Questões de Concurso

A respeito do desenvolvimento de projetos digitais e do machine learning, julgue o item subsecutivo.

Em validação cruzada k-fold, o modelo é treinado k vezes, cada vez usando uma partição diferente como conjunto de teste, o que produz uma estimativa mais robusta do erro de generalização do que uma única divisão treino-teste.

A respeito do desenvolvimento de projetos digitais e do machine learning, julgue o item subsecutivo.

Em regra, em algoritmos de gradient boosting, quanto maior o número de estimadores usados, menor o erro de generalização do modelo, pois cada árvore adicionada corrige os erros residuais da anterior.

Durante a fase de homologação de um assistente baseado em IA generativa contratado por determinada prefeitura municipal, a ferramenta foi integrada ao portal interno para auxiliar servidores na consulta a normas, procedimentos administrativos e abertura de chamados. Em uma simulação de uso, o assistente informou a um servidor que certo requerimento poderia ser deferido com base em uma portaria revogada e apresentou como vigente um procedimento que não constava na base normativa atualizada. O contrato previa apoio à consulta e organização de informações, mas não autorizava decisão administrativa automatizada nem dispensa de validação humana. Após o registro da ocorrência, a equipe responsável precisou avaliar o episódio sob três perspectivas: gestão do projeto; fiscalização da contratação de TI; e riscos próprios de modelos de linguagem de grande porte. Considerando fundamentos de gerenciamento de projetos, contratação pública de TI e riscos de IA generativa, assinale a providência tecnicamente correta.

O clustering (agrupamento) é uma técnica de aprendizado de máquina usada para agrupar objetos, dados e observações com base em semelhanças e padrões, sendo classificada como um tipo de aprendizado:

Em um hospital da Rede Sarah, foi implantada uma plataforma de inteligência artificial integrada ao sistema de gestão da manutenção. O sistema passou a:
I. estimar a probabilidade de falha de chillers a partir de dados históricos de operação e monitoramento;
II. identificar automaticamente pontos de corrosão em tubulações por meio da análise de imagens capturadas por drones durante inspeções; e
III. definir diariamente a sequência de atendimento às ordens de serviço, considerando a localização das equipes, a criticidade dos equipamentos e o tempo estimado de deslocamento.
As funcionalidades descritas em I, II e III correspondem, respectivamente, a