não contém exemplos de todas as classes, prejudicando o desempenho do modelo em classes minoritárias.
C quando o modelo não consegue capturar adequadamente os padrões nos dados do conjunto de treinamento, resultando em um desempenho insuficiente.
D quando a taxa de aprendizado do modelo é muito baixa, prolongando por exemplo o tempo necessário para que o modelo convirja.
E quando o modelo apresenta uma complexidade muito maior do que o necessário, levando por exemplo ao uso ineficiente de recursos computacionais.
ID 23603 Engenharia de Software Inteligencia Artificial FGV 2025

As Redes Neurais Convolucionais ( Convolutional Neural Network - CNNs) são amplamente utilizadas em tarefas de reconhecimento de imagens. Sobre as características e as arquiteturas das CNNs, avalie as afirmativas a seguir.

I. Uma camada que compõe uma CNN é a camada convolucional. Nela ocorre a subamostragem da imagem, com o objetivo de se diminuir a carga computacional, o uso de memória e o número de parâmetros necessários.

II. LeNet-5, AlexNet e ResNet são exemplos de arquiteturas CNN.

III. A arquitetura de uma CNN é composta exclusivamente por camadas convolucionais e camadas de pooling . Está correto o que se afirma em

A I, apenas.
B II, apenas.
C I e II, apenas.
D I e III, apenas.
E II e III, apenas
ID 22842 Engenharia de Software Inteligencia Artificial FGV 2025

Uma forma de garantir que um modelo de linguagem revise cláusulas de confidencialidade em contratos com alta precisão é fornecer exemplos concretos de cláusulas corretas e incorretas, para que o modelo aprenda o padrão desejado antes de analisar novas cláusulas. A técnica de Engenharia de Prompt que descreve corretamente esse processo é chamada:

A zero-shot prompt.
B self-consistency prompt.
C chain-of-thought prompt.
D soft prompt.
E few-shot prompt.