A Guarda Municipal passou a utilizar um sistema com base em Inteligência Artificial (IA) para auxiliar no monitoramento de ocorrências, analisando registros anteriores e identificando padrões de situações recorrentes em determinados locais e horários. De acordo com o conceito de IA, esse sistema se caracteriza principalmente por:

O Agente Administrativo opera sistema eletrônico de controle de acesso que utiliza catracas com leitura de crachá. A vantagem desse tipo de sistema em comparação com o controle manual é:

O setor de TI da Assembleia planeja desenvolver um sistema que possa prever a probabilidade de aprovação de um Projeto de Lei com base em dados históricos como autores, partidos, tema e resultado final. O sistema deve ser capaz de aprender padrões a partir desses dados sem ser explicitamente programado com regras para cada cenário.

O subcampo da Inteligência Artificial que foca no desenvolvimento de algoritmos que permitem aos computadores aprender a partir de dados e fazer previsões ou tomar decisões é

A Assembleia Legislativa gera uma enorme quantidade de dados diariamente, incluindo registros de votação, transcrições de sessões e interações nas redes sociais. O volume desses dados é tão grande, e a velocidade de sua geração tão alta, que as ferramentas tradicionais de banco de dados não são suficientes para processá-los e armazená-los.

No contexto de Big Data, assinale a característica se refere à imensa quantidade de dados gerados, que ultrapassa a capacidade de processamento de sistemas convencionais.

Informe qual desses algoritmos é do tipo não supervisionado.

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