SIMULADO1 - Inteligência Artificial para CAIXA - 2024

Prévia do material em texto

201) 
Inteligência Artificial para CAIXA - 2024
https://www.tecconcursos.com.br/s/Q3OzkJ
Ordenação: Por Matéria e Assunto (data)
www.tecconcursos.com.br/questoes/2329113
IADES - Prof (UnDF)/UnDF/Metodologias e Técnicas da Computação/2022
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
Dado um dataset que possui duas possíveis classes e apenas duas features, mas que não são
linearmente separáveis, qual abordagem deverá ser utilizada em um modelo SVM de classificação para
encontrar o melhor equilíbrio entre margens largas e violações de margens?
a) diferenciação temporal
b) hard margin
c) derivação
d) soft margin
e) convolução
www.tecconcursos.com.br/questoes/2329116
IADES - Prof (UnDF)/UnDF/Metodologias e Técnicas da Computação/2022
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
https://www.tecconcursos.com.br/s/Q3OzkJ
https://www.tecconcursos.com.br/questoes/2329113
https://www.tecconcursos.com.br/questoes/2329116
202) 
203) 
No treinamento de modelos de machine learning, qual método tem por objetivo minimizar
underfitting e overfitting?
a) regressão
b) classificação
c) regularização
d) recorrência
e) supervisão
www.tecconcursos.com.br/questoes/2329118
IADES - Prof (UnDF)/UnDF/Metodologias e Técnicas da Computação/2022
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
Considerando uma rede neural, a função de ativação que deverá ser utilizada para que a saída
possa assumir qualquer valor de -1 até 1 é a (o)
a) função logística.
b) tangente hiperbólica.
c) softmax.
d) ReLU.
e) Max Peak.
www.tecconcursos.com.br/questoes/2329122
IADES - Prof (UnDF)/UnDF/Metodologias e Técnicas da Computação/2022
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
https://www.tecconcursos.com.br/questoes/2329118
https://www.tecconcursos.com.br/questoes/2329122
204) 
205) 
Um dos problemas mais conhecidos ao treinar redes neurais com muitas camadas ocorre quando
os gradientes da função de cálculo de erros se aproximam de zero. Conforme os valores são propagados,
podem ficar tão próximos de zero que o gradiente praticamente desaparece e a rede tem grandes
dificuldades no respectivo treinamento. Qual é o nome dado a esse fenômeno?
a) exploding gradiente
b) backpropagation
c) recorrência
d) derivação multi-variada
e) vanishing gradiente
www.tecconcursos.com.br/questoes/2329128
IADES - Prof (UnDF)/UnDF/Metodologias e Técnicas da Computação/2022
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
Qual métrica é mais adequada para avaliar os resultados de um modelo de regressão?
a) Recall
b) Acurácia balanceada
c) R2
d) F1-score
e) Jaccard
www.tecconcursos.com.br/questoes/1628551
CEBRASPE (CESPE) - Ana (SERPRO)/SERPRO/Ciência de Dados/2021
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
https://www.tecconcursos.com.br/questoes/2329128
https://www.tecconcursos.com.br/questoes/1628551
206) 
207) 
208) 
Sobre as técnicas de classificação em aprendizado de máquina, julgue o item a seguir.
 
Devido ao fato de pressupor independência entre atributos, o algoritmo Naive Bayes é capaz de realizar,
com precisão, o treinamento de um modelo com uma quantidade reduzida de amostras.
Certo
Errado
www.tecconcursos.com.br/questoes/1718777
CEBRASPE (CESPE) - AF (SEFAZ CE)/SEFAZ CE/Tecnologia da Informação da Receita
Estadual/2021
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
A respeito de inteligência artificial, julgue o item seguinte.
A classificação Naive Bayes parte da suposição de que as variáveis envolvidas em machine learning são
independentes entre si.
Certo
Errado
www.tecconcursos.com.br/questoes/1757747
CESGRANRIO - Esc BB/BB/Agente de Tecnologia/2021
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
Ao tentar resolver um problema de aprendizado de máquina que separava um evento entre duas
classes, um desenvolvedor encontrou uma acurácia de exatamente 90%.
 
https://www.tecconcursos.com.br/questoes/1718777
https://www.tecconcursos.com.br/questoes/1757747
209) 
Analisando a matriz de confusão, o desenvolvedor constatou que os verdadeiros positivos eram 14169,
que os verdadeiros negativos eram 15360, os falsos positivos eram 1501, e os falsos negativos eram
a) 1778
b) 1779
c) 1780
d) 1781
e) 1782
www.tecconcursos.com.br/questoes/1821080
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
Com relação ao classificador Naive Bayes marque a alternativa incorreta.
a) O Naive Bayes parte do princípio de que as variáveis envolvidas no modelo são dependentes entre
si.
b) O Naive Bayes parte do princípio de que as variáveis envolvidas no modelo são independentes
entre si.
c) O Naive Bayes possibilita fazer o treinamento de um modelo a partir de um número pequeno de
amostras.
d) Uma das desvantagens do Naive Bayes é não conseguir captar interações entre os atributos.
e) O Naive Bayes pode ser utilizado para classificação de textos.
www.tecconcursos.com.br/questoes/1821083
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
https://www.tecconcursos.com.br/questoes/1821080
https://www.tecconcursos.com.br/questoes/1821083
210) 
211) 
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
O classificador Naive Bayes utiliza a biblioteca Scikit-Learn para fazer suas classificações.
 
As classes utilizadas pelo modelo são:
 
I - GaussianNB, que é utilizada para distribuição gaussiana.
II - MultinomialNB, que é utilizada para contadores de ocorrência discreta.
III - BernoulliNB, que é utilizada para atributos booleanos discretos.
 
Está(ão) correta(s) a(s) afirmativa(s)
a) II e III, apenas
b) I e II, apenas
c) I, II e III
d) I e III, apenas
e) III, apenas
www.tecconcursos.com.br/questoes/1821089
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
De acordo com o classificador Naive Bayes julgue os próximos itens.
 
I - Mesmo que haja dependência das variáveis envolvidas no modelo, ele é incapaz de captar
interações entre os atributos
 
https://www.tecconcursos.com.br/questoes/1821089
212) 
II - Uma das formas de se utilizar o Naive Bayes é com classificação de textos, dentre as quais
podemos citar a identificação de spams.
 
III - O classificador Naive Bayes pode ser utilizado para Análise de Sentimento.
 
Está(ão) correta(s) a(s) afirmativa(s)
a) I e III
b) II e III
c) I, II e III
d) I e II
e) apenas II
www.tecconcursos.com.br/questoes/789050
NC UFPR (FUNPAR) - Prof NU Jr (ITAIPU)/ITAIPU/Gestor de Informação/2019
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
Classificação é uma tarefa que identifica a qual classe um objeto pertence. O desempenho do
classificador depende da sua flexibilidade (bias) e da qualidade do treinamento (variância). No entanto,
não existe um classificador que seja melhor que todos os outros para todos os problemas de
classificação. As medidas de avaliação de desempenho de classificadores trazem informações sobre taxas
de erro ou acerto para um ou mais conjuntos de dados. Nesse sentido, considere a matriz de confusão
binária abaixo:
 
 Classe predita
+ -
https://www.tecconcursos.com.br/questoes/789050
Classe
original
 + 8 2
 - 4 6
 
Realize os cálculos e identifique como verdadeiras (V) ou falsas (F) as seguintes afirmativas:
 
( ) TVP (Taxa de Verdadeiros Positivos) = 0,9.
 
( ) TFP (Taxa de Falsos Positivos) = 0,1.
 
( ) ACC (Acurácia) = 0,7.
 
( ) E (Erro) = 0,3.
 
Assinale a alternativa que apresenta a sequência correta, de cima para baixo.
a) V – F – V – F.
b) F – F – F – V.
c) V – V – F – V.
d) F – F – V – V.
e) V – V – F – F.
www.tecconcursos.com.br/questoes/626757
FUNDEP - AnaAdm (CODEMIG)/CODEMIG/Analista de Geoprocessamento/2018
https://www.tecconcursos.com.br/questoes/626757
213) 
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
O processo de atribuir um significado a um pixel de uma imagem digital em função de suas
propriedades numéricas é denominado de classificação. Em decorrência do grau de participação do
analista no processo de classificação, esse processo pode ser denominado de classificação supervisionada
e classificação não supervisionada. Posto isso, analise as afirmativas a seguir e assinale com V as
verdadeiras e com F as falsas.
 
( ) A classificação supervisionada é um passo importante a ser executado antes da classificação
não supervisionada.
( ) Na classificação não supervisionada, os pixels de uma imagem são alocados automaticamente
em classes criadas pelo sistema computacional.
( ) A matriz de confusão é um artifício utilizado para computar os erros do processo de classificação
e conhecer a qualidade desse processo, seja pelo método supervisionado ou pelo não
supervisionado.
( ) O método de classificação pelas K-médias tem por essência fazer com que todas as classes
tenham valor médio e variância similares.
 
Assinale a sequência CORRETA.
a) V F V V
b) F V V F
c) V F F V
d) V F V F
214) 
215) 
www.tecconcursos.com.br/questoes/632361
FGV - APPGG (CGM Niterói)/Pref Niterói/Gestão de Tecnologia/2018
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
Rafael aplicou um teste de múltipla escolha de cem questões para um numeroso grupo de alunos e
notou que houve uma variada distribuição de notas.
Rafael resolveu trabalhar esses dados, e agrupar esses alunos de modo que cada um ficasse no grupo
mais adequado para a sua nota. Assim, poderia preparar atividades específicas para cada grupo.
Assinale a opção que indica o algoritmo mais adequado para essa tarefa.
a) Bubble sort.
b) K-means.
c) Monte Carlo.
d) Linear regression.
e) Logistic regression.
www.tecconcursos.com.br/questoes/654570
CESGRANRIO - Esc BB/BB/Agente Comercial/2018
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
Um desenvolvedor de uma instituição bancária foi designado para tentar usar técnicas de
aprendizado de máquina para, dado o saldo diário durante um ano de um cliente, classificá-lo como BOM
ou MAU candidato a receber um cartão de crédito VIP. Para isso, a única informação que pode usar — e
que ele recebeu — é um conjunto de treinamento com 50.000 clientes préclassificados pelos seus
gerentes, contendo 365 campos com os saldos diários e um campo com o número 1, caso o cliente fosse
https://www.tecconcursos.com.br/questoes/632361
https://www.tecconcursos.com.br/questoes/654570
216) 
um BOM candidato, ou o número 0 (zero), caso fosse um MAU candidato. Essas respostas são
consideradas corretas.
 
Considerando as práticas tradicionais de aprendizado de máquina, o desenvolvedor deve escolher um
algoritmo
a) supervisionado, porque humanos precisarão verificar a execução do algoritmo.
b) supervisionado, porque o conjunto de treinamento possui dados e rótulo, sendo necessário
aprender a função que prediz o rótulo correto.
c) não supervisionado, porque humanos não precisarão verificar a execução do algoritmo.
d) não supervisionado, porque o conjunto de treinamento possui dados e rótulo, sendo necessário
aprender a função que prediz o rótulo correto.
e) não supervisionado, porque, no futuro, os rótulos não estarão disponíveis.
www.tecconcursos.com.br/questoes/726118
CEBRASPE (CESPE) - ACE (TCE-MG)/TCE MG/Ciência da Computação/2018
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
Em machine learning, a categoria de aprendizagem por reforço identifica as tarefas em que
a) um software interage com um ambiente dinâmico, como, por exemplo, veículos autônomos.
b) as etiquetas de classificação não sejam fornecidas ao algoritmo, de modo a deixá-lo livre para
entender as entradas recebidas.
c) o aprendizado pode ser um objetivo em si mesmo ou um meio para se atingir um fim.
https://www.tecconcursos.com.br/questoes/726118
217) 
218) 
d) o objetivo seja aprender um conjunto de regras generalistas para converter as entradas em saídas
predefinidas.
e) são apresentados ao computador exemplos de entradas e saídas desejadas, fornecidas por um
orientador.
www.tecconcursos.com.br/questoes/2544691
CEBRASPE (CESPE) - Ana TI (DATAPREV)/DATAPREV/Inteligência da Informação/2006
TI - Desenvolvimento de Sistemas - Métodos de Classificação (Machine Learning)
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.
 
A acurácia de um classificador, em um conjunto de teste, pode ser sumarizada por uma matriz de
confusão, em que os valores nas diagonais representam as classificações corretas.
Certo
Errado
www.tecconcursos.com.br/questoes/2779756
CESGRANRIO - TPP (IPEA)/IPEA/Ciência de Dados/2024
TI - Desenvolvimento de Sistemas - Métodos de Treinamento de Modelos (Machine
Learning)
Um pesquisador iniciante em aprendizado de máquina trabalhava com um modelo de classificação
binário com as duas classes equilibradas. Inicialmente, ele fez a avaliação de seu modelo, separando
20% dos dados disponíveis para a avaliação, e o treinou com 80% dos dados, fazendo o processo
apenas uma vez. Depois, a pedido de seu chefe, ele trocou a forma de avaliação, separando o conjunto
https://www.tecconcursos.com.br/questoes/2544691
https://www.tecconcursos.com.br/questoes/2779756
219) 
de dados em 10 partes e escolhendo, em 10 rodadas, uma parte diferente para avaliação e as outras
para treinamento.
 
Essas duas formas de avaliar um modelo são conhecidas, respectivamente, como
a) estratificação e hold-out
b) hold-out e k-fold
c) leave-one-out e estratificação
d) leave-one-out e k-fold
e) Monte Carlo e leave-p-out
www.tecconcursos.com.br/questoes/2266836
FGV - AFRE MG/SEF MG/Tecnologia da Informação/2023
TI - Desenvolvimento de Sistemas - Métodos de Treinamento de Modelos (Machine
Learning)
Machine Learning é um subconjunto da Inteligência Artificial que utiliza dados e algoritmos para
imitar o raciocínio humano.
Em relação aos algoritmos de machine learning, assinale a afirmativa incorreta.
a) Algoritmo de regressão: prevê valores de saída usando recursos de entrada dos dados fornecidos
ao sistema. Os algoritmos mais populares são Linear Regression, Logistic Regression Multivariate
Adaptive Regression Splines (MARS) e Locally Estimated Scatter plot Smoothing (LOESS).
b) Algoritmo de agrupamento: agrupamento de pontos de dados com base em recursos
semelhantes. Alguns algoritmos são KMeans, K-Medians e Hierárquical Clustering.
https://www.tecconcursos.com.br/questoes/2266836
220) 
c) Algoritmo de regularização: é um processo de diminuir informações adicionais para evitar o
overfitting ou resolver um problema mal definido. Os algoritmos mais comuns são Least Absolute
Shrinkage and Selection Operator (LASSO), Least-Angle Regression (LARS) e Elastic Net and Ridge
Regression.
d) Algoritmos de redução de dimensionalidade: reduzem o número de características obtendo um
conjunto de variáveis principais. Alguns algoritmos são Principal Component Analysis (PCA) e Principal
Component Regression (PCR).
e) Algoritmos de regras de associação: é usado para descobrir a relação entre os pontos de dados.
Alguns algoritmos comuns são o algoritmo Apriori e o algoritmo Eclat.
www.tecconcursos.com.br/questoes/2448088
FGV - FTE (SEFAZ MT)/SEFAZ MT/2023
TI - Desenvolvimento de Sistemas - Métodos de Treinamento de Modelos (Machine
Learning)
Maria treinou um classificador que distingue fotos de maçãs e laranjas. Após testar o classificador
com uma amostra de 160 fotos, obteve a matriz de confusão a seguir.
 
 
Classificação
Atual
Maçã Laranja
Classificação
Prevista
Maçã 50 2
Laranja 10 98
 
Com base neste resultado,é correto afirmar que a acurácia deste classificador é
https://www.tecconcursos.com.br/questoes/2448088
221) 
a) 0,075.
b) 0,325.
c) 0,675.
d) 0,925.
e) 0,982.
www.tecconcursos.com.br/questoes/2589492
CEBRASPE (CESPE) - AFM (Pref Fortaleza)/Pref Fortaleza/Ciência da Computação,
Informática, Processamento de Dados/2023
TI - Desenvolvimento de Sistemas - Métodos de Treinamento de Modelos (Machine
Learning)
Julgue os itens a seguir, a respeito de inteligência artificial (IA) e machine learning.
K-means é um algoritmo de aprendizado não supervisionado, em que se calcula a distância entre os
objetos da base e cada um dos centroides; em que se atribui cada objeto ao centroide mais próximo; e
em que se classifica cada item para sua média mais próxima.
Certo
Errado
www.tecconcursos.com.br/questoes/2589495
CEBRASPE (CESPE) - AFM (Pref Fortaleza)/Pref Fortaleza/Ciência da Computação,
Informática, Processamento de Dados/2023
TI - Desenvolvimento de Sistemas - Métodos de Treinamento de Modelos (Machine
Learning)
https://www.tecconcursos.com.br/questoes/2589492
https://www.tecconcursos.com.br/questoes/2589495
222) 
223) 
Julgue os itens a seguir, a respeito de inteligência artificial (IA) e machine learning.
Nos algoritmos de aprendizado por reforço, o agente recebe uma recompensa atrasada na próxima etapa
de tempo para avaliar sua ação anterior; seu objetivo, então, é maximizar a recompensa.
Certo
Errado
www.tecconcursos.com.br/questoes/1921415
FADESP - FRE PA/SEFA PA/2022
TI - Desenvolvimento de Sistemas - Métodos de Treinamento de Modelos (Machine
Learning)
Considerando-se as estratégias para treinamento, validação e teste nas análises preditivas, a
estratégia que pressupõe a criação de dois subconjuntos de dados disjuntos, a partir do conjunto de
dados disponível para uso na indução do modelo, em que um dos subconjuntos será usado para
treinamento (indução) do modelo preditivo e o segundo, para teste após o término de treinamento e,
consequentemente, para aplicação das medidas de avaliação do modelo, é
a) resubstituição.
b) holdout.
c) validação cruzada.
d) bootstrap.
e) validação cruzada leave-one-out.
www.tecconcursos.com.br/questoes/1925037
FGV - AFFC (CGU)/CGU/Tecnologia da Informação/"Sem Especialidade"/2022
https://www.tecconcursos.com.br/questoes/1921415
https://www.tecconcursos.com.br/questoes/1925037
224) 
TI - Desenvolvimento de Sistemas - Métodos de Treinamento de Modelos (Machine
Learning)
Um time de ciência de dados utilizou um modelo linear para resolver uma tarefa de análise de
dados financeiros provenientes de diferentes unidades de uma organização. Um membro do time, que
não participou da modelagem, testa o modelo e verifica que ele apresenta um péssimo resultado.
Preocupado, ele busca os resultados apresentados no treino e pode concluir que ocorreu:
a) underfitting, se o resultado do treino foi ótimo. Uma possível solução é a utilização de um modelo
mais complexo e a redução do tempo de treinamento;
b) underfitting, se o resultado do treino também foi péssimo. Uma possível solução é a utilização de
um modelo menos complexo e métodos de validação cruzada;
c) overfitting, se o resultado do treino também foi péssimo. Uma possível solução é a utilização de
técnicas de regularização e métodos de validação cruzada;
d) overfitting, se o resultado do treino foi ótimo. Uma possível solução é a utilização de um modelo
menos complexo e métodos de validação cruzada;
e) overfitting, se o resultado do treino foi ótimo. Uma possível solução é a utilização de um modelo
mais complexo e o aumento do tempo de treinamento.
www.tecconcursos.com.br/questoes/1925051
FGV - AFFC (CGU)/CGU/Tecnologia da Informação/"Sem Especialidade"/2022
TI - Desenvolvimento de Sistemas - Métodos de Treinamento de Modelos (Machine
Learning)
https://www.tecconcursos.com.br/questoes/1925051
225) Como parte de um esforço para melhorar a produtividade, uma empresa vem medindo o tempo
gasto em cada tarefa do seu principal processo produtivo. Uma das tarefas, que envolve carregar
material em uma máquina, ocorre uma vez por dia e teve os seguintes tempos medidos na semana
anterior, em minutos:
 
Seg Ter Qua Qui Sex
80 76 85 68 56
Considerando um modelo de regressão linear ajustado para perda mínima, usando as medições da
semana anterior, o valor residual com relação ao modelo, para o tempo de 70 minutos medido na quinta-
feira da semana atual é, em minutos:
a) -3;
b) -2;
c) 1;
d) 2;
e) 3.
www.tecconcursos.com.br/questoes/1936916
CEBRASPE (CESPE) - PPNS (PETROBRAS)/PETROBRAS/Ciência de Dados/2022
TI - Desenvolvimento de Sistemas - Métodos de Treinamento de Modelos (Machine
Learning)
https://www.tecconcursos.com.br/questoes/1936916
226) 
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.
 
O Set de Treinamento é usado para qualificar o desempenho do modelo, enquanto o Set de Validação é
utilizado para criar o modelo de aprendizado de máquina.
Certo
Errado
www.tecconcursos.com.br/questoes/1936918
CEBRASPE (CESPE) - PPNS (PETROBRAS)/PETROBRAS/Ciência de Dados/2022
TI - Desenvolvimento de Sistemas - Métodos de Treinamento de Modelos (Machine
Learning)
https://www.tecconcursos.com.br/questoes/1936918
227) 
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.
 
Considerando que a variância é um erro de sensibilidade para pequenas flutuações no conjunto de
treinamento, infere-se que um baixo nível de variância pode fazer que o algoritmo associado a um
modelo de aprendizado de máquina perca as relações relevantes entre os atributos de entrada e a
variável de saída, caracterizando o erro de overfitting, percebido na região à direita do ponto A.
Certo
Errado
www.tecconcursos.com.br/questoes/1936919
CEBRASPE (CESPE) - PPNS (PETROBRAS)/PETROBRAS/Ciência de Dados/2022
TI - Desenvolvimento de Sistemas - Métodos de Treinamento de Modelos (Machine
Learning)
https://www.tecconcursos.com.br/questoes/1936919
228) 
229) 
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.
 
Quando se verifica um alto erro no treinamento com valor próximo ao erro na validação, percebido na
região à esquerda do ponto A, tem-se um clássico problema de underfitting, caracterizado pelo alto valor
do bias.
Certo
Errado
www.tecconcursos.com.br/questoes/2200232
Com. Org. (IFSP) - Ana TI (IF SP)/IF SP/Ciência de Dados/2022
TI - Desenvolvimento de Sistemas - Métodos de Treinamento de Modelos (Machine
Learning)
Nos modelos de aprendizado de máquina, existem dois problemas básicos que devem ser
considerados. O primeiro problema é o sobreajuste (overfitting) que acontece quando se tem um modelo
com bom desempenho com os dados treinados, mas que não trabalha bem com novos dados. Já o
segundo problema, é o sub-ajuste (underfitting) que já sequer trabalhar com os dados de treino e,
https://www.tecconcursos.com.br/questoes/2200232
230) 
consequentemente, na aplicação em si. Para isso, é necessário implementar modelos que sejam
equilibrados para atender as demandas. Considerando essas afirmações e a figura a seguir, selecione a
alternativa que melhor associa o problema com os dados dispostos no espaço com a solução equilibrada,
com sub-ajuste e sobreajuste de acordo com sua indicação (I, II e III).
 
a) (I) equilibrado, (II) sobreajustado e (III) sub-ajustado
b) (I) equilibrado, (II) sub-ajustado e (III) sobreajustado
c) (I) sobreajustado, (II) equilibrado e (III) sub-ajustado
d) (I) sub-ajustado, (II) sobreajustado e (III) equilibradowww.tecconcursos.com.br/questoes/2200278
Com. Org. (IFSP) - Ana TI (IF SP)/IF SP/Ciência de Dados/2022
TI - Desenvolvimento de Sistemas - Métodos de Treinamento de Modelos (Machine
Learning)
Machine Learning, ou aprendizado de máquina, é um subcampo da inteligência artificial baseada
na ideia de que os sistemas podem aprender a identificar padrões e tomar decisões, por meio da análise
de dados. De acordo com o tipo de técnica utilizada no processo de aprendizagem, existem vários
algoritmos que podem ser aplicados para gerar o modelo de aprendizado. Os parâmetros desse modelo
https://www.tecconcursos.com.br/questoes/2200278
231) 
podem ser atualizados por meio de técnicas de otimização. Com base nessas informações, assinale a
alternativa correta.
a) O gradiente descendente é um algoritmo de otimização utilizado pelos cientistas de dados para
encontrar um máximo local de uma função diferenciável, movendo-se iterativamente na direção da
descida mais íngreme, conforme definido pelo negativo do gradiente.
b) O método do gradiente descendente é utilizado pelos cientistas de dados para encontrar os
valores de parâmetros de uma função, que reduzem ao máximo uma função de custo.
c) O gradiente descendente é um algoritmo de otimização iterativa, que necessita do cálculo da
segunda derivada para poder realizar atualizações dos parâmetros do modelo preditivo.
d) No método do gradiente descendente, o tamanho do passo (também conhecido como taxa de
aprendizado, ou learning rate) não exerce nenhuma influência no resultado.
www.tecconcursos.com.br/questoes/2208921
CEBRASPE (CESPE) - PANS (ANP)/ANP/Atividades de Regulação/Novas Atribuições IV/2022
TI - Desenvolvimento de Sistemas - Métodos de Treinamento de Modelos (Machine
Learning)
Julgue o item a seguir, relativos a aprendizado supervisionado.
 
As técnicas de regressão são utilizadas tanto para prever quando para entender como o sinal avaliado é
afetado pela variação dos preditores, ou ainda, para identificar os preditores mais importantes na relação
entre o sinal avaliado e cada um deles.
Certo
Errado
https://www.tecconcursos.com.br/questoes/2208921
232) 
233) 
www.tecconcursos.com.br/questoes/2208950
CEBRASPE (CESPE) - PANS (ANP)/ANP/Atividades de Regulação/Novas Atribuições IV/2022
TI - Desenvolvimento de Sistemas - Métodos de Treinamento de Modelos (Machine
Learning)
Em relação a aprendizado não supervisionado, julgue o item que se seguem.
 
O modelo de mistura gaussiana (GMM) é um método que descreve um agrupamento de amostras para
determinado espaço de características, em que o GMM é uma mistura de k distribuições gaussianas
associadas à mudança de estado dos pixels.
Certo
Errado
www.tecconcursos.com.br/questoes/2226899
FEPESE - Ana (CELESC)/CELESC/Sistemas/Negócios Transformação Digital/2022
TI - Desenvolvimento de Sistemas - Métodos de Treinamento de Modelos (Machine
Learning)
Análises preditivas usam dados, algoritmos estatísticos e técnicas de machine learning para
identificar a probabilidade de resultados futuros, a partir de dados históricos. O objetivo é ir além de
saber o que aconteceu para obter uma melhor avaliação do que poderá acontecer no futuro.
 
Analise as afirmativas abaixo em relação ao assunto.
1. A análise preditiva é usada para determinar as respostas ou compras dos clientes, além de
promover oportunidades de venda cruzada. Os modelos preditivos ajudam as empresas a atrair, reter
e expandir seus clientes mais valiosos.
https://www.tecconcursos.com.br/questoes/2208950
https://www.tecconcursos.com.br/questoes/2226899
234) 
2. As pontuações de crédito são usadas para avaliar a probabilidade de padrões de compra de um
consumidor e são um exemplo bem conhecido de análise preditiva.
3. Apesar da predominância de softwares interativos e fáceis de usar, a análise preditiva ainda é
exclusividade de matemáticos e estatísticos.
Assinale a alternativa que indica todas as afirmativas corretas.
a) É correta apenas a afirmativa 2.
b) É correta apenas a afirmativa 3.
c) São corretas apenas as afirmativas 1 e 2.
d) São corretas apenas as afirmativas 1 e 3.
e) São corretas apenas as afirmativas 2 e 3.
www.tecconcursos.com.br/questoes/2310653
IADES - Prof (UnDF)/UnDF/Análise de Dados em Saúde/2022
TI - Desenvolvimento de Sistemas - Métodos de Treinamento de Modelos (Machine
Learning)
Assinale a alternativa que corresponde ao fragmento de código fonte correto na linguagem Python
que
 
 gera 50 valores aleatórios distribuídos normalmente com média nula e variância unitária na variável
;
 
∙
x
https://www.tecconcursos.com.br/questoes/2310653
 calcula a imagem dos pontos gerados pela função , sendo um erro aditivo que
é também normalmente distribuído com média nula e variância unitária;
 
 faz a regressão linear para o modelo utilizando a função LinearRegression da
biblioteca Scikit-Learn.
a) 
b) 
c) 
d) 
∙ y = 1 + 2x − + εx2 ε
∙ w(x) = a + bx + cx2
235) 
e) 
www.tecconcursos.com.br/questoes/2327260
IADES - Prof (UnDF)/UnDF/Matemática/Ciência de Dados/2022
TI - Desenvolvimento de Sistemas - Métodos de Treinamento de Modelos (Machine
Learning)
Ao utilizar algoritmos de machine learning para classificação, é comum que se avalie a qualidade
do modelo por meio de métricas calculadas em uma matriz de confusão. As métricas são fornecidas a
seguir.
 
TP = verdadeiros positivos
 
TN = verdadeiros negativos
 
FP = falsos positivos
 
FN = falsos negativos
 
Assinale a alternativa que apresenta o cálculo da precisão do modelo.
https://www.tecconcursos.com.br/questoes/2327260
236) 
a) (TP+TN)/(TP+FP+FN+TN)
b) TP/(TP+FN)
c) TP/(TP+FP)
d) (TP+0.5)/FN
e) 2(FP*TN)/(FP+TN)
www.tecconcursos.com.br/questoes/2329109
IADES - Prof (UnDF)/UnDF/Metodologias e Técnicas da Computação/2022
TI - Desenvolvimento de Sistemas - Métodos de Treinamento de Modelos (Machine
Learning)
O processo de treinamento de uma rede neural artificial consiste em encontrar os valores ótimos
para os parâmetros de cada neurônio (pesos e bias). O algoritmo utilizado para isso é o backpropagation,
que, para definir se em dado momento cada parâmetro deve ter seu valor aumentado ou diminuído, usa
um cálculo chamado
a) função de ativação.
b) gradiente.
c) recorrência.
d) épocas.
e) seleção.
www.tecconcursos.com.br/questoes/2329120
IADES - Prof (UnDF)/UnDF/Metodologias e Técnicas da Computação/2022
https://www.tecconcursos.com.br/questoes/2329109
https://www.tecconcursos.com.br/questoes/2329120
237) 
238) 
TI - Desenvolvimento de Sistemas - Métodos de Treinamento de Modelos (Machine
Learning)
Em uma rede neural, o processo de treinamento consiste em duas grandes etapas, na primeira, os
dados de entrada são apresentados à rede, que realizará uma predição. Na segunda, os erros cometidos
na primeira etapa são apresentados ao algoritmo de otimização, que realizará os ajustes necessários.
Qual nome é dado à primeira etapa?
a) forward propagation
b) backward propagation
c) in-place correction
d) gradient propagation
e) thread
www.tecconcursos.com.br/questoes/2329123
IADES - Prof (UnDF)/UnDF/Metodologias e Técnicas da Computação/2022
TI - Desenvolvimento de Sistemas - Métodos de Treinamento de Modelos (Machine
Learning)
Partindo de uma matriz de confusão, é possível extrair diversas métricas para um modelo de
classificação. Assinale a alternativa que apresenta a quantidade de amostras com label positiva no
dataset original.
a) Recall
b) Acurácia
c) Precisão
d) Prevalência
e) Taxa de erro
https://www.tecconcursos.com.br/questoes/2329123
239) 
240) 
www.tecconcursos.com.br/questoes/1790644
CEBRASPE (CESPE) - AFCA (SEFAZ AL)/SEFAZ AL/2021
TI - Desenvolvimento de Sistemas - Métodos de Treinamento de Modelos (Machine
Learning)
Acerca de conceitos de modelagem preditiva e algoritmos de classificação, julgue o item a seguir.
 
O dilema bias-variância é evitado quando o treinamento é feito de modo que o modelo capture todas as
irregularidades estatísticas dos dados, com uma quantidade maior de rodadas de treinamento.Certo
Errado
www.tecconcursos.com.br/questoes/1821073
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
TI - Desenvolvimento de Sistemas - Métodos de Treinamento de Modelos (Machine
Learning)
Marque a opção correta com relação ao overfitting.
a) Devido ao nível de generalização ser muito alto, o modelo de treinamento não funciona bem.
b) Acontece quando o modelo utilizado é complexo.
c) Acontece quando o modelo de dados treinado não possui uma alta complexidade e com isso não é
possível prever as relações entre os recursos do conjunto e uma variável de destino.
d) Acontece quando o modelo se ajusta bem aos dados treinados, porém o seu nível de
generalização não é tão alto.
https://www.tecconcursos.com.br/questoes/1790644
https://www.tecconcursos.com.br/questoes/1821073
241) 
242) 
e) Acontece quando o modelo de dados treinado é muito simples e com isso se tem uma grande
generalização dos dados.
www.tecconcursos.com.br/questoes/1821076
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
TI - Desenvolvimento de Sistemas - Métodos de Treinamento de Modelos (Machine
Learning)
Marque a opção correta com relação ao underfitting.
a) Devido ao nível de generalização ser muito alto, o modelo de treinamento não funciona bem.
b) Acontece quando o modelo utilizado é complexo.
c) Acontece quando o modelo de dados treinado não possui uma alta complexidade e com isso não é
possível prever as relações entre os recursos do conjunto e uma variável de destino.
d) Acontece quando o modelo se ajusta bem aos dados treinados, porém o seu nível de
generalização não é tão alto.
e) Acontece quando o modelo de dados treinado é muito simples e com isso se tem uma grande
generalização dos dados.
www.tecconcursos.com.br/questoes/1821078
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
TI - Desenvolvimento de Sistemas - Métodos de Treinamento de Modelos (Machine
Learning)
Uma das formas utilizadas para redução de overfitting é aumentar a quantidade de dados de
treinamento no modelo. Porém, existem outras formas de atingir esse objetivo. Uma dessas formas pode
ser encontrada em:
https://www.tecconcursos.com.br/questoes/1821076
https://www.tecconcursos.com.br/questoes/1821078
243) 
a) Redução de dimensionalidade
b) Técnicas de regularização
c) Otimização de hiperparâmetros
d) Árvores de decisão
e) Regressão linear
www.tecconcursos.com.br/questoes/1821084
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
TI - Desenvolvimento de Sistemas - Métodos de Treinamento de Modelos (Machine
Learning)
Sobre validação e avaliação de modelos preditivos marque a alternativa correta.
a) A validação de um modelo preditivo pode ser utilizada para comparar o desempenho do modelo
em diferentes processos de modelagem.
b) A técnica de validação cruzada é utilizada para avaliar os erros em modelos preditivos.
c) Uma forma de validação de um modelo consiste em separar um trecho dos dados utilizados no
treinamento e fazer previsões sobre o restante dos dados. Essa técnica é conhecida como KNN.
d) O holdout é uma função matemática que procura identificar padrões ocultos e prever o que
poderá acontecer com o modelo.
e) A validação de um modelo preditivo é utilizada quando é necessário descrever um conjunto de
dados que se mostra ineficaz para prever novos resultados em um dado modelo.
www.tecconcursos.com.br/questoes/1821086
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
https://www.tecconcursos.com.br/questoes/1821084
https://www.tecconcursos.com.br/questoes/1821086
244) 
245) 
TI - Desenvolvimento de Sistemas - Métodos de Treinamento de Modelos (Machine
Learning)
O método holdout é uma técnica de validação cruzada utilizada para avaliar modelos preditivos.
Sobre esse método marque a alternativa correta.
a) Esse modelo é uma exceção entre as técnicas de validação cruzada, pois avalia o conjunto de
dados como único.
b) Divide um conjunto de dados em exatamente dois conjuntos e testa o melhor desempenho entre
eles.
c) Divide uma parte de um conjunto com a intenção de avaliar vários modelos concorrentes e
seleciona o melhor deles
d) É utilizado quando a intenção é aproximar a variância de um conjunto e o seu viés.
e) Divide um conjunto de dados em exatamente três conjuntos e testa o melhor desempenho entre
eles.
www.tecconcursos.com.br/questoes/1821090
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
TI - Desenvolvimento de Sistemas - Métodos de Treinamento de Modelos (Machine
Learning)
Sobre as fontes de erros em modelos preditivos marque a alternativa correta.
a) O erro de Bias (Viés) é considerado o produto entre a previsão esperada do modelo e o valor real
que se quer prever.
https://www.tecconcursos.com.br/questoes/1821090
246) 
b) O erro de Variância é considerado a diferença entre a previsão esperada no modelo e o valor real
que se quer prever.
c) O erro de Bias (Viés) é a capacidade de variação de um modelo para um ponto de dados.
d) O erro de Variância é considerado o produto entre a previsão esperada do modelo e o valor real
que se quer prever.
e) O erro de Bias (Viés) é considerado a diferença entre a previsão esperada no modelo e o valor real
que se quer prever.
www.tecconcursos.com.br/questoes/1821091
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
TI - Desenvolvimento de Sistemas - Métodos de Treinamento de Modelos (Machine
Learning)
Sobre as fontes de erros em modelos preditivos marque a alternativa correta.
 
Independentemente do tipo de algoritmo que for utilizado, esse erro não pode ser eliminado, ou
reduzido. Esse tipo de erro é também conhecido como ruído.
 
A afirmativa acima é a definição de:
a) Erro variável
b) Erro irredutível
c) Erro não reconhecido
d) Erros de bias
e) Erro de variância
www.tecconcursos.com.br/questoes/1821094
https://www.tecconcursos.com.br/questoes/1821091
https://www.tecconcursos.com.br/questoes/1821094
247) 
248) 
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
TI - Desenvolvimento de Sistemas - Métodos de Treinamento de Modelos (Machine
Learning)
Um dos modelos lineares utilizados em Machine Learning é a regressão linear. Sobre esse tema
marque a opção correta.
a) A regressão linear simples se dá pelo fato de termos uma ou mais variáveis independentes para se
fazer a predição.
b) Regressão linear é um tipo de algoritmo não supervisionado.
c) A regressão linear múltipla se dá pelo fato de termos duas ou mais varáveis independentes para
se fazer a predição.
d) A regressão linear somente pode ser utilizada quando os valores de entrada e saída não são
contínuos.
e) Uma função que representa uma regressão linear é f(x) = w0 + w1 * x1, em que o w0 é utilizado
para representar a inclinação da reta, w1 é o atributo de entrada e x1, o ponto inicial da reta.
www.tecconcursos.com.br/questoes/1953774
Marinha - QT (Marinha)/Marinha/Informática/2021
TI - Desenvolvimento de Sistemas - Métodos de Treinamento de Modelos (Machine
Learning)
Segundo GRUS (2016), sobre o procedimento de utilização de Gradiente Descendente para
encontrar mínimas e máximas de funções, é correto afirmar que:
a) Se uma função possui uma mínima global única, é provável que esse procedimento a encontre.
b) Se uma função possui mínimas múltiplas (locais), esse procedimento encontrará a melhor mínima.
https://www.tecconcursos.com.br/questoes/1953774
249) 
c) Se uma função possui mínimas múltiplas (locais}, esse procedimento talvez encontre a errada e,
nesse caso, você talvez tenha que reiniciar o procedimento a partir do mesmo ponto inicial.
d) Se uma função não possui mínima, então ao final do procedimento será encontrada a máxima.
e) Gradiente é o vetor das integrais parciais.
www.tecconcursos.com.br/questoes/1727246
Marinha - QT (Marinha)/Marinha/Informática/2020
TI - Desenvolvimento de Sistemas - Métodos de Treinamento de Modelos (Machine
Learning)
Analise as afirmativas abaixo, em relação à técnica deotimização gradiente descendente.
 
I - Se uma função possui um ponto de mínimo global único, pode ser encontrado pela técnica.
 
II - É utilizada para minimizar o erro de um modelo.
 
IlI - Se uma função possui pontos mínimos múltiplos (locais), o procedimento talvez não encontre o
mínimo global.
 
Assinale a opção correta.
a) Apenas a afirmativa I é verdadeira.
b) Apenas a afirmativa II é verdadeira.
c) Apenas a afirmativa IlI é verdadeira.
d) Apenas as afirmativas I e lI são verdadeiras.
e) Todas as afirmativas são verdadeiras.
https://www.tecconcursos.com.br/questoes/1727246
250) 
251) 
www.tecconcursos.com.br/questoes/2598879
Marinha - QT (Marinha)/Marinha/Informática/2023
TI - Desenvolvimento de Sistemas - Máquinas de Vetores de Suporte (SVM)
Segundo Faceli (2021), assinale a opção correta referente às máquinas de vetor de suporte
(SVM).
a) SVM lineares com margens rígidas definem fronteiras lineares a partir de dados linearmente
inseparáveis.
b) SVM lineares com margens suaves introduzem variáveis de folga que relaxam as restrições
impostas ao problema de otimização das SVM com margens rígidas.
c) As funções de kernel para SVM não lineares recebem três ou mais pontos no espaço de entradas e
calculam o produto vetorial no espaço de características.
d) Entre as vantagens das SVM destaca-se a facilidade para interpretação dos modelos gerados por
essa técnica.
e) Entre as desvantagens das SVM destaca-se a pouca robustez diante de objetos de grande
dimensão.
www.tecconcursos.com.br/questoes/2650547
FUVEST - Ana Sis (USP)/USP/Ciência de Dados/2023
TI - Desenvolvimento de Sistemas - Máquinas de Vetores de Suporte (SVM)
Sobre o algoritmo SVM (máquinas de vetores de suporte), pode-se afirmar que são classificadores
a) não-lineares multiclasse que usam funções kernel para mapear um espaço de características
separado para cada classe presente na amostra de treinamento.
b) de texto que usam a representação vetorial de palavras e que usam diferentes funções kernel
para identificar o tópico central do texto.
https://www.tecconcursos.com.br/questoes/2598879
https://www.tecconcursos.com.br/questoes/2650547
252) 
c) que não necessitam de uma etapa de treinamento, pois usam funções kernel para identificar a
classe mais próxima da entrada.
d) lineares binários que usam funções kernel para manipular os dados em um espaço que pode ou
não ser diferente do espaço de características original.
e) não supervisionados para criação de agrupamentos que usam funções kernel para identificar k
centroides, um de cada classe, sendo k informado inicialmente.
www.tecconcursos.com.br/questoes/1936924
CEBRASPE (CESPE) - PPNS (PETROBRAS)/PETROBRAS/Ciência de Dados/2022
TI - Desenvolvimento de Sistemas - Máquinas de Vetores de Suporte (SVM)
As máquinas de vetores de suporte (SVMs) são originalmente utilizadas para a classificação de
dados em duas classes, ou seja, na geração de dicotomias. Nas SVMs com margens rígidas, conjuntos de
treinamento linearmente separáveis podem ser classificados. Acerca das características das SVMs com
margens rígidas, julgue o item a seguir.
Um conjunto linearmente separável é composto por exemplos que podem ser separados por pelo menos
um hiperplano. As SVMs lineares buscam o hiperplano ótimo segundo a teoria do aprendizado estatístico,
definido como aquele em que a margem de separação entre as classes presentes nos dados é
minimizada.
Certo
Errado
www.tecconcursos.com.br/questoes/1628554
CEBRASPE (CESPE) - Ana (SERPRO)/SERPRO/Ciência de Dados/2021
TI - Desenvolvimento de Sistemas - Máquinas de Vetores de Suporte (SVM)
https://www.tecconcursos.com.br/questoes/1936924
https://www.tecconcursos.com.br/questoes/1628554
253) 
254) 
255) 
Sobre as técnicas de classificação em aprendizado de máquina, julgue o item a seguir.
 
Em razão de seu bom desempenho, o algoritmo SVM (support vector machines) é invariante à escala
dimensional dos conjuntos de dados, o que torna dispensável a padronização e o pré-processamento dos
dados.
Certo
Errado
www.tecconcursos.com.br/questoes/1821088
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
TI - Desenvolvimento de Sistemas - Máquinas de Vetores de Suporte (SVM)
São técnicas de validação e avaliação de modelos preditivos, exceto
a) Holdout
b) Cross-Validation
c) Support Vector Machine
d) K-Fold
e) Leave-one-out
www.tecconcursos.com.br/questoes/1727243
Marinha - QT (Marinha)/Marinha/Informática/2020
TI - Desenvolvimento de Sistemas - Máquinas de Vetores de Suporte (SVM)
No contexto de classificação de padrões, uma abordagem possível é a busca de um hiperplano que
melhor separe as classes nos dados de treinamento. A ideia de maximizar a distância desse hiperplano
para o ponto mais próximo em cada classe pertence a qual algoritmo?
https://www.tecconcursos.com.br/questoes/1821088
https://www.tecconcursos.com.br/questoes/1727243
256) 
a) Arvore de decisão.
b) Regressão Múltipla.
c) k-Vizinhos mais próximos.
d) Máquina de Vetor de Suporte.
e) Redes Neurais.
www.tecconcursos.com.br/questoes/2779835
CESGRANRIO - TPP (IPEA)/IPEA/Ciência de Dados/2024
TI - Desenvolvimento de Sistemas - Árvores de Decisão
A biblioteca Scikit-Learn emprega o algoritmo Classification And Regression Tree (CART) para
treinar Árvores de Decisão. O algoritmo CART baseia-se na recursividade e na estratégia de divisão
binária para construir uma árvore de decisão. Inicialmente, a árvore é representada por um único nó,
que contém todos os dados de treinamento. A cada passo, o algoritmo busca a melhor maneira de dividir
o conjunto de dados. A recursividade continua até que uma condição de parada seja atendida, como
atingir uma profundidade máxima da árvore. Uma vez construída a árvore, a fase de predição ocorre ao
percorrer a estrutura da árvore de acordo com as condições estabelecidas nos nós, levando a uma
predição (inferência) para uma determinada entrada.
 
Considerando-se que n corresponde ao número de features e m ao número de instâncias, qual é a
complexidade computacional assintótica de predição para árvores de decisão treinadas com o algoritmo
CART?
a) O(m)
b) O(m2)
c) 
d) 
O(n × mlog(m))
O( (m))log2
https://www.tecconcursos.com.br/questoes/2779835
257) 
258) 
e) O(log2(m))
www.tecconcursos.com.br/questoes/2555127
FUNDATEC - ANC (PROCERGS)/PROCERGS/Ciência de Dados/2023
TI - Desenvolvimento de Sistemas - Árvores de Decisão
__________ é uma classe de métodos ensemble que utiliza classificadores de árvore de decisão. É
uma combinação de preditores de árvores tal que cada árvore depende dos valores de um vetor aleatório
amostrado independentemente e com a mesma distribuição para todas as árvores.
 
Assinale a alternativa que preenche corretamente a lacuna do trecho acima.
a) Árvore de decisão
b) Random Forest
c) k-Nearest Neighbors
d) Regressão logística
e) Support Vector Machine (SVM)
www.tecconcursos.com.br/questoes/2555130
FUNDATEC - ANC (PROCERGS)/PROCERGS/Ciência de Dados/2023
TI - Desenvolvimento de Sistemas - Árvores de Decisão
Assinale a alternativa correta sobre os critérios de seleção de atributos aplicáveis na construção de
árvores de decisão.
a) Ganho de informação normaliza o critério de ganho de informação e deve ser usado para
selecionar atributos que obtiveram um ganho de informação médio.
https://www.tecconcursos.com.br/questoes/2555127
https://www.tecconcursos.com.br/questoes/2555130
259) 
b) Índice Gini usa um critério baseado em impureza para analisar as diferenças entre as distribuições
de probabilidade dos valores dos atributos da classe (rótulos).
c) DKM é um critério baseado no cálculo do ângulo entre vetores que representam a distribuição de
classes nas partições geradas.
d) Raio de ganho usa a medida de entropia como meio para análise do grau de impureza das
partições geradas a partir da análise dos valores de um atributo descritivo.
e) ORT é critério baseado em impureza para atributos de classes binárias.
www.tecconcursos.com.br/questoes/2598875
Marinha- QT (Marinha)/Marinha/Informática/2023
TI - Desenvolvimento de Sistemas - Árvores de Decisão
Examine a árvore de decisão abaixo.
 
Considerando a Arvore de Decisão acima, assinale a opção correta que apresenta uma expressão lógica
entre as variáveis booleanas A, B, C e D.
a) (A V B) /\ (C /\ D)
b) (A /\ B) /\ (C /\ D)
c) (A /\B) V (C /\ D)
https://www.tecconcursos.com.br/questoes/2598875
260) 
261) 
d) (A VB) /\(CV D)
e) (A /\B) V (CV D)
www.tecconcursos.com.br/questoes/1921416
FADESP - FRE PA/SEFA PA/2022
TI - Desenvolvimento de Sistemas - Árvores de Decisão
A estratégia de agrupamento hierárquico em que a construção da árvore é iniciada pelo nó raiz,
onde todos os exemplares são alocados, inicialmente, a um único grupo e, interativamente, os grupos
são divididos de acordo com algum critério de dissimilaridade, aplicado aos exemplares que os
constituem e, além disso, enquanto houver grupos formados por mais de um exemplar, dois grupos
distintos são criados a cada divisão, dando origem aos demais nós internos da árvore, é conhecida como
a) método AGNES.
b) método DIANA.
c) método de k-médias.
d) método DBSCAN.
e) mapa auto organizáveis.
www.tecconcursos.com.br/questoes/1936922
CEBRASPE (CESPE) - PPNS (PETROBRAS)/PETROBRAS/Ciência de Dados/2022
TI - Desenvolvimento de Sistemas - Árvores de Decisão
Uma árvore de decisão representa um determinado número de caminhos possíveis de decisão e os
resultados de cada um deles, apresentando muitos pontos positivos, ou seja, são fáceis de entender e
interpretar. Elas têm processo de previsão completamente transparente e lidam facilmente com diversos
https://www.tecconcursos.com.br/questoes/1921416
https://www.tecconcursos.com.br/questoes/1936922
262) 
atributos numéricos, assim como atributos categóricos, podendo até mesmo classificar dados sem
atributos definidos.
De acordo com os aspectos construtivos de uma árvore de decisão, julgue o item a seguir.
Se o processo adotado para a construção de árvores de decisão for determinístico, uma forma de
obtenção de árvores aleatórias, que compõem as florestas aleatórias, pode ser realizada por meio do
bootstrap dos dados, em que cada árvore é treinada com base no resultado de bootstrap_sample
(inputs).
Certo
Errado
www.tecconcursos.com.br/questoes/1936923
CEBRASPE (CESPE) - PPNS (PETROBRAS)/PETROBRAS/Ciência de Dados/2022
TI - Desenvolvimento de Sistemas - Árvores de Decisão
Uma árvore de decisão representa um determinado número de caminhos possíveis de decisão e os
resultados de cada um deles, apresentando muitos pontos positivos, ou seja, são fáceis de entender e
interpretar. Elas têm processo de previsão completamente transparente e lidam facilmente com diversos
atributos numéricos, assim como atributos categóricos, podendo até mesmo classificar dados sem
atributos definidos.
De acordo com os aspectos construtivos de uma árvore de decisão, julgue o item a seguir.
 
A entropia de uma árvore de decisão aborda o aspecto da quantidade de informações que está associada
às respostas que podem ser obtidas às perguntas formuladas, representando o grau de incerteza
associado aos dados.
https://www.tecconcursos.com.br/questoes/1936923
263) 
264) 
Certo
Errado
www.tecconcursos.com.br/questoes/2013225
CEBRASPE (CESPE) - Ag Inv (PC PB)/PC PB/2022
TI - Desenvolvimento de Sistemas - Árvores de Decisão
A árvore de decisão é uma técnica utilizada em mineração de dados cuja abordagem para a criação
de regras para utilização nos próximos eventos é a
a) estratificação.
b) identificação de interações.
c) predição.
d) segmentação.
e) combinação de categorias.
www.tecconcursos.com.br/questoes/2220957
Marinha - QT (Marinha)/Marinha/Informática/2022
TI - Desenvolvimento de Sistemas - Árvores de Decisão
Dentro das técnicas estatísticas empregadas no processo de data mining, sobre o emprego da
técnica de árvore de decisão, segundo Barbieri (2011), a abordagem de:
a) segmentação é responsável pela divisão dos dados em duas partes, a partir de um elemento
inicial, permitindo balancear os dados, dentre as várias categorias existentes.
b) segmentação utiliza algoritmos de agrupamento para determinação de regras, com base em
eventos passados, utilizando suas características em comum, dentre as várias categorias existentes.
https://www.tecconcursos.com.br/questoes/2013225
https://www.tecconcursos.com.br/questoes/2220957
265) 
266) 
c) estratificação é responsável pela determinação de regras para que se possa designar cada caso a
uma dentre várias categorias existentes, como, por exemplo, classificar um cliente tomador de crédito
em grupo de risco elevado, risco médio, risco baixo.
d) ampliação de dados realiza o preenchimento de lacunas, quando há falta de variáveis em um
processo. É passivei a utilização de técnicas avançadas para identificar quais nós têm mais influência
sobre a resposta, preenchendo por similaridade, de forma a melhorar o volume de variáveis em
estudo e, consequentemente, sua análise.
e) predição é responsável pela prevenção de falhas com base nos eventos ocorridos anteriormente,
permitindo, assim, a configuração da árvore de decisão com maior segurança dos dados.
www.tecconcursos.com.br/questoes/1628550
CEBRASPE (CESPE) - Ana (SERPRO)/SERPRO/Ciência de Dados/2021
TI - Desenvolvimento de Sistemas - Árvores de Decisão
Sobre as técnicas de classificação em aprendizado de máquina, julgue o item 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.
Certo
Errado
www.tecconcursos.com.br/questoes/1718779
CEBRASPE (CESPE) - AF (SEFAZ CE)/SEFAZ CE/Tecnologia da Informação da Receita
Estadual/2021
TI - Desenvolvimento de Sistemas - Árvores de Decisão
A respeito de inteligência artificial, julgue o item seguinte.
https://www.tecconcursos.com.br/questoes/1628550
https://www.tecconcursos.com.br/questoes/1718779
267) 
268) 
 
Uma das vantagens da técnica de árvore de decisão para regressão é evitar a propagação de erros,
mesmo que uma divisão ocorra indevidamente.
Certo
Errado
www.tecconcursos.com.br/questoes/1821050
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
TI - Desenvolvimento de Sistemas - Árvores de Decisão
Sobre árvores de decisão marque a opção correta.
a) É um algoritmo de aprendizagem de máquina que possibilita executar tarefas de classificação e
regressão e possui capacidade de se adaptar a conjuntos de dados complexos.
b) É um modelo muito robusto e versátil de aprendizado de máquina, capaz de fazer classificações
lineares, não lineares, de regressão e até mesmo detecção de outliers.
c) É um modelo que, dada uma instância de teste, encontra o termo mais próximo do teste no
conjunto de treinamento.
d) É um classificador probabilístico com independência entre os recursos.
e) É utilizado para estimar a probabilidade de uma instância pertencer a uma classe específica.
www.tecconcursos.com.br/questoes/1821051
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
TI - Desenvolvimento de Sistemas - Árvores de Decisão
Para responder a questão, considere o conjunto de dados íris. Considere também o código a seguir,
que gera uma árvore de decisão.
https://www.tecconcursos.com.br/questoes/1821050
https://www.tecconcursos.com.br/questoes/1821051
 
from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
iris = load_iris()
X = iris.data[:, 2:]
y = iris.target
tree_clf = DecisionTreeClassifier(max_depth=2, random_state=42)
tree_clf.fit(X, y)
 
DecisionTreeClassifier(class_weight=None, criterion='gini', max_depth=2,
max_features=None, max_leaf_nodes=None,
min_impurity_decrease=0.0, min_impurity_split=None,
min_samples_leaf=1, min_samples_split=2,
min_weight_fraction_leaf=0.0, presort=False, random_state=42,
splitter='best')
 
from sklearn.tree import export_graphviz
export_graphviz(
tree_clf,
out_file=image_path("iris_tree.dot"),
feature_names=iris.feature_names[2:],class_names=iris.target_names,
rounded=True,
filled=True
)
$dot -Tpng iris_tree.dot -o iris_tree.png
A árvore gerada pode ser vista na imagem abaixo.
 
Da árvore acima podemos concluir que
a) Caso uma pétala possua um comprimento maior que 2.45 ela é do tipo Setosa.
b) Caso uma pétala possua comprimento maior que 2.45 e largura menor que 1.75 ela é do tipo
Versicolor.
c) Caso uma pétala possua uma largura menor que 1.75 é do tipo Virginica.
d) Caso uma pétala possua comprimento menor que 2.45 é do tipo Versicolor
e) Caso uma pétala possua comprimento maior que 2.45 e largura maior que 1.75 é do tipo Setosa.
269) 
www.tecconcursos.com.br/questoes/1821052
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
TI - Desenvolvimento de Sistemas - Árvores de Decisão
Para responder a questão, considere o conjunto de dados íris. Considere também o código a seguir,
que gera uma árvore de decisão.
 
from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
iris = load_iris()
X = iris.data[:, 2:]
y = iris.target
tree_clf = DecisionTreeClassifier(max_depth=2, random_state=42)
tree_clf.fit(X, y)
 
DecisionTreeClassifier(class_weight=None, criterion='gini', max_depth=2,
max_features=None, max_leaf_nodes=None,
min_impurity_decrease=0.0, min_impurity_split=None,
min_samples_leaf=1, min_samples_split=2,
min_weight_fraction_leaf=0.0, presort=False, random_state=42,
splitter='best')
 
from sklearn.tree import export_graphviz
export_graphviz(
tree_clf,
out_file=image_path("iris_tree.dot"),
https://www.tecconcursos.com.br/questoes/1821052
feature_names=iris.feature_names[2:],
class_names=iris.target_names,
rounded=True,
filled=True
)
$dot -Tpng iris_tree.dot -o iris_tree.png
A árvore gerada pode ser vista na imagem abaixo.
 
Os atributos
(1) Gini
270) 
(2) Sample
(3) Value
são utilizados para
( ) calcular a quantidade de instâncias às quais se aplica.
( ) informar a quantidade de instâncias de treinamento de cada classe às quais o nó se aplica.
( ) calcular a impureza de um nó.
A correta associação entre o atributo e sua utilização é dada em:
a) 1 - 2 - 3
b) 3 - 1 - 2
c) 3 - 2 - 1
d) 1 - 2 - 3
e) 2 - 3 - 1
www.tecconcursos.com.br/questoes/1821053
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
TI - Desenvolvimento de Sistemas - Árvores de Decisão
Para responder a questão, considere o conjunto de dados íris. Considere também o código a seguir,
que gera uma árvore de decisão.
 
from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
iris = load_iris()
X = iris.data[:, 2:]
https://www.tecconcursos.com.br/questoes/1821053
y = iris.target
tree_clf = DecisionTreeClassifier(max_depth=2, random_state=42)
tree_clf.fit(X, y)
 
DecisionTreeClassifier(class_weight=None, criterion='gini', max_depth=2,
max_features=None, max_leaf_nodes=None,
min_impurity_decrease=0.0, min_impurity_split=None,
min_samples_leaf=1, min_samples_split=2,
min_weight_fraction_leaf=0.0, presort=False, random_state=42,
splitter='best')
 
from sklearn.tree import export_graphviz
export_graphviz(
tree_clf,
out_file=image_path("iris_tree.dot"),
feature_names=iris.feature_names[2:],
class_names=iris.target_names,
rounded=True,
filled=True
)
$dot -Tpng iris_tree.dot -o iris_tree.png
A árvore gerada pode ser vista na imagem abaixo.
 
O algoritmo CART, utilizado pela biblioteca Scikit-Learn,
a) pode gerar apenas árvore binárias.
b) pode gerar tanto árvores binárias, quanto árvores que possuem mais de dois filhos.
c) não permite dividir um conjunto de treinamento.
d) não pode percorrer um conjunto de dados de forma recursiva.
e) não pode ser utilizado para treinar árvores de decisão.
www.tecconcursos.com.br/questoes/1821054
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
TI - Desenvolvimento de Sistemas - Árvores de Decisão
https://www.tecconcursos.com.br/questoes/1821054
271) 
272) 
Os hiperparâmetros são parâmetros que podem ser ajustados e com isso permitir que o processo
de treinamento de um modelo seja mais bem controlado.
 
O processo de localizar e configurar os hiperparâmetros, que resultará no melhor desempenho do
modelo, é chamado de
a) Validação de modelo
b) Separabilidade de dados
c) Redução de dimensionalidade
d) Otimização de hiperparâmetros
e) Underfitting
www.tecconcursos.com.br/questoes/2346690
FGV - ATRFB/SRFB/Geral/2023
TI - Desenvolvimento de Sistemas - Redução de Dimensionalidade
A Análise de Componentes Principais (PCA) é uma técnica de transformação de dados que tem
como objetivo encontrar as direções de maior variação nos dados, geralmente representadas pelos
chamados componentes principais, e gerar novas representações dos dados.
 
Assinale o objetivo principal dessa técnica.
a) Discretização dos dados.
b) Redução da dimensionalidade dos dados.
c) Normalização dos dados.
d) Padronização dos dados.
https://www.tecconcursos.com.br/questoes/2346690
273) 
274) 
e) Cálculo de distâncias entre os dados.
www.tecconcursos.com.br/questoes/2543968
FGV - Ana (BBTS)/BBTS/Perfil Tecnológico/2023
TI - Desenvolvimento de Sistemas - Redução de Dimensionalidade
Assinale a opção que apresenta a classe da biblioteca scikit-learn, versão 1.2.2, utilizada em scripts
python para a implementação de análises incrementais de componentes principais.
a) sklearn.position.PCAIncrement.
b) sklearn.composition.PCAIncrement.
c) sklearn.recomposition.PCAIncrement.
d) sklearn.decomposition.IncrementalPCA.
e) sklearn.recomposition.IncrementingPCA.
www.tecconcursos.com.br/questoes/1990123
FGV - ATIFE (Sefaz AM)/SEFAZ AM/2022
TI - Desenvolvimento de Sistemas - Redução de Dimensionalidade
Certo conjunto de dados contém 10000 observações, em que cada observação possui 10 variáveis.
A análise de componentes principais (PCA) sobre estes dados apontou que a primeira componente
principal é dada pelo vetor w.
 
A esse respeito, assinale a afirmativa correta.
a) A variância dos dados é a mesma nas direções dadas por w ou pelas demais componentes
principais.
https://www.tecconcursos.com.br/questoes/2543968
https://www.tecconcursos.com.br/questoes/1990123
275) 
276) 
b) A variância dos dados é a menor na direção de w e aumenta na direção das demais componentes
principais.
c) A variância ao longo da direção dada por w é igual a 1.
d) A variância ao longo da direção dada por w é menor do que 1.
e) A variância dos dados é máxima na direção dada por w.
www.tecconcursos.com.br/questoes/1821068
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
TI - Desenvolvimento de Sistemas - Redução de Dimensionalidade
As duas principais abordagens presentes na redução de dimensionalidade são
a) Projeção e aprendizado manifold
b) Teste e validação
c) Aprendizado supervisionado e não supervisionado
d) Matriz de confusão e análise de erro
e) Regressão Linear e regressão logística
www.tecconcursos.com.br/questoes/1821069
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
TI - Desenvolvimento de Sistemas - Redução de Dimensionalidade
São técnicas de redução de dimensionalidade, exceto
a) Projeções Randomizadas
https://www.tecconcursos.com.br/questoes/1821068
https://www.tecconcursos.com.br/questoes/1821069
277) 
b) Isomap
c) Escalonamento Multidimensional
d) Gradiente Descendente
e) Distributed Stochastic Neighbor Embedding
www.tecconcursos.com.br/questoes/1821071
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
TI - Desenvolvimento de Sistemas - Redução de Dimensionalidade
Uma das principais abordagens quando se trata de redução de dimensionalidade é a Análise de
Componente Principal (PCA). Sobre essa abordagem marque a alternativa correta.
a) É utilizada para decompor um conjunto de componentes ortogonais em um conjunto de dados
multivalorados.
b) É possível projetar os dados em um espaço único enquanto dimensiona cada componente para a
variação da unidade utilizando o parâmetro opcional whiten = True.
c) Centralizae dimensiona os dados de entrada para cada recurso antes de aplicar a decomposição
de valores singular (SVD).
d) Uma das limitações dessa abordagem é não suportar o processamento em batch, pois esse tipo
de processamento requer que todos os dados a serem processados estejam na memória principal.
e) O objeto PCA não fornece uma interpretação probabilística do PCA que pode dar uma
probabilidade de dados com base na quantidade de variação que ele explica.
www.tecconcursos.com.br/questoes/1821258
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
TI - Desenvolvimento de Sistemas - Redução de Dimensionalidade
https://www.tecconcursos.com.br/questoes/1821071
https://www.tecconcursos.com.br/questoes/1821258
278) 
279) 
O processo utilizado para diminuir a quantidade de dimensões de um conjunto de dados para que
se tenha uma visão mais encorpada de um conjunto de treinamento de alta dimensão é denominado de:
a) Técnicas de regularização
b) Otimização de hiperparâmetros
c) Redução de Dimensionalidade
d) Análise de sentimentos
e) Separabilidade de dados
www.tecconcursos.com.br/questoes/1821260
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
TI - Desenvolvimento de Sistemas - Redução de Dimensionalidade
Sobre a redução de dimensionalidade julgue as afirmativas a seguir.
 
I - Mesmo que se aplique a redução de dimensionalidade em um conjunto, os dados sempre
permanecem intactos, ou seja, mesmo reduzindo a quantidade de dimensões não haverá perda de
informações.
 
II - Reduzir a dimensão de um conjunto de dados pode acelerar o seu treinamento, porém o seu
desempenho pode não ser tão eficiente.
 
III - A redução de dimensionalidade permite uma melhor visualização dos dados.
 
Está(ão) correta(s) a(s) afirmativa(s)
a) II e III
b) I e III
https://www.tecconcursos.com.br/questoes/1821260
280) 
c) I e II
d) II apenas
e) III apenas
www.tecconcursos.com.br/questoes/1821264
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
TI - Desenvolvimento de Sistemas - Redução de Dimensionalidade
Com relação às técnicas de redução de dimensionalidade, relacione as colunas.
 
(1) PCA
(2) Kernel PCA
(3) LLE
 
( ) É uma técnica para redução de dimensionalidade não linear e que não depende de projeções.
 
( ) Permite aplicar projeções não lineares complexas para redução de dimensionalidade.
 
( ) Sua característica principal é identificar qual o hiperplano está mais próximo dos dados e, em
seguida, projetar os dados nele.
 
A correta relação se dá em
a) 1 - 2 - 3
b) 2 - 3 - 1
c) 2 - 1 - 3
d) 3 - 2 - 1
e) 3 - 1 - 2
https://www.tecconcursos.com.br/questoes/1821264
281) 
282) 
www.tecconcursos.com.br/questoes/1821266
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
TI - Desenvolvimento de Sistemas - Redução de Dimensionalidade
A redução da dimensionalidade pode ser definida como
a) processo de aprendizado de máquina que permite executar tarefas de classificação e regressão de
dados.
b) processo utilizado para trazer uma melhor visualização dos dados diminuindo a quantidade de
dimensões de um conjunto.
c) processo em que não permite que haja perdas de dados mantendo sempre o conjunto com o
mesmo tamanho do original.
d) processo em que aumenta o rendimento do conjunto, porém faz o treinamento dos dados ficar
mais lento.
e) processo de remoção de dados considerados impróprios.
www.tecconcursos.com.br/questoes/338898
ESAF - AA (ANAC)/ANAC/Qualquer Área de Formação/2016
TI - Desenvolvimento de Sistemas - Redução de Dimensionalidade
A redução da dimensionalidade de uma base de dados altamente correlacionados é objetivo da
Análise
a) de Componentes Principais.
b) de Campos de Prioridades.
c) de Componentes de Regressão.
d) Dimensional de Covariância.
https://www.tecconcursos.com.br/questoes/1821266
https://www.tecconcursos.com.br/questoes/338898
283) 
284) 
e) Interativa de Componentes.
www.tecconcursos.com.br/questoes/2779790
CESGRANRIO - TPP (IPEA)/IPEA/Ciência de Dados/2024
TI - Desenvolvimento de Sistemas - Redes Neurais
Na arquitetura de redes neurais, diferentes funções de ativação são utilizadas nas camadas de
neurônios para aplicar transformações não lineares aos dados. Uma dessas funções é a ReLU, conhecida
por sua eficácia em diversos modelos de aprendizado profundo.
 
Ao implementar a função ReLU, um pesquisador deve seguir a fórmula:
a) 
b) 
c) 
d) 
e) 
www.tecconcursos.com.br/questoes/2295381
FGV - Aud Est (CGE SC)/CGE SC/Ciências da Computação/2023
TI - Desenvolvimento de Sistemas - Redes Neurais
Sobre modelos de otimização de redes neurais, assinale a afirmativa incorreta.
a) O gradiente descendente é um algoritmo de otimização de redes neurais em que a derivada da
função de otimização leva a direção mais baixa do gráfico da função de custo.
f(x) = 1
1+e−3
f(x) = {x, se x > 0
0, se x ≤ 0
f(x) = tanh(x)
f(x) = max(0, x) − max(0, −x)
f(x) = − 1+ 1x2− −−−−√
https://www.tecconcursos.com.br/questoes/2779790
https://www.tecconcursos.com.br/questoes/2295381
285) 
b) A ideia da Regularização é adicionar um termo extra à função de custo. Intuitivamente, o efeito da
regularização é fazer com que a rede prefira aprender pesos pequenos, minimizando a função de
custo.
c) O momento acumula pesos anteriores para estabilizar a convergência da rede; o objetivo é ajudar
a desviar de mínimos locais e pode acelerar treinamento em regiões muito planas da superfície de
erro.
d) O algoritmo de otimização ADAM guarda, além dos valores dos pesos passados, o decaimento
exponencial da média de gradientes passados e possui o mesmo objetivo do momento.
e) A regularização L1 transforma valores pequenos em zeros e, consequentemente, permite reduzir o
número de pesos, enquanto a regularização L2 procura manter todos os pesos pequenos de forma
que maximiza a função de custo.
www.tecconcursos.com.br/questoes/2295403
FGV - Aud Est (CGE SC)/CGE SC/Ciências da Computação/2023
TI - Desenvolvimento de Sistemas - Redes Neurais
Sobre as redes neurais convolucionais (CNNs) é correto afirmar que
a) ao treinar CNNs utilizando transferência de aprendizado, começamos com um modelo pré-treinado
e executamos numa nova tarefa qualquer, sem precisar se preocupar com o formato e o tipo de
dados.
b) ao treinar CNNs utilizando transferência de aprendizado para ajuste fino, começamos com um
modelo pré-treinado e atualizamos todos os parâmetros do modelo para nossa nova tarefa,
basicamente retreinando todo o modelo.
https://www.tecconcursos.com.br/questoes/2295403
286) 
c) uma rede neural convolucional pode ser utilizada para reconhecer os mais variados tipos de dados.
Por exemplo, textos, imagens e dados de clientes. Para isso, basta que os dados de entrada sejam
transformados por alguma técnica de extração de características em simples vetores de
características.
d) as últimas camadas convolucionais de uma rede neural CNN são capazes de extrair características
mais baixo nível dos dados, como linhas, círculos e pontos, enquanto as primeiras camadas extraem
características mais alto nível, detalhes mais específicos dos objetos reconhecidos.
e) as camadas de pooling das CNNS são capazes de extrair características de médio nível,
reconhecendo características que são mais detalhadas que as primeiras camadas convolucionais.
www.tecconcursos.com.br/questoes/2337614
FGV - ACE (TCE ES)/TCE ES/Tecnologia da Informação/2023
TI - Desenvolvimento de Sistemas - Redes Neurais
Uma Rede Neural Artificial (RNA) feed-forward sem nenhum bias possui uma camada oculta
composta de três neurônios e uma camada de saída composta por dois neurônios. A função de ativação
da camada oculta e da camada de saída é a Rectified Linear Unit (ReLU), onde
 
 
e as matrizes
 
f(x) = {x, se x ≥ 0
0, se x < 0
= e = [ ]W1
⎡
⎣
⎢
0, 1
0, 4
0
−0, 2
0
0, 2
⎤
⎦
⎥ W2
0, 3
0
−0, 5
0, 2
0, 1
−0, 1
https://www.tecconcursos.com.br/questoes/2337614
287) 
 
representam os pesos entre a camada de entrada e a camada oculta eentre a camada oculta e a
camada de saída, respectivamente.
 
Considerando um vetor de entrada , o vetor de saída será:
a) 
b) 
c) 
d) 
e) 
www.tecconcursos.com.br/questoes/2555113
FUNDATEC - ANC (PROCERGS)/PROCERGS/Ciência de Dados/2023
TI - Desenvolvimento de Sistemas - Redes Neurais
Sobre as Redes Neurais Recorrentes (RNN), é correto afirmar que:
X = [ ]1
2
[ ]0, 11
0, 04
[ ]0
0, 04
[ ]−0, 16
0, 04
[ ]−0, 25
0, 04
[ ]0, 25
0, 12
https://www.tecconcursos.com.br/questoes/2555113
288) 
a) As RNNs passam informações em uma direção, através de vários nós de entrada, até que
cheguem ao nó de saída. A rede pode ou não ter camadas de nós ocultas, tornando o seu
funcionamento mais interpretável.
b) Nas RNNs, as entradas são de tamanho fixo, apresentam relacionamento espacial e, em geral, são
utilizadas para reconhecimento facial.
c) Nas redes Gated Recurrent Network (GRU), os gradientes fazem com que a relação temporal que
a rede deve aprender se perca com o tempo através de uma célula exclusiva para armazenamento e
fluxo de memória.
d) As RNNs possuem uma dependência temporal entre os dados de entrada, pois, além dos dados da
camada anterior, os neurônios escondidos da rede também recebem o resultado da operação
matemática que eles mesmos realizaram no período temporal anterior. Por essa razão, as RNNs
podem ser utilizadas, por exemplo, para a previsão utilizando dados históricos.
e) Nas redes neurais de memória de curto-prazo longa (LTTM), o portão de entrada e saída é
substituído por um portão de atualização, que é responsável por controlar o quanto de informação
reter e o quanto atualizar. Em outra localização, há um portão denominado reset, que substitui o
portão de esquecimento.
www.tecconcursos.com.br/questoes/2555114
FUNDATEC - ANC (PROCERGS)/PROCERGS/Ciência de Dados/2023
TI - Desenvolvimento de Sistemas - Redes Neurais
As Redes Neurais _________ possuem uma arquitetura feed-forward que usam filtros e camadas
de agrupamento para transformar os dados, enquanto as Redes Neurais _________ são preditivas,
reutilizam funções de ativação de outros pontos de dados na sequência para gerar a próxima saída em
uma série.
 
Assinale a alternativa que preenche, correta e respectivamente, as lacunas do trecho acima.
https://www.tecconcursos.com.br/questoes/2555114
289) 
a) LSTM (Long short-term memory) – GRU (Gated Recurrent Network)
b) Radial Basis Network (RBF) – Perceptrons (P)
c) Convolucionais – Recorrentes
d) Feed Forward Network (FFN) – Convolucionais
e) Recorrentes – Radial Basis Network (RBF)
www.tecconcursos.com.br/questoes/2555126
FUNDATEC - ANC (PROCERGS)/PROCERGS/Ciência de Dados/2023
TI - Desenvolvimento de Sistemas - Redes Neurais
__________ consiste em uma análise estatística que envolve duas variáveis: a de resposta e a
preditiva, e considera que o valor da variável de resposta (ou dependente) pode ser estimado por uma
combinação de variáveis explicativas (dependentes). Já quando a variável de resultado é de natureza
categórica, __________ pode ser usada para prever a probabilidade de um resultado com base nas
variáveis de entrada que podem ser explicativas, contínuas e/ou binárias. Assinale a alternativa que
preenche, correta e respectivamente, as lacunas do trecho acima.
a) Rede Neural Recorrente – Rede Neural Convolucional
b) Random Forest – K-Means
c) Regressão Linear – Regressão Logística
d) k-Means – k-Nearest Neighbors
e) Suport Vector Machine – Radom Forest
www.tecconcursos.com.br/questoes/2555131
FUNDATEC - ANC (PROCERGS)/PROCERGS/Ciência de Dados/2023
TI - Desenvolvimento de Sistemas - Redes Neurais
https://www.tecconcursos.com.br/questoes/2555126
https://www.tecconcursos.com.br/questoes/2555131
290) 
291) 
292) 
Qual é a biblioteca Python para aprendizado de máquina que permite a experimentação com redes
neurais profundas e que possui arquitetura modular e extensível?
a) NumPyName.
b) PyTorch.
c) Keras.
d) SciPy.
e) TensorFlow.
www.tecconcursos.com.br/questoes/2641842
CEBRASPE (CESPE) - Ana TI (DATAPREV)/DATAPREV/Inteligência da Informação/2023
TI - Desenvolvimento de Sistemas - Redes Neurais
A respeito de redes neurais, julgue o item a seguir.
 
As conexões entre as camadas de uma rede neural do tipo MLP são de natureza feedfoward.
Certo
Errado
www.tecconcursos.com.br/questoes/2641844
CEBRASPE (CESPE) - Ana TI (DATAPREV)/DATAPREV/Inteligência da Informação/2023
TI - Desenvolvimento de Sistemas - Redes Neurais
A respeito de redes neurais, julgue o item a seguir.
 
Nas redes neurais completamente conectadas, todos os neurônios de uma camada estão conectados aos
neurônios da camada seguinte, no entanto, não é possível que as saídas das camadas posteriores
https://www.tecconcursos.com.br/questoes/2641842
https://www.tecconcursos.com.br/questoes/2641844
293) 
294) 
alimentem a entrada de camadas anteriores.
Certo
Errado
www.tecconcursos.com.br/questoes/2641845
CEBRASPE (CESPE) - Ana TI (DATAPREV)/DATAPREV/Inteligência da Informação/2023
TI - Desenvolvimento de Sistemas - Redes Neurais
A respeito de redes neurais, julgue o item a seguir.
 
As redes neurais têm a capacidade de adaptar seus pesos sinápticos considerando as mudanças de
padrão dos dados de entrada.
Certo
Errado
www.tecconcursos.com.br/questoes/2641847
CEBRASPE (CESPE) - Ana TI (DATAPREV)/DATAPREV/Inteligência da Informação/2023
TI - Desenvolvimento de Sistemas - Redes Neurais
A respeito de redes neurais, julgue o item a seguir.
 
Backpropagation propaga o erro da camada de saída para as camadas intermediárias de uma rede neural
a fim de que estas possam modificar seus pesos de forma a minimizar o erro médio.
Certo
Errado
https://www.tecconcursos.com.br/questoes/2641845
https://www.tecconcursos.com.br/questoes/2641847
295) 
296) 
www.tecconcursos.com.br/questoes/2641848
CEBRASPE (CESPE) - Ana TI (DATAPREV)/DATAPREV/Inteligência da Informação/2023
TI - Desenvolvimento de Sistemas - Redes Neurais
A respeito de redes neurais, julgue o item a seguir.
 
Apesar das CNN serem redes neurais profundas, com várias camadas ocultas, elas são dispensadas nos
algoritmos de reconhecimento de imagens.
Certo
Errado
www.tecconcursos.com.br/questoes/2650570
FUVEST - Ana Sis (USP)/USP/Ciência de Dados/2023
TI - Desenvolvimento de Sistemas - Redes Neurais
Sobre redes neurais convolucionais profundas (CNNs), assinale a alternativa correta.
a) A aplicação de dropout é importante para ajustar o formato dos dados para serem processados
pela camada totalmente conectada.
b) São tradicionalmente adequadas para processar dados textuais devido à sua arquitetura baseada
em word embeddings dinâmicos.
c) Data augmentation é o processo de transferência de aprendizado em que o fine-tuning é realizado
nas primeiras camadas convolucionais da rede.
d) As camadas de convolução realizam extração de características enquanto as camadas de pooling
reduzem a dimensionalidade.
e) CNNs podem ser usadas como extratores de características para classificadores SVM porque
compartilham os mesmos tipos de kernels.
https://www.tecconcursos.com.br/questoes/2641848
https://www.tecconcursos.com.br/questoes/2650570
297) 
www.tecconcursos.com.br/questoes/2710241
FGV - AL (CAM DEP)/CAM DEP/Informática Legislativa/2023
TI - Desenvolvimento de Sistemas - Redes Neurais
A evolução das redes neurais impulsionou significativamente o avanço da inteligência artificial,
resultando em arquiteturas inovadoras.
 
Entre elas, uma se sobressai por sua habilidade em gerenciar sequências de tamanho variável, eficiência
em treinamentos com grandes volumes de dados e pela implementação do mecanismo de atenção, o que
possibilita uma análise ponderada e dinâmica das entradas.
 
Essa arquitetura é denominada
a) Transformer.
b) Rede Neural Convolucional (CNN).
c) Perceptron Multicamadas (MLP).
d) Rede Neural Recorrente (RNN).
e) Rede Neural de Memória Longa de Curto Prazo (LSTM).
www.tecconcursos.com.br/questoes/2710265
FGV - AL (CAM DEP)/CAM DEP/Informática Legislativa/2023
TI - Desenvolvimentode Sistemas - Redes Neurais
https://www.tecconcursos.com.br/questoes/2710241
https://www.tecconcursos.com.br/questoes/2710265
298) Considere o trecho de código em Python a seguir, que define uma rede neural usando TensorFlow
e Keras.
 
import tensorflow as tf
from tensorflow.keras import layers, models
 
modelo = models.Sequential()
 
modelo.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(64,
64, 3)))
modelo.add(layers.MaxPooling2D((2, 2)))
modelo.add(layers.Conv2D(64, (3, 3), activation='relu'))
modelo.add(layers.MaxPooling2D((2, 2)))
modelo.add(layers.Conv2D(64, (3, 3), activation='relu'))
modelo.add(layers.Flatten())
modelo.add(layers.Dense(64, activation='relu'))
modelo.add(layers.Dense(10, activation='softmax'))
 
Com base no código apresentado, assinale a afirmativa incorreta.
a) A rede neural definida no código é do tipo convolucional (CNN).
b) O código define uma arquitetura de rede neural para realizar classificação de imagens em duas
classes.
c) A entrada para a rede deve ser uma imagem de dimensões 64 x 64 pixels com 3 canais de cor.
d) A camada de saída da rede possui 10 unidades e utiliza a função de ativação softmax.
299) 
e) Todas as camadas convolucionais utilizam filtros de tamanho 3 x 3 e função de ativação ReLU.
www.tecconcursos.com.br/questoes/1916104
FGV - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2022
TI - Desenvolvimento de Sistemas - Redes Neurais
Seja uma rede neural com camada de entrada com dimensão dois que recebe dados (x1, x2). Essa
rede aplica pesos w1 em x1, w2 em x2 e adiciona um viés w0. A função de ativação é dada pela função
sinal s(z) = +1, se z 0, e s(z) = -1, se z 0. Essa rede não tem nenhuma camada oculta e será
utilizada para classificar observações em y=+1 ou y=-1.
Para pesos w1 = 2, w2 = 3 e viés w0 = 1, a região de classificação é uma reta que passa nos pontos:
a) (x1 = -1/2, x2 = 0) e (x1 = 0, x2 = -1/3) e classifica como -1 os pontos acima da reta;
b) (x1 = 1/2, x2 = 0) e (x1 = 0, x2 = 1/3) e classifica como +1 os pontos acima da reta;
c) (x1 = -1/2, x2 = 0) e (x1 = 0, x2 = -1/3) e classifica como +1 os pontos acima da reta;
d) (x1 = -1/2, x2 = 0) e (x1 = 0, x2 = 1/3) e classifica como +1 os pontos acima da reta;
e) (x1 = 1/2, x2 = 0) e (x1 = 0, x2 = -1/3) e classifica como -1 os pontos acima da reta.
www.tecconcursos.com.br/questoes/1916148
FGV - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2022
≥ <
https://www.tecconcursos.com.br/questoes/1916104
https://www.tecconcursos.com.br/questoes/1916148
300) 
TI - Desenvolvimento de Sistemas - Redes Neurais
Durante o treinamento de uma rede neural artificial para classificação de imagens, foi observado o
comportamento descrito pelo gráfico abaixo, que mostra a evolução do erro conforme o número de
iterações.
 
 
O classificador em questão foi treinado em um conjunto de dados particionado (holdout) em
60%/30%/10% (treinamento/validação/teste). Entretanto, os especialistas envolvidos consideraram o
modelo obtido insatisfatório após analisarem o gráfico.
Considerando essas informações, duas técnicas que poderiam ser utilizadas para contornar o problema
encontrado são:
a) Parada precoce, Minimização de Entropia Cruzada;
b) Validação cruzada, Dropout;
c) Sobreamostragem, Gradiente Descendente Estocástico;
301) 
302) 
d) Dropout, Parada em convergência;
e) Minimização de Entropia Cruzada, Validação cruzada.
www.tecconcursos.com.br/questoes/1936940
CEBRASPE (CESPE) - PPNS (PETROBRAS)/PETROBRAS/Ciência de Dados/2022
TI - Desenvolvimento de Sistemas - Redes Neurais
Julgue o próximo item, relativo a redes neurais artificiais (RNA).
Uma RNA é formada por unidades que fazem operações a partir das entradas (sinais) recebidas pelas
suas conexões; cada sinal é multiplicado por um peso e, após a soma ponderada dos sinais, caso o nível
de atividade atinja o threshold, a unidade produz uma determinada resposta de saída.
Certo
Errado
www.tecconcursos.com.br/questoes/1936942
CEBRASPE (CESPE) - PPNS (PETROBRAS)/PETROBRAS/Ciência de Dados/2022
TI - Desenvolvimento de Sistemas - Redes Neurais
Julgue o próximo item, relativo a redes neurais artificiais (RNA).
 
Em RNA formada unicamente de perceptron, uma pequena alteração nos pesos de um único perceptron
na rede pode ocasionar grandes mudanças na saída desse perceptron; mesmo com a inserção das
funções de ativação, não é possível controlar o nível da mudança, por isso, essas redes são voltadas para
a resolução de problemas específicos, tais como regressão e previsão de séries temporais.
Certo
https://www.tecconcursos.com.br/questoes/1936940
https://www.tecconcursos.com.br/questoes/1936942
303) 
304) 
Errado
www.tecconcursos.com.br/questoes/1936943
CEBRASPE (CESPE) - PPNS (PETROBRAS)/PETROBRAS/Ciência de Dados/2022
TI - Desenvolvimento de Sistemas - Redes Neurais
Julgue o próximo item, relativo a redes neurais artificiais (RNA).
 
As funções de ativação são elementos importantes nas redes neurais artificiais; essas funções introduzem
componente não linear nas redes neurais, fazendo que elas possam aprender mais do que relações
lineares entre as variáveis dependentes e independentes, tornando-as capazes de modelar também
relações não lineares.
Certo
Errado
www.tecconcursos.com.br/questoes/1936945
CEBRASPE (CESPE) - PPNS (PETROBRAS)/PETROBRAS/Ciência de Dados/2022
TI - Desenvolvimento de Sistemas - Redes Neurais
Julgue o próximo item, relativo a redes neurais artificiais (RNA).
 
O algoritmo de backpropagation consiste das fases de propagação e de retro propagação: na primeira, as
entradas são passadas através da rede e as previsões de saída são obtidas; na segunda, se calcula o
termo de correção dos pesos e, por conseguinte, a atualização dos pesos.
Certo
Errado
https://www.tecconcursos.com.br/questoes/1936943
https://www.tecconcursos.com.br/questoes/1936945
305) 
306) 
www.tecconcursos.com.br/questoes/1936946
CEBRASPE (CESPE) - PPNS (PETROBRAS)/PETROBRAS/Ciência de Dados/2022
TI - Desenvolvimento de Sistemas - Redes Neurais
Julgue o próximo item, relativo a redes neurais artificiais (RNA).
 
Rede neural recorrente é uma arquitetura similar à feedforward; a diferença é que a cada nova camada
oculta (hidden layer) é acrescentada outra camada recorrente à arquitetura conectada à camada anterior,
duplicando assim a quantidade de camadas.
Certo
Errado
www.tecconcursos.com.br/questoes/1936947
CEBRASPE (CESPE) - PPNS (PETROBRAS)/PETROBRAS/Ciência de Dados/2022
TI - Desenvolvimento de Sistemas - Redes Neurais
Julgue o próximo item, relativo a redes neurais artificiais (RNA).
 
Em RNA, o uso de early stopping, ainda que não evite o overfitting, permite calcular com mais precisão a
classificação nos dados de validação e, assim, melhorar a acurácia do treinamento.
Certo
Errado
www.tecconcursos.com.br/questoes/1936950
CEBRASPE (CESPE) - PPNS (PETROBRAS)/PETROBRAS/Ciência de Dados/2022
TI - Desenvolvimento de Sistemas - Redes Neurais
https://www.tecconcursos.com.br/questoes/1936946
https://www.tecconcursos.com.br/questoes/1936947
https://www.tecconcursos.com.br/questoes/1936950
307) 
308) 
309) 
Julgue o próximo item, relativo a redes neurais artificiais (RNA).
 
As redes neurais convolucionais se utilizam de uma arquitetura especial que é adaptada para classificar
imagens por meio de algoritmo de aprendizado profundo que pode captar uma imagem de entrada,
atribuir importância por meio de pesos e ser capaz de diferenciar um do outro.
Certo
Errado
www.tecconcursos.com.br/questoes/1936951
CEBRASPE (CESPE) - PPNS (PETROBRAS)/PETROBRAS/Ciência de Dados/2022
TI - Desenvolvimento de Sistemas - Redes Neurais
Julgue o próximo item, relativo a redes neurais artificiais (RNA).
 
Uma rede neural convolucional é composta por camadas convolucionais, unidades de processamento não
linear e camadas de subamostragem (pooling); ela possui como característica a habilidade em explorar
correlações temporais e espaciais nos dados.
Certo
Errado
www.tecconcursos.com.br/questoes/2049408FGV - AJ (TJDFT)/TJDFT/Apoio Especializado/Análise de Dados/2022
TI - Desenvolvimento de Sistemas - Redes Neurais
Após alguns resultados insatisfatórios usando funções de ativação linear em um projeto de rede
neural artificial, um cientista de dados resolve tentar outras funções e recebe algumas sugestões de um
https://www.tecconcursos.com.br/questoes/1936951
https://www.tecconcursos.com.br/questoes/2049408
310) 
colega.
 
Dadas as alternativas abaixo, cada uma representando uma sugestão de função recebida, aquela que
apresenta uma função apropriada ao uso como ativação em uma rede neural é:
a) 
b) 
c) 
d) 
e) 
www.tecconcursos.com.br/questoes/2049412
FGV - AJ (TJDFT)/TJDFT/Apoio Especializado/Análise de Dados/2022
TI - Desenvolvimento de Sistemas - Redes Neurais
Durante o processo de treinamento e validação de uma rede neural, foi observado o fenômeno de
underfitting do modelo, necessitando de ajustes ao procedimento. A arquitetura utilizada foi a Multilayer
Perceptron (MLP) e o conjunto de dados foi separado em regime de holdout (50%, 30% e 20% para
treinamento, validação e teste, respectivamente).
 
Dois fatores que podem ter condicionado o fenômeno observado são:
a) iterações insuficientes; amostragem dos dados;
sen ( )x2−−√
∣ x ∣
1
+ 1e−x
ex
− 1e−x
1
1 − log x
https://www.tecconcursos.com.br/questoes/2049412
311) 
b) excesso de parâmetros; excesso de iterações;
c) insuficiência de parâmetros; excesso de camadas;
d) excesso de iterações; entrada não normalizada;
e) insuficiência de camadas; saída normalizada.
www.tecconcursos.com.br/questoes/2200391
Com. Org. (IFSP) - Ana TI (IF SP)/IF SP/Ciência de Dados/2022
TI - Desenvolvimento de Sistemas - Redes Neurais
Uma rede neural é um modelo preditivo motivado pela forma como o cérebro funciona. Redes
neurais artificiais são formadas por neurônios artificiais, que desenvolvem cálculos similares sobre suas
entradas. Elas podem resolver uma variedade de problemas, tais como o reconhecimento de caligrafia e
a detecção facial, entre outros. São geralmente representadas por meio de um grafo orientado, onde os
vértices representam os neurônios e as arestas representam as sinapses. Podem ser classificadas em três
categorias específicas: Redes Neurais Feed-Forward, Redes Recorrentes e Redes Conectadas
Simetricamente. Dentro dessas categorias, existem diversos tipos de arquiteturas.
 
Assinale a alternativa que define corretamente uma Rede Neural Perceptron Multicamadas.
a) Uma Rede Neural Perceptron Multicamadas é uma rede neural profunda, que pode ser utilizada
para classificar imagens, agrupá-las por similaridade e realizar o reconhecimento de objetos dentro de
cenas.
b) Uma Rede Neural Perceptron Multicamadas é uma rede neural artificial composta por mais de um
Perceptron. Elas são compostas por uma camada de entrada, para receber o sinal, e uma camada de
saída, que toma uma decisão ou previsão sobre a entrada. Entre essas camadas podem existir um
número arbitrário de camadas ocultas.
https://www.tecconcursos.com.br/questoes/2200391
312) 
c) Uma Rede Neural Perceptron Multicamadas é um tipo de rede neural artificial projetada para
reconhecer padrões em sequências de dados, como texto, genomas, sons, dados de série temporais
ou linguagem natural.
d) Uma Rede Neural Perceptron Multicamadas é um tipo de rede neural recorrente estocástica, na
qual os nós tomam decisões binárias com alguma tendência. Esse tipo de rede neural é capaz de
representar e resolver problemas combinatórios difíceis.
www.tecconcursos.com.br/questoes/2220743
Marinha - QT (Marinha)/Marinha/Informática/2022
TI - Desenvolvimento de Sistemas - Redes Neurais
Determinada topologia de Rede Neural Artificial profunda (RNA) foi treinada em diferentes funções
escritas em linguagem Python. Cada uma das formas de treino foram parametrizadas nas funções
treino1, treino2 e treino3, expressas no código abaixo.
 
def treino1(rede_neural, n0, learning_rate):
 
gradiente = 0
for amostra in lista_amostras:
 
saida = rede_neural.get_saida(amostra.valor)
erro = rede_neural.get_erro(saida, amostra.saida_esperada)
gradiente += rede_neural.backpropagation(erro)
 
rede_neural.update.weights(n0 = gradiente)
return rede_neural
 
def treino2(reda_neural, n0):
https://www.tecconcursos.com.br/questoes/2220743
 
for amostra in lista_amostras:
 
saida = rede_neural,get_saida(amostra.valor)
erro = rede_neural.get_erro(saida, amostra.saida_esperada)
gradiente = rede_neural, backpropagation(erro)
rede_neural.update_weights (n0 = gradiente)
 
return rede_neural
 
def treino3{rede_neural, n0, fator_n);
 
n = n0
for amostra in lista_amostras:
 
saida = rede_neural.get_saida(amostra.valor)
erro = rede_neural.get_erro(saida, amostra.saida_esperada)
gradiente = rede_neural.backpropagation(erro)
rede_neural.update_weights(n = gradiente)
n += fator n
 
return rede_neural
 
Assim, "rede_neural" representa o modelo de Aprendizado de Máquina e possui os métodos get_saida,
que calcula o valor previsto pela rede com base na entrada e o método get_erro, que calcula o erro com
base no valor previsto e no valor de referência, respectivamente. Além disso, o objeto "rede_neural"
armazena todos os parâmetros da rede, possui a função "backpropagation" para calcular o gradiente do
erro em um hiperespaço vetorial, no qual cada dimensão corresponde a um peso e a função
313) 
"update_weights" para somar aos pesos o valor fornecido em seu argumento. Assinale a opção correta
tendo como base os códigos apresentados.
a) Para um hipotético sistema de detecção em tempo real do nível de segurança das ruas do Rio de
Janeiro, que se atualiza automaticamente conforme os dados de câmera são fornecidos, o código
"treino1" é o que utiliza método ideal para a aplicação.
b) Usualmente, utiliza-se valor levemente abaixo de 1 para "n0" nas funções "treino1", "treino2" e
"treino3", como, por exemplo 0.95.
c) Um valor de "fator_n" superior a 1 como 1.3 é usualmente utilizado por aumentar a velocidade de
convergência do algoritmo.
d) O algoritmo apresentado em "treino3" possui alteração que aumenta velocidade de convergência
e precisão do resultado, ainda que valores um pouco maiores de no venham a ser usados.
e) O erro em função dos pesos da rede neural profunda tem convergência a mínimos locais impedida
por meio do código expresso em "treino3".
www.tecconcursos.com.br/questoes/2233754
FGV - AJ TRT13/TRT 13/Apoio Especializado/Tecnologia da Informação/2022
TI - Desenvolvimento de Sistemas - Redes Neurais
Com relação a Pytorch, assinale V para a afirmativa verdadeira e F para a falsa.
 
I. Trata-se de uma biblioteca de tensores que pode ser utilizada em problemas de aprendizado
profundo, podendo utilizar tanto GPU quanto CPU.
 
II. O pacote torch.parallel.gpu é capaz de suportar o processamento paralelo de tensores do tipo
multidimensionais dimensionais e CUDA em processadores GPU.
 
https://www.tecconcursos.com.br/questoes/2233754
314) 
III. O pacote torch.distributed.elasticstack é capaz distribuir um script tornando-o elástico e
tolerante a falhas em diversos tipos de ambientes distribuídos.
 
As afirmativas são, respectivamente,
a) F, V e V.
b) F, F e V.
c) F, V e F.
d) V, V e F.
e) V, F e F.
www.tecconcursos.com.br/questoes/2404045
FUNDATEC - Tec Sup (AGERGS)/AGERGS/Engenharia/Dados/2022
TI - Desenvolvimento de Sistemas - Redes Neurais
São hiperparâmetros para a configuração de uma rede neural, EXCETO:
a) Taxa de aprendizado.
b) Número de neurônios na camada oculta.
c) Taxa de ajuste do erro.
d) Número de camadas ocultas da rede.
e) Número de características aleatórias que são exemplificadas na análise.
https://www.tecconcursos.com.br/questoes/2404045
315) 
316) 
www.tecconcursos.com.br/questoes/2404100
FUNDATEC - Tec Sup (AGERGS)/AGERGS/Engenharia/Dados/2022
TI - Desenvolvimento de Sistemas - Redes Neurais
A ideia principal da técnica de “dropout” é descartar aleatoriamente unidades da rede neural (junto
com suas conexões) durante a etapa de treinamento.Sobre a técnica de “dropout”, assinale a alternativa
INCORRETA.
a) O uso da técnica de “dropout” força a rede a construir uma representação distribuída e
redundante.
b) O uso da técnica de “dropout” pode ser visto como equivalente a treinar uma grande coleção (ou
“ensemble”) de modelos que compartilham parâmetros.
c) Para a realização de “dropout”, basta multiplicar-se as ativações por variáveis aleatórias de
Bernoulli com uma dada probabilidade.
d) Durante a predição, todas as unidades são mantidas ativas, não sendo necessário se realizar
nenhum outro ajuste das ativações.
e) Ao contrário de regularização L1 e L2, o dropout não depende da modificação da função de custo.
www.tecconcursos.com.br/questoes/2622959
AOCP - PEBTT (IFF)/IFF/Informática Educativa/2022
TI - Desenvolvimento de Sistemas - Redes Neurais
Deep Learning é uma área relacionada à Inteligência Artificial (IA) e está diretamente relacionada a
uma técnica de IA. Qual técnica está ligada a Deep Learning?
a) Naive Bayes.
b) Redes Neurais Artificiais.
https://www.tecconcursos.com.br/questoes/2404100
https://www.tecconcursos.com.br/questoes/2622959
317) 
c) Redes Bayesianas.
d) Árvore de Decisão.
e) Random Forest.
www.tecconcursos.com.br/questoes/2623085
AOCP - PEBTT (IFF)/IFF/Informática Educativa/2022
TI - Desenvolvimento de Sistemas - Redes Neurais
A Inteligência Artificial (IA) é uma área multidisciplinar que está cada vez mais presente no dia a
dia das pessoas com uma diversidade de aplicações. Para o uso efetivo da IA, é necessária a aplicação
de técnicas e algoritmos obedecendo a requisitos pré-estabelecidos pela própria IA. As Redes Neurais
Artificiais (RNAs) são amplamente utilizadas em soluções na área de IA. Em relação às RNAs, assinale a
alternativa correta.
a) As RNAs do tipo Adaline possuem por padrão 2 camadas de neurônios artificiais.
b) No contexto de aprendizado de máquina, as RNAs aceitam o aprendizado supervisionado e o
aprendizado não supervisionado.
c) Um problema comum que pode acontecer na etapa de aprendizado de diversos algoritmos é o
underfitting. A caracterização desse problema nas RNAs acontece devido ao fato de a arquitetura de
rede ter poucos parâmetros e/ou falta de representatividade das classes. Uma possível solução seria a
utilização de técnicas de amostragem para aumentar o tamanho do conjunto de treinamento.
d) Os algoritmos de Backpropagation têm dois sentidos nas RNAs: um sentido direto (forward) e um
sentido inverso (backward). Nesses algoritmos, são calculados os acertos e propagados na rede nos 2
https://www.tecconcursos.com.br/questoes/2623085
318) 
319) 
sentidos até que os resultados estejam dentro de um limiar ou atinjam um número de épocas
definido.
e) Um problema comum que pode acontecer na etapa de aprendizado de diversos algoritmos é o
overfitting, e não é diferente para as RNAs, porém uma solução para esse problema é prolongar o
treinamento até que as camadas que estão gerando esse overfitting sejam sobrepostas e sejam
utilizadas todas as conexões e neurônios da estrutura de treinamento.
www.tecconcursos.com.br/questoes/1718781
CEBRASPE (CESPE) - AF (SEFAZ CE)/SEFAZ CE/Tecnologia da Informação da Receita
Estadual/2021
TI - Desenvolvimento de Sistemas - Redes Neurais
A respeito de inteligência artificial, julgue o item seguinte.
 
Cada unidade de uma rede neural artificial possui um valor e um peso, no seu nível mais básico, para
indicar sua importância relativa.
Certo
Errado
www.tecconcursos.com.br/questoes/1718784
CEBRASPE (CESPE) - AF (SEFAZ CE)/SEFAZ CE/Tecnologia da Informação da Receita
Estadual/2021
TI - Desenvolvimento de Sistemas - Redes Neurais
A respeito de inteligência artificial, julgue o item seguinte.
 
https://www.tecconcursos.com.br/questoes/1718781
https://www.tecconcursos.com.br/questoes/1718784
320) 
321) 
Redes neurais do tipo LSTM (long short-term memory) mantêm o nível de precisão independentemente
do tamanho do modelo utilizado.
Certo
Errado
www.tecconcursos.com.br/questoes/1821064
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
TI - Desenvolvimento de Sistemas - Redes Neurais
Analise o modelo de redes neurais a seguir.
Com base na rede neural acima, podemos concluir que é uma rede neural:
a) Markov Chain
b) Feed-Forward
c) Recurrent Neutral Network
d) Boltzmann Machine
e) Neutral Turing Machine
www.tecconcursos.com.br/questoes/1821066
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
TI - Desenvolvimento de Sistemas - Redes Neurais
As redes neurais do tipo Feed-Forward
a) só podem ter camada única.
https://www.tecconcursos.com.br/questoes/1821064
https://www.tecconcursos.com.br/questoes/1821066
322) 
323) 
b) o fluxo de informação é bidirecional.
c) o fluxo de informação é unidirecional.
d) são redes dinâmicas, pois a saída não depende da entrada.
e) pode haver camadas que não se conectam com outras e com isso há caminhos de "ida" e "volta".
www.tecconcursos.com.br/questoes/1727205
Marinha - QT (Marinha)/Marinha/Informática/2020
TI - Desenvolvimento de Sistemas - Redes Neurais
Sobre as redes Perceptron Multicamadas (PMC), é correto afirmar que:
a) não são utilizadas para previsão de séries temporais.
b) possuem uma ou mais camadas de neurônios.
c) seu treinamento é realizado de forma supervisionada.
d) não possui camada neural de salda.
e) durante seu processo de treinamento, os pesos sinápticos são fixos.
www.tecconcursos.com.br/questoes/1727208
Marinha - QT (Marinha)/Marinha/Informática/2020
TI - Desenvolvimento de Sistemas - Redes Neurais
Dada uma rede Perceptron, com n sinais de entrada (sendo n > 1 ), é correto afirmar que a rede
possui:
a) n neurônios artificiais e n camadas de salda.
b) n camadas neurais e n neurônios artificiais.
c) uma camada neural e n neurônios artificiais.
d) uma camada neural e somente um neurônio artificial.
https://www.tecconcursos.com.br/questoes/1727205
https://www.tecconcursos.com.br/questoes/1727208
324) 
325) 
e) n camadas neurais e somente um neurônio artificial.
www.tecconcursos.com.br/questoes/1727230
Marinha - QT (Marinha)/Marinha/Informática/2020
TI - Desenvolvimento de Sistemas - Redes Neurais
Assinale a opção que apresenta o parâmetro que em uma rede neural, define a velocidade do
processo de treinamento até que seja alcançada a sua convergência, sabendo que esse parâmetro deve
ser escolhido com cuidado, para que se evite instabilidade no processo treinamento.
a) Limiar de ativação.
b) Número de camadas.
c) Taxa de aprendizagem.
d) Número de neurônios.
e) Número de épocas.
www.tecconcursos.com.br/questoes/1727242
Marinha - QT (Marinha)/Marinha/Informática/2020
TI - Desenvolvimento de Sistemas - Redes Neurais
No contexto de redes neurais artificiais, são funções de ativação parcialmente diferenciáveis as
funções:
a) logística e tangente hiperbólica.
b) degrau e rampa simétrica.
c) tangente hiperbólica e gaussiana.
d) gaussiana e degrau.
e) tangente hiperbólica e degrau bipolar.
https://www.tecconcursos.com.br/questoes/1727230
https://www.tecconcursos.com.br/questoes/1727242
326) 
327) 
www.tecconcursos.com.br/questoes/1727260
Marinha - QT (Marinha)/Marinha/Informática/2020
TI - Desenvolvimento de Sistemas - Redes Neurais
Sobre as funções de ativação das redes neurais artificiais, assinale a opção correta.
a) O resultado da saída pela aplicação da função degrau sempre assumirá valores reais entre zero e
um.
b) O resultado da saída pela aplicação da função degrau bipolar nunca será negativo.
c) O resultado da saída peía aplicação da função tangente hiperbólica sempre assumirá varares
positivos.
d) O resultado da saída pela aplicação da função linear sempre assumirá os vaíores menos um ou
um.
e) O resultado da saída pela aplicação da função logística sempre assumirá varares reais entre zero e
um.
www.tecconcursos.com.br/questoes/1727268
Marinha - QT (Marinha)/Marinha/Informática/2020
TI - Desenvolvimento de Sistemas - Redes Neurais
Assinale a opção que NÃO correspondea um passo do funcionamento de um neurônio artificial.
a) Subtrair o limiar de ativação da soma ponderada dos sinais de entrada.
b) Aplicar uma função de ativação apropriada sobre o potencial de ativação.
c) Multiplicar cada entrada pelo peso sináptico.
d) Apresentar as entradas.
e) Aplicar a função de ativação sobre cada entrada.
https://www.tecconcursos.com.br/questoes/1727260
https://www.tecconcursos.com.br/questoes/1727268
328) 
www.tecconcursos.com.br/questoes/632363
FGV - APPGG (CGM Niterói)/Pref Niterói/Gestão de Tecnologia/2018
TI - Desenvolvimento de Sistemas - Redes Neurais
Analise a rede neural exibida a seguir.
 
 
Sobre essa rede, analise as afirmativas a seguir.
I. Não possui camadas intermediárias (hidden layers).
II. Admite três sinais de entrada (input units) além do intercept term.
III. É apropriada para aplicações de deep learning.
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.
https://www.tecconcursos.com.br/questoes/632363
329) 
330) 
www.tecconcursos.com.br/questoes/632375
FGV - APPGG (CGM Niterói)/Pref Niterói/Gestão de Tecnologia/2018
TI - Desenvolvimento de Sistemas - Redes Neurais
No contexto das redes neurais, é comum o uso da função sigmoid no papel de função de
ativação. Assinale a definição correta dessa função na referida aplicação.
a) 
b) 
c) 
d) 
e) 
www.tecconcursos.com.br/questoes/666220
CEBRASPE (CESPE) - PEBTT (IFF)/IFF/Engenharia da Computação/2018
TI - Desenvolvimento de Sistemas - Redes Neurais
Os mapas de Kohonen fazem parte das redes neurais auto-organizáveis, as quais se caracterizam
por
a) utilizar treinamento supervisionado.
f(z) = 1
1−ez
f(z) = e−z
f(z) = 1
z+e−z
f(z) = z
1+ez
f(z) = 1
1+e−z
https://www.tecconcursos.com.br/questoes/632375
https://www.tecconcursos.com.br/questoes/666220
331) 
332) 
b) possuir uma topologia em que os neurônios são dispostos em N camadas estruturadas em N
dimensões.
c) gerar um mapa de saída em uma estrutura unidimensional de neurônios.
d) dividir o conjunto de padrões de entrada em grupos inerentes aos dados, formando-se
agrupamentos denominados clusters.
e) resolver problemas lineares de baixa dimensionalidade.
www.tecconcursos.com.br/questoes/1547453
CEBRASPE (CESPE) - Temp NS (MPOG)/MPO/Atividade Técnica de Complexidade
Intelectual/Tecnologia da Informação/2013
TI - Desenvolvimento de Sistemas - Redes Neurais
Julgue o item, a respeito dos conceitos de inteligência computacional.
 
As redes neurais são sistemas computacionais embasados em codificação do conjunto das possíveis
soluções, e não nos parâmetros de otimização; para relacionar cada caso a uma categoria, entre as
várias categorias existentes, elas utilizam regras.
Certo
Errado
www.tecconcursos.com.br/questoes/1849254
ITCO - Ana (UFTM)/UFTM/Tecnologia da Informação/2009
TI - Desenvolvimento de Sistemas - Redes Neurais
Sistemas desenvolvidos para atuarem através de reconhecimento de padrões, tendo como principal
característica a capacidade de adquirem conhecimento através da experiência são definidos como:
https://www.tecconcursos.com.br/questoes/1547453
https://www.tecconcursos.com.br/questoes/1849254
333) 
a) Redes Neurais Artificiais
b) Sistemas Especialistas
c) Sistemas Distribuídos
d) Lógica Fuzzy
www.tecconcursos.com.br/questoes/2779634
CESGRANRIO - TPP (IPEA)/IPEA/Ciência de Dados/2024
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
Algoritmos fuzzy matching em processamento de linguagem natural são métodos que permitem
encontrar correspondências aproximadas entre strings, ou seja, sequências de caracteres, como palavras
ou frases. Esses algoritmos são úteis para lidar com situações, tais como erros de digitação, variações
ortográficas, sinônimos, abreviações. Eles também podem ser aplicados para comparar textos, extrair
informações, classificar sentimentos, entre outras finalidades. Existem diferentes tipos de algoritmos
fuzzy matching, como a Similaridade de Jaccard, que mede a proporção de elementos comuns entre dois
conjuntos de strings.
 
Qual das palavras a seguir apresenta o maior valor da similaridade de Jaccard, quando comparada com a
palavra “computador”?
a) amputar
b) amplificador
c) calcular
d) deputado
e) senador
https://www.tecconcursos.com.br/questoes/2779634
334) 
335) 
www.tecconcursos.com.br/questoes/2779758
CESGRANRIO - TPP (IPEA)/IPEA/Ciência de Dados/2024
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
Em processamento de linguagem natural, o modelo Skip-Gram é uma técnica popular para treinar
word embeddings.
 
O treinamento do modelo Skip-Gram destaca-se de outras técnicas, como o Continuous Bag of Words
(CBOW), por ter a seguinte característica:
a) utilizar contextos adjacentes para prever uma palavra- -alvo.
b) focar em prever palavras de contexto a partir de uma palavra-alvo.
c) treinar cada palavra em uma janela de contexto separadamente.
d) gerar embeddings, baseados em dependências sintáticas.
e) empregar uma abordagem de bag-of-words para a geração de embeddings.
www.tecconcursos.com.br/questoes/2779795
CESGRANRIO - TPP (IPEA)/IPEA/Ciência de Dados/2024
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
O método de POS-tagging, ou Part of Speech tagging, é uma tarefa do processamento de
linguagem natural em que
a) cada palavra do texto recebe um rótulo indicando sua classe gramatical.
b) cada palavra do texto recebe um rótulo indicando sua função sintática na sentença.
c) cada palavra do texto recebe um rótulo indicando sua função semântica na sentença.
d) cada sentença do texto recebe um rótulo indicando a quem pertence a fala.
e) cada sentença do texto recebe um rótulo indicando o tipo de ato de fala que representa.
https://www.tecconcursos.com.br/questoes/2779758
https://www.tecconcursos.com.br/questoes/2779795
336) 
337) 
www.tecconcursos.com.br/questoes/2779797
CESGRANRIO - TPP (IPEA)/IPEA/Ciência de Dados/2024
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
Uma cientista de dados percebeu que, ao processar alguns documentos, seria melhor remover
palavras que aparecem em quase todo texto, as stop-words.
 
Para começar sua lista de stop-words, ela pode escolher listar todos os
a) adjetivos e preposições
b) advérbios e pronomes
c) artigos e preposições
d) artigos e substantivos
e) substantivos e verbos
www.tecconcursos.com.br/questoes/2295392
FGV - Aud Est (CGE SC)/CGE SC/Ciências da Computação/2023
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
No processamento de linguagem natural, é preciso realizar transformações de textos em números,
geralmente vetores ou matrizes, de forma que sirvam de entrada para os algoritmos computacionais de
aprendizado de máquina.
Sobre esses algoritmos de extração de características de textos, assinale a afirmativa incorreta.
a) Os algoritmos de extração de características Bag of Words (BoW) e TF-IDF são diferentes entre si
porque o primeiro conta a quantidade de vezes que uma palavra aparece num texto e o segundo
https://www.tecconcursos.com.br/questoes/2779797
https://www.tecconcursos.com.br/questoes/2295392
338) 
normaliza essa informação utilizando a quantidade de vezes que a palavra aparece no corpus de
texto.
b) O algoritmo de word embeddings Word2Vec depende do princípio da distribuição, em que as
palavras que geralmente têm as mesmas palavras vizinhas tendem a ser semanticamente
semelhantes e as colocam num vetor de tamanhos fixos que representam semanticamente as
palavras vizinhas.
c) O algoritmo de word embeddings Glove combina estatísticas locais com estatísticas globais
fazendo a análise de uma matriz de co-ocorrência palavra-palavra, de forma que se conta a
frequência que essa palavra aparece relacionada com algum “contexto” em um grande corpus.
d) O algoritmo de word embeddings Word2Vec possui duas arquiteturas de construção. A primeira é
a CBOW, em que se treina umarede neural com a tarefa de prever uma palavra dado o contexto e a
outra é a Skip-Gram, em que a tarefa da rede neural será dada uma palavra, prever o contexto.
e) Na matriz de co-ocorrência do algoritmo de word embeddings Glove, ao correlacionar uma palavra
p1 com um contexto c1, se a palavra p1 possui correlação alta com c1, o valor será mais alto do que
o contrário; essa correlação poderá ser utilizada para calcular correlações entre quaisquer palavras do
corpus de texto e esse contexto.
www.tecconcursos.com.br/questoes/2337600
FGV - ACE (TCE ES)/TCE ES/Tecnologia da Informação/2023
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
Ao ser contratado por uma empresa da área de e-commerce, o cientista de dados Pedro foi
alocado a um importante projeto: desenvolver um classificador para análise de sentimentos considerando
as opiniões emitidas no Twitter pelos clientes dessa empresa. Para o início do trabalho, Pedro recebeu
um pequeno conjunto de dados de tweets parcialmente anotados, que foram coletados da rede social
https://www.tecconcursos.com.br/questoes/2337600
339) 
por intermédio de uma API, usando como palavras-chave na busca os nomes de diversas empresas de e-
commerce.
 
Como parte das escolhas de técnicas a serem utilizadas no projeto, Pedro optou pelo uso de word
embeddings, com o objetivo de resolver o problema muito comum em processamento de linguagem
natural de:
a) falta de anotação nos tweets, pois essa técnica gera automaticamente a anotação a partir das
palavras que compõem o texto;
b) baixa quantidade de instâncias no conjunto de dados, pois essa técnica produz sobreamostragem
da classe minoritária do conjunto de dados, incrementando-o;
c) maldição da dimensionalidade, pois essa técnica permite a representação das palavras como
vetores de baixa dimensionalidade;
d) presença de outliers, pois essa técnica elimina as instâncias que não apresentam similaridade ao
conjunto de dados como um todo;
e) flexão de palavras, pois essa técnica reduz substantivos flexionados em gênero ou número e
verbos conjugados às suas formas mais básicas.
www.tecconcursos.com.br/questoes/2401264
CESGRANRIO - Esc BB/BB/Agente de Tecnologia/2023
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
Uma organização decidiu monitorar a opinião do público sobre ela nas redes sociais. Para isso,
processou as mensagens com referências ao seu nome, a fim de possibilitar o uso de uma técnica de
https://www.tecconcursos.com.br/questoes/2401264
340) 
processamento de linguagem natural conhecida como análise de sentimentos.
 
Após transformar cada mensagem em uma string, um dos passos importantes nessa técnica é a
tokenização, que consiste em
a) colocar todos os caracteres da mensagem em minúsculas.
b) colocar todos os verbos da mensagem no infinitivo.
c) dividir o texto da mensagem em palavras isoladas.
d) eliminar todos os marcadores HTML ou XML da mensagem.
e) substituir todos os caracteres acentuados da mensagem por suas versões sem acento.
www.tecconcursos.com.br/questoes/2556846
FUNDATEC - ANC (PROCERGS)/PROCERGS/Programação de Sistemas/Tecnologia PHP/2023
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
Sobre as notações utilizadas para escrever requisitos de sistemas, analise as assertivas abaixo,
assinalando V, se verdadeiras, ou F, se falsas.
 
( ) Na especificação em linguagem natural, cada sentença deve expressar um requisito.
 
( ) Especificações em linguagem natural estruturada utilizam modelos gráficos, suplementados por
anotações em texto.
 
( ) Os casos de uso são uma maneira de descrever as interações entre usuários e um sistema
usando um modelo gráfico e um texto estruturado.
 
A ordem correta de preenchimento dos parênteses, de cima para baixo, é:
https://www.tecconcursos.com.br/questoes/2556846
341) 
a) V – V – F.
b) V – F – V.
c) V – F – F.
d) F – F – V.
e) F – V – F.
www.tecconcursos.com.br/questoes/2650515
FUVEST - Ana Sis (USP)/USP/Ciência de Dados/2023
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
Considerando a área de Processamento de Linguagem Natural, assinale a alternativa correta.
a) LDA (Latent Dirichlet Allocation) é uma técnica utilizada em modelagem de tópicos que considera
que cada texto é predominantemente de um único tópico a ser predito por aprendizado
supervisionado.
b) Representações de texto baseadas em n-gramas possuem a desvantagem de criarem um espaço
de características mais esparso que a estratégia de bag of words simples (uma só palavra).
c) BERT (Bidirecional Encoder Representations from Transformers) é um exemplo de classificador
nãosupervisionado baseado em propriedades sonoras independentes entre si para classificação de
sentimentos a partir de textos.
d) Word embeddings é um tipo de representação vetorial em que o texto todo é representado como
um vetor ndimensional, sendo n o número total de palavras do dicionário linguístico adotado.
e) Tf-idf é um modelo de transformadores (do inglês transformers) baseado em redes neurais
profundas generativas.
www.tecconcursos.com.br/questoes/2710260
https://www.tecconcursos.com.br/questoes/2650515
https://www.tecconcursos.com.br/questoes/2710260
342) 
FGV - AL (CAM DEP)/CAM DEP/Informática Legislativa/2023
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
Considere o código em Python que utiliza a biblioteca NLTK (Natural Language Toolkit) a seguir.
 
import nltk
from nltk.tokenize import word_tokenize
nltk.download('punkt')
texto = "Processamento de Linguagem Natural é uma área da inteligência
artificial que lida com a interação entre computadores e linguagem
humana."
tokens = word_tokenize(texto)
print(tokens)
 
Assinale a opção que corresponde ao propósito do código apresentado.
a) Realizar a tradução automática de um texto de um idioma para outro.
b) Analisar a estrutura gramatical de um texto.
c) Extrair informações relevantes de um texto, como entidades nomeadas.
d) Sintetizar um texto a partir de um conjunto de palavras-chave.
e) Realizar a tokenização do texto, ou seja, dividir o texto em palavras ou unidades significativas.
www.tecconcursos.com.br/questoes/1916108
https://www.tecconcursos.com.br/questoes/1916108
343) 
344) 
FGV - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2022
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
Um analista do TCU gostaria de aplicar um modelo de Latent Dirichlet Allocation (LDA) em um
conjunto de textos.
A alternativa que melhor descreve o resultado do modelo é:
a) uma lista de tópicos, cada um com um título diferente;
b) uma lista das palavras mais importantes no conjunto de documentos;
c) cada documento é classificado em somente um tópico, onde cada tópico é formado por uma lista
de palavras;
d) cada documento possui uma distribuição de probabilidade de pertencer a algum dos tópicos, onde
cada tópico é formado por uma lista de palavras e cada palavra pertence a somente um tópico;
e) cada documento possui uma distribuição de probabilidade de pertencer a algum dos tópicos, onde
cada tópico é formado por uma distribuição de probabilidade sobre todas as palavras presentes nos
documentos.
www.tecconcursos.com.br/questoes/1916129
FGV - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2022
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
Considere os documentos A e B a seguir.
 
https://www.tecconcursos.com.br/questoes/1916129
A = “Há pessoas que choram por saber que as rosas têm espinho”
 
B = “Há outras que sorriem por saber que os espinhos têm rosas”
 
A submatriz da matriz de TF-IDF desses dois documentos correspondente aos termos “Rosas”, “Choram”
e “Sorriem”, nessa ordem, é:
a) 
b) 
c) 
d) 
e) 
www.tecconcursos.com.br/questoes/1916140
FGV - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2022
[ ]
0
0
0
log2
11
1
11
0
[ ]
1
11
1
11
1
11
0
0
1
11
[ ]
0
0
log2
11
00
log2
11
[ ]0
0
0
1
11
log2
11
0
[ ]
1
11
1
11
log2
11
0
0
log2
11
https://www.tecconcursos.com.br/questoes/1916140
345) 
346) 
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
Uma organização está implementando um sistema de busca de informações interno, e a equipe de
desenvolvimento resolveu avaliar diferentes modelos de linguagem vetoriais que ajudariam a conectar
melhor documentos e consultas em departamentos que usam terminologias distintas em áreas de
negócio que se sobrepõem. Um dos analistas ressaltou que seria interessante guardar os vetores de todo
o vocabulário do modelo em um cache, de forma a aumentar a eficiência de acesso e reduzir certos
custos de implantação.
Das alternativas abaixo, aquela que lista apenas os modelos compatíveis com essa estratégia de caching
é:
a) TF-IDF, BERT; 
b) Word2Vec, BERT, GPT-2; ,
c) GloVe, GPT-2;
d) Word2Vec, GloVe;
e) GPT-2, BERT.
www.tecconcursos.com.br/questoes/1925053
FGV - AFFC (CGU)/CGU/Tecnologia da Informação/"Sem Especialidade"/2022
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
Durante a elaboração de um sistema de busca de informações biomédicas, foi construído um
modelo de linguagem vetorial não contextual para estimar relações de similaridade semântica
necessárias para comparação entre queries e documentos. Entretanto, verificou-se nos testes iniciais que
https://www.tecconcursos.com.br/questoes/1925053
347) 
o desempenho do modelo ficou insatisfatório, devido a muitos termos técnicos presentes nos
documentos testados, que não haviam sido incorporados ao modelo.
Para aliviar esse problema, uma tarefa de processamento do texto e seu estágio correspondente no
processamento de linguagem natural que poderiam ser aplicados na construção do modelo são,
respectivamente:
a) Word embedding; Análise léxic;
b) Lematização; Análise sintática;
c) Decomposição morfológica; Análise léxica;
d) Word embedding; Análise semântica;
e) Decomposição morfológica; Análise sintática.
www.tecconcursos.com.br/questoes/1942673
CEBRASPE (CESPE) - ATT (SEFAZ SE)/SEFAZ SE/2022
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
Na mineração de texto, o processo utilizado para remover os prefixos e sufixos de palavras, de
modo a permanecer somente a raiz delas, com a finalidade de melhorar o armazenamento, é conhecido
como
a) stemming.
b) análise léxica.
c) remoção de stop-words.
d) determinação de pesos.
https://www.tecconcursos.com.br/questoes/1942673
348) 
349) 
e) criação de tesauros.
www.tecconcursos.com.br/questoes/1990121
FGV - ATIFE (Sefaz AM)/SEFAZ AM/2022
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
O índice de Jaccard, dado por , entre os conjuntos de palavras
 e é
a) 1/2.
b) 2/3.
c) 1/3.
d) 3/4.
e) 1/4.
www.tecconcursos.com.br/questoes/2049417
FGV - AJ (TJDFT)/TJDFT/Apoio Especializado/Análise de Dados/2022
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
Considere a sentença a seguir.
 
s: “O acesso ao auditório também pode ser feito através de uma rampa”
 
J(A, B) =
|A∩B|
|A∪B|
A = {bolo, vela, faca, aniversário} B = {crime, vela, faca, polícia}
https://www.tecconcursos.com.br/questoes/1990121
https://www.tecconcursos.com.br/questoes/2049417
350) 
Aplicando a função f à sentença, obtém-se o seguinte resultado:
 
f(s) = “acesso auditório pode ser feito através rampa”
 
A melhor descrição para a tarefa realizada pela função f é:
a) filtragem de conectivos;
b) lematização;
c) sumarização de sentença;
d) filtragem de stop words;
e) remoção de ruído.
www.tecconcursos.com.br/questoes/2049419
FGV - AJ (TJDFT)/TJDFT/Apoio Especializado/Análise de Dados/2022
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
Após concluir sua formação no
<ent type="ORG"
url="http://dbpedia.org/resource/King's_College_London">
King’s College</ent> em
<ent type="" url="http://dbpedia.org/resource/London">
Londres</ent>,
<ent type="PER"
https://www.tecconcursos.com.br/questoes/2049419
351) 
url="http://dbpedia.org/resource/Peter_Higgs">Higgs</ent>
assumiu a cadeira de Teoria Física na Universidade de
Edimburgo.
 
A respeito das anotações, o tipo correto com o qual a segunda entidade deveria ser preenchida e o
propósito dos links contidos no atributo “url” são:
a) ORG, prover informação adicional;
b) LOC, desambiguação da entidade;
c) ORG, alinhamento ontológico;
d) PER, permitir resolução de correferência;
e) LOC, incluir informação em página web.
www.tecconcursos.com.br/questoes/2049424
FGV - AJ (TJDFT)/TJDFT/Apoio Especializado/Análise de Dados/2022
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
Um analista precisa construir um modelo de tópicos para uma grande base de documentos legais,
mas há uma preocupação quanto à interpretabilidade do modelo e à capacidade de inspecionar os
resultados.
 
Considerando essa preocupação, a técnica mais apropriada para a construção do modelo e a razão da
escolha são, respectivamente:
a) Latent Semantic Analysis, devido à distância média dos tópicos gerados;
https://www.tecconcursos.com.br/questoes/2049424
352) 
b) Latent Dirichlet Allocation, devido à capacidade de capturar informação sintática em sua
representação;
c) Non-Negative Matrix Factorization, devido à representação esparsa e estritamente não negativa;
d) Explicit Semantic Analysis, devido à possibilidade de definir explicitamente tópicos a priori;
e) Parallel Latent Dirichlet Allocation, devido à distância mínima dos tópicos gerados.
www.tecconcursos.com.br/questoes/2059875
FGV - Ana (MPE SC)/MPE SC/Dados e Pesquisas/2022
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
A atividade de classificação de documentos envolve um grande número de tarefas de
processamento de linguagem natural, o que pode levar a dúvidas quanto a sua aplicação.
A alternativa que contém apenas tarefas que sejam exemplos de classificação de documentos é:
a) análise de sentimento, tokenização;
b) POS-tagging, reconhecimento de entidades nomeadas;
c) filtragem de SPAM, análise de sentimento;
d) análise sintática, POS-tagging;
e) filtragem de stopwords, reconhecimento de linguagem.
https://www.tecconcursos.com.br/questoes/2059875
353) 
354) 
www.tecconcursos.com.br/questoes/2059893
FGV - Ana (MPE SC)/MPE SC/Dados e Pesquisas/2022
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
Um problema comum no processamento de texto é o tratamento de termos compostos por mais de
um token, tais como “Ministério Público”, tal que represente uma unidade linguística distinta, em
particular na construção de modelos de linguagem.
Considerando o problema acima descrito, a alternativa que apresenta uma técnica usada para sua
resolução é:
a) representação por entidade;
b) índice invertido;
c) embedding;
d) representação por n-gramas;
e) decomposição morfológica.
www.tecconcursos.com.br/questoes/2200394
Com. Org. (IFSP) - Ana TI (IF SP)/IF SP/Ciência de Dados/2022
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
A biblioteca NLTK (Natural Language Toolkit) engloba ferramentas para processamento de
linguagem natural, tais como funções de tokenização e radicalização. Dessa forma, considerando o
código apresentado:
https://www.tecconcursos.com.br/questoes/2059893
https://www.tecconcursos.com.br/questoes/2200394
355) 
 
frase = “Não esqueçam a lista de materiais: 1 lápis e 2 canetas!”
from nltk.tokenize import RegexpTokenizer
tokenizador = RegexpTokenizer(r’\w+’)
tokens = tokenizador.tokenize(frase)
print(tokens)
 
Qual o resultado correto?
a) [‘Não’, ‘esqueçam’, ‘a’, ‘lista’, ‘de’, ‘materiais’, ‘1’, ‘lápis’, ‘e’, ‘2’, ‘canetas’]
b) [‘Não’, ‘esqueçam’, ‘a’, ‘lista’, ‘de’, ‘materiais’, ‘lápis’, ‘e’, ‘canetas’]
c) [‘Não’, ‘esqueçam’, ‘a’, ‘lista’, ‘de’, ‘materiais’, ‘:’, ‘1’, ‘lápis’, ‘e’, ‘2’, ‘canetas’, ‘!’]
d) [‘Não’, ‘esqueçam’,‘a’, ‘lista’, ‘de’, ‘materiais’, ‘:’, ‘lápis’, ‘e’, ‘canetas’, ‘!’]
www.tecconcursos.com.br/questoes/2226927
FEPESE - Ana (CELESC)/CELESC/Sistemas/Negócios Transformação Digital/2022
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
O processamento de linguagem natural (PLN) é uma área da inteligência artificial que trabalha com
a machine learning e a linguística, estudando os problemas da geração e a compreensão automática nos
dispositivos tecnológicos de línguas humanas naturais.
 
Assinale a alternativa correta em relação ao assunto.
a) A análise sintática se ocupa com o significado da frase extraída da estrutura sintática.
b) Lematização é o processo que reduz uma palavra ao seu radical e stemização ao seu grupo
gramátical.
https://www.tecconcursos.com.br/questoes/2226927
356) 
357) 
c) A sintaxe define a estrutura de uma frase, com base na forma como as palavras se relacionam
nessa frase.
d) A pesquisa em PLN está voltada essencialmente a três aspectos da comunicação em língua
natural: som, semântica e pragmática.
e) A tokenização é o último estágio do pré-processamento de um texto. Nele, o texto representado
por uma sequência de frases é agrupado em um primeiro nível segundo fronteiras delimitadas por
caracteres primitivos como ponto e ponto e vírgula.
www.tecconcursos.com.br/questoes/2404033
FUNDATEC - Tec Sup (AGERGS)/AGERGS/Engenharia/Dados/2022
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
A técnica que vetoriza as palavras com base na importância que elas compartilham é:
a) Nenhuma das alternativas.
b) BERT.
c) Stemming e Lemmatization.
d) Hashtagsteam.
e) Tf-idf.
www.tecconcursos.com.br/questoes/2404109
FUNDATEC - Tec Sup (AGERGS)/AGERGS/Engenharia/Dados/2022
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
Sobre NLP, é INCORRETO afirmar que:
a) NLP trata a possibilidade de humanos se comunicarem com máquinas da forma mais natural
possível, sem ser preciso aprender línguas artificiais muito específicas, que são os comandos nos
https://www.tecconcursos.com.br/questoes/2404033
https://www.tecconcursos.com.br/questoes/2404109
358) 
quais manipula-se um computador.
b) Linguagem natural destina-se à comunicação dos seres humanos sobre o mundo, sendo que a
maior parte da comunicação linguística ocorre através da fala. A linguagem escrita ainda é muito
recente se comparado à fala, e para um computador, mais fácil de ser interpretada.
c) NLP pode ser entendido como aplicações computacionais que compreendem linguagens naturais
(compreensão e geração de textos), tanto na fonética quando na escrita, sendo que a última é mais
fácil de um computador conseguir interpretar de maneira correta, pois não tem que lidar com
problemas do sinal do áudio, como o ruído por exemplo.
d) É possível através da NLP interpretar na língua portuguesa a interpretação.
e) NLP é uma área dentro da Inteligência Artificial.
www.tecconcursos.com.br/questoes/2404111
FUNDATEC - Tec Sup (AGERGS)/AGERGS/Engenharia/Dados/2022
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
Sobre os termos das características de processo de processamento de texto NLP, analise as
assertivas abaixo e assinale a alternativa correta.
 
I. Stopwords.
 
II. Tf-id+f (Term Frequency-inverse document frequency).
 
III. Word embedding.
 
IV. Word2vec.
a) Todas estão corretas.
b) Todas estão incorretas.
https://www.tecconcursos.com.br/questoes/2404111
359) 
360) 
c) Apenas I está correta.
d) Apenas I e II estão corretas.
e) Apenas III e IV estão corretas.
www.tecconcursos.com.br/questoes/1718786
CEBRASPE (CESPE) - AF (SEFAZ CE)/SEFAZ CE/Tecnologia da Informação da Receita
Estadual/2021
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
A respeito de inteligência artificial, julgue o item seguinte.
 
Um dos desafios do processamento de linguagem natural (PLN) é a polissemia, ou seja, a característica
de palavras e frases poderem ter mais de um significado.
Certo
Errado
www.tecconcursos.com.br/questoes/1821267
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
A modelagem de tópicos latentes é
a) é uma técnica que possibilita, ao explorar dados textuais, agrupar palavras e encontrar
similaridades entre documentos de texto.
b) processo utilizado para trazer uma melhor visualização dos dados diminuindo a quantidade de
dimensões de um conjunto.
https://www.tecconcursos.com.br/questoes/1718786
https://www.tecconcursos.com.br/questoes/1821267
361) 
362) 
c) processo de aprendizado de máquina que permite executar tarefas de classificação e regressão de
dados.
d) é uma técnica consiste no fato analisar os sentimentos das pessoas em relação a entidades,
eventos e seus propriedades, dentre outras coisas. Essa pode ser utilizada em reconhecimento tanto
de fala quanto de textos.
e) é definida antes do treinamento de um modelo. Para um melhor desempenho é importante
otimizá-los, o que funciona melhor em modelos que já foram treinandos diversas vezes.
www.tecconcursos.com.br/questoes/1821270
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
Qual das técnicas abaixo não é utilizada para modelagem de tópicos latentes em PLN.
a) Latent Semantic Analysis
b) Probabilistic Latent Semantic Analysis
c) Distributed Stochastic Neighbor Embedding
d) Non Negative Matrix Factorization
e) Latent Dirichlet Allocation
www.tecconcursos.com.br/questoes/1821272
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
Sobre o Latent Dirichlet Allocation (LDA) julgue os itens a seguir.
 
https://www.tecconcursos.com.br/questoes/1821270
https://www.tecconcursos.com.br/questoes/1821272
363) 
I - É um modelo probabilístico generativo para coleções de conjuntos de dados discretos, como
corpora de texto.
 
II – É um modelo que pode ser utilizado para descobrir apenas tópicos concretos de uma coleção de
documentos.
 
III - É possível utilizá-lo em modelo de gráfico em que cada ponto, ou nó, desse gráfico é uma
variável aleatória que possui uma função no processo gerador.
 
Está(ão) correta(s) a(s) afirmativa(s)
a) I e III
b) II e III
c) I apenas
d) II apenas
e) I, II e III
www.tecconcursos.com.br/questoes/1821274
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
A classificação de textos pode ser definida como
a) a tarefa de associar textos em linguagem natural a rótulos definidos previamente.
b) uma técnica de validação cruzada utilizada para avaliar modelos preditivos.
c) são parâmetros que podem ser ajustados e com isso permitir que o processo de treinamento de
um modelo seja mais bem controlado.
https://www.tecconcursos.com.br/questoes/1821274
364) 
365) 
d) É um algoritmo de aprendizagem de máquina que possibilita executar tarefas de classificação e
regressão e possui capacidade de se adaptar a conjuntos de dados complexos.
e) consiste no fato de quebrar o texto em partes menores identificando onde uma palavra começa e
a outra termina.
www.tecconcursos.com.br/questoes/1821276
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
O bag-of-Words é uma abordagem utilizada para representar um texto como um vetor. Sobre essa
técnica, utilizada na classificação de textos, marque a alternativa correta.
a) Cada elemento do vetor representa dois ou mais textos dentro de um documento
b) Os vetores gerados possuem dimensionalidade variável.
c) Cada elemento do vetor representa o peso de um atributo do documento.
d) Ao criar o vetor a ordem das palavras deve ser exatamente na mesma ordem em que aparecem
no texto.
e) Cadaatributo presente no vetor possui um valor não booleano, isso é utilizado para representar se
o termo está presente ou não no documento.
www.tecconcursos.com.br/questoes/1821279
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
Sobre a função TF-IDF julgue as afirmativas a seguir.
 
I - é uma função utilizada para calcular os pesos de cada elemento de um vetor.
https://www.tecconcursos.com.br/questoes/1821276
https://www.tecconcursos.com.br/questoes/1821279
366) 
 
II - é uma função que avalia que quanto mais documentos possuírem um termo, mais discriminante
ele é.
 
III - é uma função que avalia que quanto maior a frequência de um termo em um documento, mais
representativo ele é para o conteúdo.
 
Está(ão) correta(s) a(s) afirmativa(s)
a) I apenas
b) I e II
c) I e III
d) II e III
e) II apenas
www.tecconcursos.com.br/questoes/1821282
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
A semântica vetorial pode ser utilizada para
a) por meio de vetores, permitir que as máquinas consigam compreender o significa das palavras.
b) por meio de apenas matrizes bidimensionais, permitir que as máquinas consigam compreender o
significa das palavras.
c) por meio de apenas matrizes de três dimensões, permitir que as máquinas consigam compreender
o significa das palavras.
d) por meio de vetores, permitir que as máquinas consigam compreender a origem das palavras.
https://www.tecconcursos.com.br/questoes/1821282
367) 
e) por meio de vetores, permitir que as máquinas consigam identificar apenas o radical aplicado em
uma palavra.
www.tecconcursos.com.br/questoes/1821284
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
É possível representar a frequência que uma palavra coocorre em um documento. Para isso,
podemos utilizar uma matriz de Coocorrência. A matriz termo-documento permite montar um índice de
termo por documento. Sobre a matriz termo-documento julgue as afirmativas a seguir.
 
I - O Documento é aquilo que será analisado e pode ser considerado um parágrafo, uma frase, um
arquivo de texto, dentre outros.
II - O termo é uma palavra que se encontra nesse documento.
 
Marque a opção correta.
a) Apenas a afirmativa I é correta.
b) Apenas a afirmativa II é incorreta
c) Ambas as afirmativas são incorretas
d) Ambas as afirmativas são corretas
e) Apenas a afirmativa I é incorreta.
www.tecconcursos.com.br/questoes/1821297
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
https://www.tecconcursos.com.br/questoes/1821284
https://www.tecconcursos.com.br/questoes/1821297
368) Considere os trechos a seguir para responder a questão.
 
Obs. Cada linha a seguir representa um documento.
Um quiosque vende laranja na feira
A casa está cheia de crianças
Um bolo de laranja é comido pelas crianças
 
Considere, também, que as palavras de baixa importância, stopwords, serão desconsideradas.
 
A alternativa que melhor representa a matriz termo-documento do trecho acima é
a) 
b) 
c) 
d) 
e) 
369) 
www.tecconcursos.com.br/questoes/1821308
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
Considere os trechos a seguir para responder a questão.
 
Obs. Cada linha a seguir representa um documento.
 
Um quiosque vende laranja na feira
A casa está cheia de crianças
Um bolo de laranja é comido pelas crianças
https://www.tecconcursos.com.br/questoes/1821308
 
Considere, também, que as palavras de baixa importância, stopwords, serão desconsideradas.
 
Observe a representação vetorial do trecho acima.
 
quiosque = {1, 0, 0}
vende = {1, 0, 0}
laranja = {1, 0, 1}
feira = {1, 0, 0}
casa = {0, 1, 0}
cheia = {0, 1, 0}
crianças = {0, 1, 1}
bolo = {0, 0, 1}
comido = {0, 0, 1}
 
Dos vetores acima podemos concluir que:
 
I - O termo laranja aparece nos documentos 1 e 2.
II - O termo feira aparece nos documentos 2 e 3
III - O termo crianças aparece nos documentos 2 e 3.
IV - O termo bolo aparece apenas no documento 3.
 
Está(ão) correta(s) a(s) afirmativa(s)
a) I, II e III
b) II e IV
c) III e IV
d) I, III e IV
e) II, III e IV
370) 
371) 
www.tecconcursos.com.br/questoes/1821312
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
Área do processamento de linguagem natural que permite que as máquinas possam compreender
o significado as palavras em um dado documento por meio de vetores.
a) Análise de Sentimento
b) Análise Léxica
c) Semântica de Sentimentos
d) Semântica Vetorial
e) Análise Sintática
www.tecconcursos.com.br/questoes/1821318
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
“As informações textuais no mundo podem ser categorizadas em dois tipos principais: fatos e
opiniões. Fatos são expressões objetivas sobre entidades, eventos e suas propriedades. As opiniões
geralmente são expressões subjetivas que descrevem os sentimentos, avaliações ou sentimentos das
pessoas em relação a entidades, eventos e seus propriedades.”
 
Handbook of Natural Language Processing - Nitin Indurkhya and Fred J. Damerau
 
Com relação ao trecho acima e à análise de sentimento no processamento de linguagem natural marque
a alternativa correta.
https://www.tecconcursos.com.br/questoes/1821312
https://www.tecconcursos.com.br/questoes/1821318
372) 
a) A análise Léxica foca no entendimento do sentido do texto, nessa área é importante tratar as
ambiguidades, pois a máquina pode ter dificuldade de entender o texto em seu correto sentido.
b) A análise de sentimentos ou mineração de opiniões é o campo de estudo que analisa as atitudes,
emoções, sentimentos e as opiniões das pessoas em relação a entidades - como produtos, serviços,
organizações, eventos, tópicos - e os atributos dessas entidades.
c) A análise Semântica é a área responsável por fazer a análise de um texto no nível da palavra. Essa
técnica é aplicada, pois um texto é formado por blocos de palavras e cada uma dessas palavras é
morfologicamente complexa.
d) A análise Sintática de um texto pode ser dividida em duas etapas: triagem de documentos e
segmentação de textos. A triagem de documentos é o processo de conversão de um conjunto de
arquivos digitais em documentos de texto bem definidos. A Segmentação de textos é o processo de
conversão do corpo de texto em palavras e frases.
e) O pré-processamento de texto entrai informações de uma frase representada por meio de uma
gramática e árvores, ou seja, a finalidade do pré-processamento de texto é analisar e gerar sentenças
corretas de acordo com a estrutura de cada palavra.
www.tecconcursos.com.br/questoes/1821328
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
O texto a seguir é uma análise real feita por um usuário que comprou um smartphone.
 
(1) Comprei um smartphone há alguns dias.
(2) Era um telefone tão bom.
(3) A tela de toque era muito legal.
(4) A qualidade da voz também era clara.
(5) Embora a vida útil da bateria não tenha sido longa, está tudo bem para mim.
https://www.tecconcursos.com.br/questoes/1821328
(6) No entanto, minha mãe ficou brava comigo porque eu não contei a ela antes de comprá-lo.
(7) Ela também achou o telefone muito caro e queria que eu o devolvesse à loja Obs. O texto acima
é uma citação literal do livro Handbook of Natural Language Processing
 
Com relação aos conceitos da análise de sentimento no processamento de linguagem natural e com
referência ao texto anterior, analise as afirmativas a seguir.
 
I -As frases (5), (6) e (7) expressam opiniões positivas, enquanto as sentenças (2), (3) e (4)
expressam opiniões ou emoções negativas.
 
II - As frases (2), (3) e (4) enaltecem as qualidades do telefone, ou seja, são expressões de
sentimento positivas.
 
III - Na análise de sentimento, as opiniões podem ser expressas sobre produto, serviço, indivíduo,
organização, dentre outros. Sobre o item opinado dá-se o nome de objeto, pois esse termo é
utilizado para representar a entidade que foi alvo da opinião.
 
Está(ão) correta(s) a(s) afirmativa(s):
a) I, II e III
b) I e III
c) II e III
d) I e II
e) II
www.tecconcursos.com.br/questoes/1821331
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
https://www.tecconcursos.com.br/questoes/1821331
373) 
374) 
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
Com relação à análise de sentimentos com n-gramas marque a alternativa correta.
a) A análise de sentimentos consiste no fato analisar os sentimentos das pessoas em relação a
entidades, eventos e seus propriedades. Ao utilizar a abordagem n-gramas, a análise de sentimentos
somente pode ser utilizada em reconhecimento de fala, pois somente assim é possível identificar, de
fato, os sentimentos.
b) A análise de sentimentos consiste no fato analisar os sentimentos das pessoas em relação a
entidades, eventos e seus propriedades. Ao utilizar a abordagem ngramas, a análise de sentimentos
fica restrita a analisar representações textuais.
c) A análise de sentimentos consiste no fato analisar os sentimentos das pessoas apenas em relação
a entidades. Ao utilizar a abordagem n-gramas, a análise de sentimentos pode ser utilizada em
reconhecimento tanto de fala quanto de textos.
d) A análise de sentimentos consiste no fato analisar os sentimentos das pessoas apenas em relação
a entidades. Portanto, ao utilizar a abordagem n-gramas, a análise de sentimentos pode ficar restrita
a análise textual.
e) A análise de sentimentos consiste no fato analisar os sentimentos das pessoas em relação a
entidades, eventos e seus propriedades, dentre outras coisas. Ao utilizar a abordagem n-gramas, a
análise de sentimentos pode ser utilizada em reconhecimento tanto de fala quanto de textos.
www.tecconcursos.com.br/questoes/1821340
Tec - AUFC (TCU)/TCU/Controle Externo/Auditoria Governamental/2021
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
Com relação à análise de sentimentos no processamento de linguagem natural marque a
alternativa correta.
 
https://www.tecconcursos.com.br/questoes/1821340
375) 
Modelo utilizado no PLN (Processamento de Linguagem Natural) que é uma sequência de itens de uma
amostra de texto ou fala que auxilia a máquina a compreender uma palavra dentro do contexto e com
isso obter uma melhor compreensão do significado da palavra é:
a) Modelo n-gramas
b) Latent Dirichlet Allocation - LDA
c) Word2Vec
d) CBOW
e) Skip-Gram
www.tecconcursos.com.br/questoes/710694
FAURGS - Tec (UFRGS)/UFRGS/Tecnologia da Informação/Sistemas da Informação/2018
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
Uma nuvem de palavras é um recurso gráfico (usado principalmente na internet) para descrever os
termos mais frequentes de um determinado texto. O tamanho da fonte em que a palavra é apresentada
é uma função da frequência da palavra no texto: palavras mais frequentes são desenhadas em fontes de
tamanho maior, palavras menos frequentes são desenhadas em fontes de tamanho menor.
Qual é a técnica de análise de dados descrita pelo texto acima?
a) Processamento de Linguagem Natural.
b) Agrupamento.
c) Classificação.
d) Redes Neurais.
e) Regressão Linear.
https://www.tecconcursos.com.br/questoes/710694
376) 
377) 
www.tecconcursos.com.br/questoes/717175
IADES - Ana (APEX)/ApexBrasil/Operações e Segurança de Tecnologia da Informação e
Comunicação/"Sem Especialidade"/2018
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
A escolha de qual modelo deve-se usar para se analisar um conjunto de dados depende do
domínio do problema analisado. Acerca dessa escolha de modelos, na análise de dados no domínio de
textos em linguagem natural, é correto afirmar que
a) n-grams são modelos muito utilizados por serem simples e, em geral, produzirem bons resultados.
b) bag-of-words é considerado um modelo complexo quando comparado com outros de análise de
texto, sendo de difícil implementação.
c) textos em linguagem natural não podem ser analisados, pois são compostos de letras e não
números.
d) o modelo TFIDF produz bons resultados, mas não pode ser usado para classificação.
e) redes neurais não podem ser utilizadas no domínio de texto.
www.tecconcursos.com.br/questoes/1290968
CEBRASPE (CESPE) - ATSNS (MEC)/MEC/Desenvolvedor/2015
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
Julgue o item subsequente, relativos a bancos de dados textuais (BDT).
 
São técnicas de filtragem utilizadas no BDT: padronização, stopwords e stemming.
Certo
Errado
https://www.tecconcursos.com.br/questoes/717175
https://www.tecconcursos.com.br/questoes/1290968
378) 
www.tecconcursos.com.br/questoes/1090626
UFMT - Ana TI (IF MT)/IF MT/2013
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
Em relação ao projeto de interface, a escolha dos estilos de interação interfere no desempenho dos
usuários. A coluna da esquerda apresenta estilos de interação e a da direita, desvantagem de cada um.
Numere a coluna da direita de acordo com a da esquerda.
 
1 - Seleção de menu
 
2 - Preenchimento de formulários
 
3 - Linguagem de comando
 
4 - Linguagem natural
 
( ) Lento para usuários experientes.
 
( ) Dificuldade de aprendizado.
 
( ) Ocupa grande quantidade de espaço em tela.
 
( ) Requer muita digitação e não é confiável.
 
Marque a sequência correta.
a) 2, 4, 1, 3
b) 2, 3, 1, 4
https://www.tecconcursos.com.br/questoes/1090626
379) 
380) 
c) 1, 3, 2, 4
d) 1, 2, 4, 3
www.tecconcursos.com.br/questoes/1544191
CEBRASPE (CESPE) - PSI (MPOG)/MPO/Nível Intermediário/2009
TI - Desenvolvimento de Sistemas - Processamento de Linguagem Natural (IA)
Com relação a técnicas para a recuperação de informações utilizadas em bancos de dados textuais,
julgue o próximo item.
 
A técnica conhecida como stemming utiliza, como base, conhecimentos da área linguística e tem como
principal finalidade tornar possível aos algoritmos o reconhecimento da semelhança entre palavras.
Certo
Errado
www.tecconcursos.com.br/questoes/2779648
CESGRANRIO - TPP (IPEA)/IPEA/Ciência de Dados/2024
TI - Organização e Arquitetura dos Computadores - Arquiteturas Paralelas
A paralelização em rotinas de ciência de dados traz benefícios importantes, especialmente quando
é necessário tratar uma grande quantidade de dados.
 
O principal motivador para paralelizar uma rotina é
a) aumentar a segurança sobre o valor correto do resultado.
b) reduzir a memória total utilizada.
c) reduzir o tempo para que as rotinas sejam completadas.
https://www.tecconcursos.com.br/questoes/1544191
https://www.tecconcursos.com.br/questoes/2779648
381) 
382) 
d) simplificar o código das rotinas.
e) diminuir o custo total do processamento.
www.tecconcursos.com.br/questoes/2460927
FGV - AJ (TJ RN)/TJ RN/Apoio Especializado/Análise de Sistemas/2023
TI - Desenvolvimento de Sistemas - Outros Assuntos sobre Inteligência Artificial
O analista João desenvolveu a aplicação web SiteJus na estação de trabalho ETDes. Ao fim do
desenvolvimento, o conteúdo estático do SiteJus foi armazenado no bucket site.estatico do servidor de
armazenamento MinIO do tribunal. A criação do bucket foi solicitada por João, a partir da ETDes, pelo
utilitário de linha de comando mc, o MinIO Client. Na ETDes, o servidor MinIO do TJRN é associado ao
alias tjrnS3.
 
Para solicitar a criação do bucket site.estatico no tjrnS3, João executou na ETDes o comando do mc:
a) mb tjrnS3/site.estatico
b) mb site.estatico/tjrnS3
c) od tjrnS3/site.estaticod) od site.estatico/tjrnS3
e) du site.estatico/tjrnS3
www.tecconcursos.com.br/questoes/2589496
CEBRASPE (CESPE) - AFM (Pref Fortaleza)/Pref Fortaleza/Ciência da Computação,
Informática, Processamento de Dados/2023
TI - Desenvolvimento de Sistemas - Outros Assuntos sobre Inteligência Artificial
Com relação à Low/No Code e robot process automation (RPA), julgue o próximo item.
https://www.tecconcursos.com.br/questoes/2460927
https://www.tecconcursos.com.br/questoes/2589496
383) 
384) 
A tecnologia RPA é caracterizada por plataformas de desenvolvimento que possuem interfaces gráficas e
robóticas e tem o objetivo de possibilitar que o desenvolvedor construa seu projeto com a ajuda de
robôs.
Certo
Errado
www.tecconcursos.com.br/questoes/2589497
CEBRASPE (CESPE) - AFM (Pref Fortaleza)/Pref Fortaleza/Ciência da Computação,
Informática, Processamento de Dados/2023
TI - Desenvolvimento de Sistemas - Outros Assuntos sobre Inteligência Artificial
Com relação à Low/No Code e robot process automation (RPA), julgue o próximo item.
Low/No Code é uma técnica automática de programação que propicia a evolução de programas de
computadores que resolvem (ou aproximadamente resolvem) problemas; ela manipula soluções corretas
e incorretas, encoraja inconsistências e abordagens contraditórias e não apresenta uma variabilidade
dinâmica lógica.
Certo
Errado
www.tecconcursos.com.br/questoes/2642436
CEBRASPE (CESPE) - Ana TI (DATAPREV)/DATAPREV/Sustentação Tecnológica/2023
TI - Desenvolvimento de Sistemas - Outros Assuntos sobre Inteligência Artificial
A respeito da administração da plataforma SAS Viya, julgue o seguinte item.
https://www.tecconcursos.com.br/questoes/2589497
https://www.tecconcursos.com.br/questoes/2642436
385) 
 
SAS Manage Workflows é uma aplicação web para gerenciar um ambiente SAS Viya que fornece uma
visão geral rápida da integridade e do status do seu ambiente.
Certo
Errado
www.tecconcursos.com.br/questoes/2710258
FGV - AL (CAM DEP)/CAM DEP/Informática Legislativa/2023
TI - Desenvolvimento de Sistemas - Outros Assuntos sobre Inteligência Artificial
As funções de ativação são amplamente utilizadas em redes neurais para regular a ativação de
neurônios artificiais.
 
Considere a função matemática dada por
 
 
Assinale a opção que indica a função de ativação representada por essa fórmula.
a) Tangente Hiperbólica (Tanh).
b) Unidade Linear Retificada (ReLU).
c) Sigmoide.
d) Softmax.
e) Unidade Linear Retificada com Vazamento (Leaky ReLU).
f(x) =
1
1 + e−x
https://www.tecconcursos.com.br/questoes/2710258
386) 
387) 
www.tecconcursos.com.br/questoes/1936973
CEBRASPE (CESPE) - PPNS (PETROBRAS)/PETROBRAS/Ciência de Dados/2022
TI - Desenvolvimento de Sistemas - Outros Assuntos sobre Inteligência Artificial
Com respeito a métodos para imputação de dados, julgue o seguinte item.
 
Um dos passos para tratar com dados faltantes é avaliar o tipo de dado perdido; assim, por exemplo, o
método MICE (multivariate imputation by chained equations) não seria aplicável para dados perdidos do
tipo MAR (missing at random).
Certo
Errado
www.tecconcursos.com.br/questoes/2049402
FGV - AJ (TJDFT)/TJDFT/Apoio Especializado/Análise de Dados/2022
TI - Desenvolvimento de Sistemas - Outros Assuntos sobre Inteligência Artificial
Um certo restaurante compra diariamente um carregamento de bebidas baseado na movimentação
de clientes esperada para o dia, que, por sua vez, depende do dia da semana, da temperatura e
precipitação pluviométrica do dia. Considerando que as características meteorológicas podem ser
previstas com certo grau de confiança para o dia seguinte, e que o restaurante mantém um registro da
movimentação de clientes dos dias anteriores, duas técnicas podem ser utilizadas para estimar o número
apropriado de bebidas a serem compradas, dado o dia da semana e a previsão do tempo.
 
São elas:
a) Árvores de decisão (ID3); Redes Neurais Artificiais;
https://www.tecconcursos.com.br/questoes/1936973
https://www.tecconcursos.com.br/questoes/2049402
388) 
b) KNN; Regressão Linear;
c) Naive Bayes; Árvores de decisão (ID3);
d) Regressão Linear; SVR;
e) Redes Neurais Artificiais; Regressão Logística.
www.tecconcursos.com.br/questoes/2049427
FGV - AJ (TJDFT)/TJDFT/Apoio Especializado/Análise de Dados/2022
TI - Desenvolvimento de Sistemas - Outros Assuntos sobre Inteligência Artificial
A tradução automática de texto, embora possua raízes na metade do século passado, vem
recebendo melhorias substanciais na última década, alimentadas pelo crescimento do poder
computacional, disponibilidade de dados linguísticos e inovações técnicas.
 
Com relação às inovações, e levando em consideração os recursos mencionados, a alternativa que
apresenta apenas vantagens da Tradução Automática Neural (NMT) sobre técnicas de Tradução
Automática Estatística (SMT) é:
a) os modelos são mais efetivamente modularizáveis e possuem menos parâmetros totais;
b) todos os parâmetros do modelo são ajustados independentemente, e o processo pode ser
escalonado com o aumento da memória disponível;
c) os parâmetros de modelos já construídos podem ser facilmente reaproveitados, e há menor
dependência dos dados linguísticos;
https://www.tecconcursos.com.br/questoes/2049427
389) 
d) os modelos obtidos são mais interpretáveis, e o processo pode ser escalonado com o aumento da
memória disponível;
e) todos os parâmetros do modelo são ajustados conjuntamente e o processo pode ser paralelizado.
www.tecconcursos.com.br/questoes/2059891
FGV - Ana (MPE SC)/MPE SC/Dados e Pesquisas/2022
TI - Desenvolvimento de Sistemas - Outros Assuntos sobre Inteligência Artificial
O método Latent Dirichlet Allocation (LDA) é popularmente utilizado para a construção de modelos
de tópicos devido a sua flexibilidade e robustez, particularmente em grandes quantidades de texto. Ao
mencionar a escolha do LDA em um projeto, um analista foi questionado sobre que aspectos
caracterizam a flexibilidade do modelo, especialmente em comparação a um modelo pLSA.
O analista respondeu corretamente:
a) a capacidade de obter uma distribuição de tópicos para documentos inéditos;
b) a presença de menos variáveis latentes a ajustar, causando menos overfitting;
c) a não necessidade de especificar o número de tópicos a serem encontrados;
d) a ausência de variáveis a priori a serem ajustadas;
e) a capacidade de modelar texto que não passou por uma etapa de pré-processamento.
www.tecconcursos.com.br/questoes/2082223
PGP UFV - Ana (UFV)/UFV/Tecnologia da Informação/2022
https://www.tecconcursos.com.br/questoes/2059891
https://www.tecconcursos.com.br/questoes/2082223
390) 
TI - Desenvolvimento de Sistemas - Outros Assuntos sobre Inteligência Artificial
Considere as afirmativas a seguir:
 
I. Inteligência Artificial (IA) é a parte da Ciência da Computação que se destina a desenvolver
sistemas capazes de resolver um problema de uma maneira tal que seja considerada inteligente
quando executada por um ser humano.
 
II. Redes Neurais é uma técnica de IA que utiliza redes de computadores interconectados em
núcleos neurais.
 
III. A computação cognitiva, baseada em redes neurais e deep learning, está aplicando
conhecimento de ciências cognitivas para desenvolver sistemas que simulem processos do
pensamento humano.
 
IV. Para provar que é inteligente pelo teste de Turing, um sistema (máquina) deve se comportar
como um ser humano.
 
Está CORRETO o que se afirma, apenas, em:
a) I e II.
b) III e IV.
c) I, II e III.
d) I, III e IV.
www.tecconcursos.com.br/questoes/2113019
FCC - AJ TRT4/TRT 4/Apoio Especializado/Tecnologia da Informação/2022
https://www.tecconcursos.com.br/questoes/2113019
391) 
392) 
TI - Desenvolvimento de Sistemas - Outros Assuntos sobre Inteligência Artificial
Uma Analista verificou que os tensores PyTorch são variáveis indexadas (arrays) multidimensionais
usadas como base para operações avançadas. Ela deseja mudar o tipo de tensor inicialmente usado
como padrão. Para tanto deverá usar
a) torch.get_tensor_default_typeb) set.torch_define_tensor_type
c) torch.set_default_tensor_type
d) set.torch_default_tensor.type
e) torch.set_define_tensor_type
www.tecconcursos.com.br/questoes/2214548
FGV - AJ TRT16/TRT 16/Apoio Especializado/Tecnologia da Informação/2022
TI - Desenvolvimento de Sistemas - Outros Assuntos sobre Inteligência Artificial
O Keras é uma API de aprendizado profundo escrita em Python e executada sobre a plataforma de
aprendizado de máquina TensorFlow.
As principais estruturas de dados do Keras são
a) tensor e pipes.
b) layers e model.
c) neuron e arrays.
d) sets, model e frames.
https://www.tecconcursos.com.br/questoes/2214548
393) 
394) 
e) sequential, layers e optimizers.
www.tecconcursos.com.br/questoes/2220755
Marinha - QT (Marinha)/Marinha/Informática/2022
TI - Desenvolvimento de Sistemas - Outros Assuntos sobre Inteligência Artificial
Uma companhia de streaming de música, por meio do monitoramento constante dos cookies de
seus usuários e do envio de amplo conjunto de informações pessoais dos mesmos (que aceitam o
compartilhamento de seus dados como condição da instalação do aplicativo) conseguiu mapear cada
indivíduo em um hiperespaço de 19 variáveis numéricas. Cada uma representa um nível diferente de
sentimento (tristeza, alegria, dor etc.). A empresa deseja desenvolver um algoritmo para detectar tipos
de indivíduos com sentimentos parecidos. Acerca desse problema e sabendo que apenas as posições dos
pontos serão utilizadas pelo algoritmo, assinale a opção correta:
a) a técnica padrão de validação cruzada k-fold.
b) o algoritmo padrão de análise de agrupamentos KNN (testando diversos valores de "K") pode ser
aplicado nesse caso.
c) o algoritmo padrão de KMeans (testando diversos valores de "K') pode ser aplicado neste caso.
d) a técnica padrão de transfer learning (aprendizado por transferência) pode ser usada neste caso.
e) a técnica padrão de reinforcement learning (aprendizado por reforço) pode ser usada neste caso.
www.tecconcursos.com.br/questoes/2310650
IADES - Prof (UnDF)/UnDF/Análise de Dados em Saúde/2022
TI - Desenvolvimento de Sistemas - Outros Assuntos sobre Inteligência Artificial
Considere, hipoteticamente, que tenha sido treinado um classificador binário embasado na
regressão logística. Esse classificador tem o objetivo de fornecer um diagnóstico de doente (y = 1) ou de
https://www.tecconcursos.com.br/questoes/2220755
https://www.tecconcursos.com.br/questoes/2310650
395) 
saudável (y = 0) para um par de informações correspondentes ao peso do paciente (em kg) e ao
tamanho (em mm) do nódulo observado em imagem.
O classificador calculou o log das probabilidades como sendo
 
 
Assim, para que um indivíduo de 80 kg seja classificado como doente, é necessário que o nódulo
observado tenha o tamanho
a) 2.440.
b) < 3/2.
c) 3/2.
d) < .
e) .
www.tecconcursos.com.br/questoes/2310654
IADES - Prof (UnDF)/UnDF/Análise de Dados em Saúde/2022
TI - Desenvolvimento de Sistemas - Outros Assuntos sobre Inteligência Artificial
As redes neurais convolucionais são bastante utilizadas em problemas de visão computacional, em
particular na radiologia. Tais redes são projetadas para aprender de forma automática e adaptativa
hierarquias espaciais de features de imagens por meio de várias operações divididas em camadas. A
seguir, a descrição de uma dessas camadas usualmente utilizadas. A função primária dessa camada é
reduzir progressivamente o tamanho espacial do volume de dados de entrada. A redução é feita por meio
do mapeamento de seções de tamanho 2 2 ou 3 3 do mapa de features para o valor máximo ou
médio dessas seções. Uma das vantagens dessa operação é computacional, uma vez que, ao se reduzir a
In( ) = h(p, t) = 4 − + 3t
P(y=1)
1−P(y=1)
P
10
t ≥
t
t ≥
t 4
3
t ≥ 4
3
× ×,
https://www.tecconcursos.com.br/questoes/2310654
396) 
resolução da imagem para um quarto ou para um nono da quantidade de pixels da camada anterior,
diminui o número de pesos e de cálculos para treinar a rede.
 
Assinale a alternativa que corresponde ao nome da camada descrita.
a) Camada de convolução
b) Camada de ativação
c) Camada totalmente conectada
d) Camada de pooling
e) Camada de normalização de lote
www.tecconcursos.com.br/questoes/2327263
IADES - Prof (UnDF)/UnDF/Matemática/Ciência de Dados/2022
TI - Desenvolvimento de Sistemas - Outros Assuntos sobre Inteligência Artificial
Após o treinamento de um modelo de machine learning, é necessário que as respectivas métricas
finais sejam geradas e reportadas no canal de interesse. Entretanto, é necessária a atenção do
pesquisador para o uso dos dados corretos a serem empregados para avaliar o desempenho final do
modelo. Qual nome é atribuído ao conjunto de dados que deve ser utilizado para gerar as métricas finais
de um modelo de machine learning?
a) Informação
b) Avaliação
c) Treinamento
d) Teste
e) Validação cruzada
https://www.tecconcursos.com.br/questoes/2327263
397) 
398) 
www.tecconcursos.com.br/questoes/2327308
IADES - Prof (UnDF)/UnDF/Matemática/Ciência de Dados/2022
TI - Desenvolvimento de Sistemas - Outros Assuntos sobre Inteligência Artificial
Existe uma aplicação de redes neurais que é usada para a compressão de imagens. A imagem de
entrada é propagada através das camadas da rede, que diminuem suas dimensões até a taxa de
compressão desejada, gerando o código comprimido. Em seguida, a rede expande o código novamente
para as dimensões originais, reconstruindo a imagem de entrada. Afirma-se que essa aplicação se
encaixa no contexto de aprendizado não supervisionado. Seu método de compressão e de recuperação
de imagem é do tipo “com perdas”, necessita de uma grande quantidade de amostras de treinamento, e
ainda não é utilizado em larga escala. Qual o nome que se dá a esse tipo de rede neural?
a) VGG
b) Autoencoder
c) AlexNet
d) Pooling
e) LeNet
www.tecconcursos.com.br/questoes/2329104
IADES - Prof (UnDF)/UnDF/Metodologias e Técnicas da Computação/2022
TI - Desenvolvimento de Sistemas - Outros Assuntos sobre Inteligência Artificial
Uma das métricas mais comuns para comparar diferentes resultados de algoritmos de clusterização
consiste no seguinte cálculo:
 
 
(b−a)
max(a,b)
https://www.tecconcursos.com.br/questoes/2327308
https://www.tecconcursos.com.br/questoes/2329104
399) 
Onde a é a distância média entre os pontos dentro de cada cluster (distância média intra-cluster) e b é a
distância média para o cluster mais próximo (distância média para os pontos do cluster mais próximo).
Essa métrica recebe o nome de
a) F2-score.
b) acurácia.
c) F1-score.
d) ROC.
e) silhouette score.
www.tecconcursos.com.br/questoes/2329117
IADES - Prof (UnDF)/UnDF/Metodologias e Técnicas da Computação/2022
TI - Desenvolvimento de Sistemas - Outros Assuntos sobre Inteligência Artificial
Em relação ao método de validação cruzada, assinale a alternativa correta.
a) Necessita de todo o dataset, ou seja, utiliza, no treinamento do modelo, os conjuntos de
treinamento, de validação e de teste.
b) Diminui a variância dos resultados ao aumentar o valor de k em uma implementação no estilo k-
fold.
c) Executa o processo de treinamento uma única vez, mesmo quando se utiliza uma implementação
no estilo k-fold.
d) Divide os dados em pelo menos cinco sub-conjuntos de dados.
e) Não é útil para diminuir as chances de overfitting.
www.tecconcursos.com.br/questoes/2329497
IADES - Prof (UnDF)/UnDF/Matemática/Inteligência Artificial/2022
https://www.tecconcursos.com.br/questoes/2329117
https://www.tecconcursos.com.br/questoes/2329497
400) 
TI - Desenvolvimento de Sistemas - Outros Assuntos sobre Inteligência Artificial
Ao implementar algoritmos de aprendizado de máquina, a inclusão de mais features pode levar à
uma queda de desempenho no poder preditivo do modelo de aprendizado de máquina e (ou) também
aumentar o tempo de treinamento. Portanto, em certas situações, é essencial a implementação de
métodos necessários para a redução da dimensionalidade do conjunto de features. Um dos métodosutilizados para a redução da dimensionalidade dos dados é a (o)
a) Principal component analysis.
b) K-Nearest Neighbors.
c) Árvore de decisão.
d) Support vector machine.
e) Regressão linear.
Gabarito
201) D 202) C 203) B 204) E 205) C 206) Certo 207) Certo
208) C 209) A 210) C 211) B 212) D 213) B 214) B
215) B 216) A 217) Errado 218) B 219) Anulada 220) D 221) Certo
222) Certo 223) B 224) D 225) A 226) Errado 227) Errado 228) Certo
229) D 230) B 231) Certo 232) Certo 233) C 234) A 235) C
236) B 237) A 238) D 239) Errado 240) D 241) C 242) B
243) A 244) C 245) E 246) B 247) C 248) A 249) E
250) B 251) D 252) Errado 253) Errado 254) C 255) D 256) E
257) B 258) B 259) C 260) B 261) Certo 262) Certo 263) C
264) C 265) Errado 266) Errado 267) A 268) B 269) E 270) A
271) D 272) B 273) D 274) E 275) A 276) D 277) B
278) C 279) A 280) D 281) B 282) A 283) B 284) E
285) B 286) B 287) D 288) C 289) C 290) C 291) Certo
292) Errado 293) Certo 294) Certo 295) Errado 296) D 297) A 298) Anulada
299) C 300) B 301) Anulada 302) Errado 303) Certo 304) Certo 305) Errado
306) Errado 307) Anulada 308) Certo 309) C 310) A 311) B 312) Anulada
313) E 314) C 315) D 316) B 317) C 318) Certo 319) Errado
320) B 321) C 322) C 323) D 324) C 325) B 326) E
327) E 328) B 329) E 330) D 331) Errado 332) A 333) A
334) B 335) A 336) C 337) Anulada 338) C 339) C 340) B
341) B 342) E 343) E 344) C 345) D 346) C 347) A
348) C 349) D 350) B 351) C 352) C 353) D 354) A
355) C 356) E 357) D 358) A 359) Certo 360) A 361) C
362) A 363) A 364) C 365) C 366) A 367) D 368) D
369) C 370) D 371) B 372) C 373) E 374) A 375) A
376) A 377) Certo 378) C 379) Certo 380) C 381) A 382) Errado
383) Errado 384) Errado 385) C 386) Errado 387) Anulada 388) E 389) A
390) D 391) C 392) B 393) C 394) E 395) D 396) D
397) B 398) E 399) B 400) A