Com o advento de ferramentas de Inteligência Artificial Generativa, como ChatGPT e Google Bard, o setor público se depara com a oportunidade de otimizar processos internos, desde a redação de documentos técnicos até a resposta automatizada a questionamentos da população. No entanto, a implementação dessas ferramentas em ambientes governamentais exige uma avaliação rigorosa quanto à confiabilidade das informações geradas, o controle sobre os dados de treinamento utilizados e a potencial substituição de mão de obra humana, que pode levar a questões éticas e sociais graves. A capacidade de discernir a veracidade e a fonte da informação produzida por essas IAs torna-se um desafio central, exigindo que o usuário final detenha um alto grau de letramento digital e crítico para evitar a disseminação de notícias falsas ou dados imprecisos que comprometam a integridade dos serviços públicos.

Leia o excerto abaixo:
Em um projeto de Data Warehouse, a granularidade determina o nível de especificação armazenado na tabela fato. Quanto menor a granularidade, maior a quantidade de registros e maior a necessidade de armazenamento. Assim, uma definição comum afirma que a granularidade está diretamente relacionada ao grau de ___________________ dos dados.
Preencha a lacuna acima e assinale a alternativa correta.

Um cientista de dados da Controladoria está preparando um dataset de despesas públicas para ser utilizado em um algoritmo de Machine Learning baseado em distâncias como K-Nearest Neighbors - KNN.
A coluna Valor_Despesa varia amplamente, com valores entre R$ 100,00 (mínimo) e R$ 5.000.000,00 (máximo).
Assinale a opção que indica a técnica de Normalização Numérica mais adequada para reescalonar os dados da coluna Valor_Despesa, para que todos os seus valores sejam mapeados para um intervalo fixo entre 0 e 1.

Um servidor da Controladoria deseja usar um Large Language Model (LLM), como o GPT ou Llama, em sua versão padrão pré treinada, para uma tarefa imediata e genérica de processamento de texto. A tarefa consiste em receber um longo relatório jurídico e criar um resumo conciso de um parágrafo.
Assinale a opção que indica a aplicação fundamental dos LLMs que permite que eles processem um texto extenso de entrada e gerem uma saída textual mais curta e coerente, como um resumo, sem a necessidade de ajuste fino (fine-tuning).

Uma equipe de Ciência de Dados do setor público precisa analisar um grande dataset de características de cidadãos (alta dimensionalidade) para identificar grupos naturais de comportamento (segmentação) e, posteriormente, reduzir a dimensionalidade dos dados sem perder muita informação.
Sobre as técnicas de Clustering e Redução de Dimensionalidade, avalie as afirmativas a seguir.

I. O algoritmo DBSCAN é mais adequado que o K-Means para datasets com clusters de formato não convexo e tem a vantagem de ser robusto a ruídos e outliers.

II. O algoritmo K-Means exige que o número de clusters (K) seja definido previamente e é sensível à escala das variáveis de entrada e à presença de outliers.

III. A Análise de Componentes Principais (PCA) é uma técnica não supervisionada que é utilizada para redução de dimensionalidade, e deve ser aplicada antes de qualquer etapa de scaling dos dados para preservar a variância.


Está correto o que se afirma em

O pipeline que carrega dados de execução orçamentária do sistema operacional para o Data Warehouse deve garantir que o volume de dados seja carregado no ambiente analítico de forma eficiente, seguindo todas as transformações já aplicadas.
Assinale a opção que apresenta a principal responsabilidade e o desafio da fase Load no processo ETL, especialmente em relação ao design de índice e particionamento da Tabela de Fato.

A Controladoria possui vários pipelines críticos que transportam dados de regulamentação fiscal. Uma mudança no schema da tabela de origem exigiu alterações no código SQL de transformação e nos metadados associados. A prática de DataOps exige que todas as alterações sejam rastreáveis e que seja possível reverter o pipeline para uma versão anterior de forma atômica.
No contexto do DataOps, assinale a opção que apresenta a combinação de práticas e ferramentas que garante a rastreabilidade de

I. código de transformação (SQL/ETL);
II. alterações no schema do DW; e
III. rollback, coordenação automatizada, em caso de falha de deployment.

Na modelagem de um Data Warehouse para análise de vendas, o arquiteto optou pela modelagem dimensional. A tabela central contém métricas (fato) e é conectada a diversas tabelas de dimensão (tempo, produto, cliente).
Assinale a opção que indica a principal técnica de modelagem dimensional utilizada, em que a tabela central armazena as métricas (o fato), e a desnormalização das tabelas de contexto (dimensões) é intencional para otimizar o desempenho das consultas OLAP.

A Inteligência Artificial Generativa utiliza modelos de linguagem (LLMs – Large Language Models) para processamento de prompts em linguagem natural. Um fenômeno que pode ocorrer durante o uso dos LLMs é a alucinação.

Assinale a alternativa que explica corretamente o fenômeno da alucinação.

Em modelagem de dados, no esquema estrela de modelos voltados à análise de dados, a cardinalidade esperada entre dimensões e fatos é: