O Tribunal de Contas recebeu registros de pagamentos para análise. De acordo com as regras de qualidade da base:

• cada id_pagamento deve aparecer apenas uma vez;
• o campo valor deve estar preenchido e conter número maior que zero;
• após o tratamento dos dados, os registros válidos devem ser agrupados segundo a proximidade entre seus valores.

Para realizar o procedimento, foi elaborado o seguinte código em Python, que implementa uma forma simplificada de agrupamento por centroides:   

dados = [
    {"id_pagamento": 101, "valor": 100},
    {"id_pagamento": 102, "valor": None},
    {"id_pagamento": 101, "valor": 100},
    {"id_pagamento": 103, "valor": 120},
    {"id_pagamento": 104, "valor": 900},
    {"id_pagamento": 105, "valor": 1000},
    {"id_pagamento": 106, "valor": 110},
]

identificadores = set()
validos = []
problemas = []

for registro in dados:
    identificador = registro["id_pagamento"]
    valor = registro["valor"]

    if identificador in identificadores:
        problemas.append((identificador,
"duplicidade"))
    elif valor is None or valor <= 0:
        problemas.append((identificador, "valor
inválido"))
    else:
        identificadores.add(identificador)
        validos.append(registro)

centroides = [100.0, 1000.0]

for _ in range(2):
    grupos = {0: [], 1: []}

    for registro in validos:
        valor = registro["valor"]

        distancias = [
            abs(valor - centroide)
            for centroide in centroides
        ]

        grupo = distancias.index(min(distancias))
        grupos[grupo].append(registro)

    centroides = [
        sum(
            registro["valor"]
            for registro in grupos[indice]
        )
        / len(grupos[indice])
        for indice in range(2)
    ]

grupo_maior_valor =
centroides.index(max(centroides))

selecionados = [
    registro["id_pagamento"]
    for registro in grupos[grupo_maior_valor]
]

A respeito da execução do código e das etapas de qualidade e mineração de dados, assinale a afirmativa correta.

O Tribunal de Contas recebe continuamente grandes volumes de dados provenientes de sistemas financeiros, contratos, notas fiscais, documentos e registros de diferentes órgãos públicos. Esses dados apresentam formatos e estruturas variados.
Para apoiar as atividades de fiscalização, a equipe pretende

I. tratar esse cenário de grande volume, variedade de fontes e produção contínua de dados;
II. manter os dados recebidos em um repositório que permita armazená-los em seus formatos originais, antes de tratamentos destinados a análises específicas;
III. executar um processo que obtenha os dados das fontes, realize as transformações necessárias e os carregue no ambiente definido para utilização.

Os conceitos que correspondem às situações I, II e III são, respectivamente,

O Tribunal de Contas pretende utilizar um grande modelo de linguagem (LLM) para apoiar a análise preliminar de documentos de fiscalização. A solução deverá

• elaborar um resumo exclusivamente com base nos documentos fornecidos;
• separar a resposta em fatos identificados, possíveis inconsistências e informações ausentes;
• indicar, para cada conclusão, o trecho do documento que lhe dá suporte;
• declarar expressamente quando os dados forem insuficientes;
• submeter o resultado à revisão de um auditor.

Além disso, pretende-se utilizar um agente, entendido, nessa solução, como um componente capaz de coordenar uma sequência previamente definida de ações e acionar os recursos autorizados em cada etapa.

Assinale a opção que apresenta a aplicação mais adequada da engenharia de prompt e do agente nesse cenário.

Uma unidade de auditoria pretende utilizar um grande modelo de linguagem (LLM) para auxiliar na elaboração de resumos textuais a partir de informações fornecidas pelos auditores.

Nesse contexto, a utilização de um LLM caracteriza-se principalmente pela capacidade de

O Tribunal de Contas avalia o uso de uma rede neural profunda para analisar registros de contratações públicas.
Durante a definição da solução, foram apresentadas as afirmativas a seguir.

I. Em deep learning, o termo “profunda” está relacionado à existência de múltiplas camadas intermediárias de processamento na rede neural.
II. O simples aumento do número de camadas garante que a rede neural profunda sempre apresentará resultado superior, independentemente dos dados e do problema analisado.
III. Uma rede neural profunda pode ser utilizada em uma tarefa de machine learning supervisionado, desde que o treinamento utilize dados com resultados previamente conhecidos.

Está correto o que se afirma em

O Tribunal de Contas pretende utilizar técnicas de machine learning em três análises.

I. Utilizar registros históricos já identificados como regulares ou irregulares para construir um modelo capaz de indicar, em novos registros, uma dessas duas classificações.
II. Examinar despesas ainda não classificadas previamente, organizando-as em grupos formados a partir das semelhanças existentes entre seus dados.
III. Utilizar dados históricos nos quais o nível de risco de cada contratação já é conhecido para construir um modelo que estime o risco de novas contratações.

As técnicas de machine learning empregadas nas análises I, II e III são, respectivamente,

Um modelo de linguagem de grande porte (LLM) é utilizado para produzir sínteses preliminares de documentos técnicos. Em um teste, o texto fornecido ao modelo não informa a data de conclusão de determinada obra. Ainda assim, a resposta gerada apresenta uma data específica, formulada como se constasse do documento.
Para aperfeiçoar o comando usado nessa tarefa, foram propostas diferentes instruções complementares.

A instrução mais diretamente relacionada à redução do problema observado é

O histórico de pagamentos de órgãos jurisdicionados reúne milhões de registros descritos por atributos como valor, favorecido, objeto, unidade responsável e período. Não há, nessa base, indicação prévia de quais ocorrências sejam regulares ou irregulares.
Pretende-se empregar os próprios dados para selecionar uma parcela reduzida dos registros que mereça exame prioritário. O critério de seleção deverá considerar combinações pouco usuais entre os atributos, inclusive quando cada característica, observada isoladamente, for frequente. A seleção resultante servirá apenas para direcionar a análise dos auditores.

A técnica compatível com esse objetivo é

Na consolidação de informações sobre contratações provenientes de diferentes órgãos, verificou-se que o campo destinado ao CNPJ do fornecedor apresenta, entre outras, as seguintes ocorrências:

Registro	Valor recebido
1	11.222.333/0001-81
2	11222333000181
3	11.222.333 / 0001-81
4	11222333000180

Os três primeiros valores possuem a mesma sequência numérica após a retirada dos caracteres de formatação. O quarto também pode ser expresso como uma sequência de 14 algarismos, mas possui dígitos verificadores inválidos.

O processamento deve permitir o cruzamento dos CNPJs válidos, sem impedir a conferência posterior dos valores efetivamente recebidos de cada órgão.

Nesse caso, os dados devem ser tratados de modo a

 

A Lei Complementar nº X (LCX), editada pela União no dia 15 de dezembro do ano W, alterou a Lei Complementar nº Y (LCY), que estabeleceu as normas afetas a determinado imposto sobre o consumo de competência dos Estados membros. Entre as alterações, foi previsto que o direito a determinado crédito do imposto, que se iniciaria no dia 1º de janeiro do ano subsequente ao ano W por força da redação original da LCY, somente produziria efeitos 5 (cinco) anos depois.
Um contribuinte do imposto, que atua em determinado segmento econômico, ingressou com demanda individual almejando o aproveitamento do crédito tributário no dia 1º de janeiro do ano subsequente ao ano W, argumentando com a inconstitucionalidade da alteração promovida pela LCX.

Na situação descrita, é correto afirmar que a LCX