tem foco na padronização e normalização dos dados, garantindo que a organização siga estruturas uniformes para análise e relatórios, com base no Enterprise Data Governance Organization (EDGO). O EDGO assegura que os dados estejam devidamente organizados, permitindo maior uniformidade e consistência nas informações geradas.

B

é o exercício de autoridade e controle (planejamento, monitoramento e fiscalização) sobre a gestão de ativos de dados e tem como objetivo garantir que os dados sejam gerenciados adequadamente, de acordo com políticas e melhores praticas. Foca em como são tomadas as decisões sobre os dados e como se espera que pessoas e processos se comportem em relação aos mesmos.

C

trata do acesso facilitado aos dados para diversos departamentos da organização, promovendo principalmente a integração e a acessibilidade dos dados para apoiar a colaboração interna. O foco está na criação de políticas e processos que ampliem o acesso aos dados e integrem as diferentes áreas da organização, recomendando o uso do modelo Data Integration-as-a-Service (DlaaS).

D

enfatiza principalmente a segurança e a privacidade dos dados para atender às regulamentações de conformidade e proteção de dados. Assim, o guia define processos centrados na proteção de dados, controle de acesso e na criação de políticas com base no Data Stewardship Governance Model (DSGM).

E

orienta principalmente o desenvolvimento de infraestrutura de Tl para garantir uma base sólida de armazenamento e automação de dados. O guia foca no design de arquitetura e pipelines de Extract Transform Load (ETL) para suportar o gerenciamento de dados.

Provas

Questão presente nas seguintes provas

3607212 Ano: 2025
Disciplina: TI - Ciência de Dados e BI
Banca: FCC
Orgão: TRT-6

Provas:

Analista Judiciário - TI
Provas ×

Inteligência Artificial

Uma equipe de Analistas está implementando um modelo LLM para uso no Tribunal Regional do Trabalho e precisa garantir que o modelo não gere respostas inapropriadas ou incorretas, mantendo a relevância e coerência do conteúdo. Para ajustar o desempenho do modelo e evitar problemas como alucinações e vieses, eles optaram por

A

reduzir o número de camadas de rede neural para minimizar o processamento e aumentar a velocidade de inferência, pois isso reduziria erros causados por dados não estruturados.

B

usar o aprendizado zero-shot durante o treinamento, pois ele é suficiente para que o modelo aprenda a generalizar padrões sem supervisão.

C

utilizar Reinforcement Learning from Human Feedback (RLHF) para treinar o modelo a partir de respostas corrigidas por humanos.

D

implementar fine-tuning com um conjunto de dados menor & mais especifico, sem utilizar nenhum mecanismo de atenção para evitar sobrecarga de processamento.

E

aumentar o número de tokens e embeddings durante o treinamento para que o modelo tenha mais dados contextuais disponíveis.

Provas

Questão presente nas seguintes provas

3607210 Ano: 2025
Disciplina: TI - Ciência de Dados e BI
Banca: FCC
Orgão: TRT-6

Provas:

Analista Judiciário - TI
Provas ×

Inteligência Artificial

Em um pipeline MLOps, varias etapas são seguidas para o desenvolvimento, implementação e monitoramento de modelos de Machine Learning. Com relação a este processo, especialmente considerando o uso de redes neurais transformer e suas características, as fases e procedimentos técnicos envolvidos no ciclo completo de MLOps são assim descritos:

A

No pipeline MLOps, as redes neurais transformer são aplicadas na fase de Design para realizar Feature Engineering e tuning de parâmetros. Na fase de Operações, implementase o modelo em produção através de pipelines automatizados, e, por fim, a fase Experimentação e Desenvolvimento é dedicada ao monitoramento de dados de produção.

B

No ciclo MLOps, os modelos transformer são implementados diretamente na fase de Operações para otimização em produção. A fase de Experimentação e Desenvolvimento é dedicada ao versionamento de dados e modelos e, na fase de Design, é realizado o monitoramento de desempenho do modelo e a coleta de dados para retreino futuro.

C

O pipeline MLOps começa com a fase de Operações, na qual são definidos os requisitos técnicos e estes são alinhados com os requisitos de negócio. Em seguida, na fase de Experimentação e Desenvolvimento, o modelo é colocado em produção utilizando práticas de CI/CD. A etapa final, Design, foca na criação de embeddings e ajuste de hiperparâmetros.

D

O ciclo de MLOps começa com a fase de Design, na qual são definidos os requisitos e alinhadas as necessidades de negócio. Na fase de Experimentação e Desenvolvimento, ocorre a construção do modelo, aplicação de Feature Engineering e tuning de parâmetros, podendo ser utilizadas redes neurais transformer para processar dados sequenciais com atenção contextual. Na etapa de Operagdes, o modelo é colocado em produção com pipelines de CI/CD e monitorado para ajuste continuo.

E

Durante a fase de Experimentação e Desenvolvimento, o alinhamento dos requisitos de negócio e os requisitos técnicos do modelo são realizados. Na fase de Design, faz-se o deploy do modelo com CI/CD, enquanto a fase de Operações se concentra em treinar modelos transformer com autoatenção para ajuste contextual.

Provas

Questão presente nas seguintes provas

3605289 Ano: 2025
Disciplina: TI - Ciência de Dados e BI
Banca: FUNDATEC
Orgão: Pref. Tangará Serra-MT

Provas:

Analista de Sistemas
Provas ×

ProgramaçãoLinguagem R

Linguagem e ambiente para computação estatística e gráficos utilizada para análise estatística, manipulação e visualização de dados. A descrição apresentada refere-se à linguagem:

Provas

Questão presente nas seguintes provas

3604389 Ano: 2025
Disciplina: TI - Ciência de Dados e BI
Banca: FGV
Orgão: IPHAN

Provas:

Analista - Geoprocessamento
Provas ×

IoT: Internet of Things

A integração da Internet das Coisas (IoT) com a especificação Sensor Web Enablement (SWE), desenvolvida pelo Open Geospatial Consortium (OGC), representa um avanço significativo para a coleta, o armazenamento e o compartilhamento de dados geoespaciais provenientes de sensores.

Assinale a opção que corresponde a um serviço descrito na especificação SWE que facilita a integração com IoT.

Provas

Questão presente nas seguintes provas

3604388 Ano: 2025
Disciplina: TI - Ciência de Dados e BI
Banca: FGV
Orgão: IPHAN

Provas:

Analista - Geoprocessamento
Provas ×

IoT: Internet of Things

Embora a integração da Internet das Coisas (IoT) e os Sistemas de Informações Geográficas (SIG) ofereça grandes benefícios, algumas limitações podem ser observadas.

Assinale a opção que apresenta um fator que pode inviabilizar o uso de IoT.

Provas

Questão presente nas seguintes provas

3590751 Ano: 2025
Disciplina: TI - Ciência de Dados e BI
Banca: CESPE / CEBRASPE
Orgão: ANM

Provas:

Especialista em Recursos Minerais - TI/Ciência de Dados
Provas ×

Inteligência ArtificialMachine Learning

A respeito de overfitting e underfitting, de deep learning e de métodos de data mining, julgue os itens que se seguem.

O deep learning elimina completamente a necessidade de pré-processamento de dados, pois as redes neurais são capazes de aprender todas as características automaticamente.

Provas

Questão presente nas seguintes provas

3590750 Ano: 2025
Disciplina: TI - Ciência de Dados e BI
Banca: CESPE / CEBRASPE
Orgão: ANM

Provas:

Especialista em Recursos Minerais - TI/Ciência de Dados
Provas ×

Inteligência ArtificialMachine Learning

A respeito de overfitting e underfitting, de deep learning e de métodos de data mining, julgue os itens que se seguem.

O overfitting ocorre quando um modelo de machine learning tem alta precisão nos dados de treinamento, mas apresenta desempenho significativamente pior em novos dados.