O projeto do Data Warehouse (DW) de uma companhia aérea utiliza o modelo de esquema Snowflake, onde as tabelas de dimensão não se conectam diretamente à Tabela Fato, mas se ramificam em tabelas de subdimensão, gerando uma estrutura normalizada.
Assinale a opção que apresenta a principal desvantagem da adoção do esquema Snowflake em comparação com o esquema Star na otimização de consultas OLAP.

Uma equipe de BI está desenvolvendo um Data Warehouse para análise de vendas. O foco é em consultas que agregam grandes volumes de dados históricos, como aqueles associados à pergunta: "Qual foi o total de vendas por região e ano, comparado ao ano anterior?".
Uma característica fundamental de um Data Warehouse em comparação com um Banco de Dados Transacional reside no fato de que

Plataformas de vídeo como o TikTok adotam modelos algorítmicos que frequentemente permitem que criadores com poucos seguidores alcancem a viralização em pé de igualdade com contas corporativas estabelecidas.
Assinale a afirmativa correta a respeito da característica do algoritmo de distribuição de conteúdo que é fundamental para esse nivelamento de oportunidades e a facilidade de viralização.

"Toda vez que uma nova tecnologia chega, ela traz com ela mudanças e impactos na sociedade como um todo. Elas transformam a forma como trabalhamos, aprendemos, nos comunicamos e fazemos negócios.
Diferente da evolução humana, a evolução das máquinas anda em passos muito mais rápidos e, naturalmente, as pessoas precisam aprender a lidar com isso."

https://www.cnnbrasil.com.br/tecnologia/novas-tecnologias/

A Inteligência Artificial tornou-se um dos campos mais relevantes da ciência contemporânea, impactando áreas como saúde, indústria, educação e serviços digitais. Considerando esse contexto, qual alternativa expressa corretamente uma característica da Inteligência Artificial?

Assinale a alternativa que descreve o conceito de transformação de dados em um processo de ETL (Extract, Transform, Load).

O TJRJ adquiriu uma ferramenta de BI que executa operações OLAP para apoiar as análises sobre gestão de processos judiciais. Para alternar a visualização de Processos por Assunto e Ano para Processos por Ano e Assunto, facilitando comparações e gerando diferentes perspectivas para analistas, deve-se utilizar a operação:

A Lei Geral de Proteção de Dados Pessoais (LGPD) tem como objetivo proteger os direitos fundamentais de privacidade, liberdade e o livre desenvolvimento da personalidade, ao mesmo tempo em que tem por fundamento o desenvolvimento econômico e tecnológico e a inovação. Portanto, a inovação tecnológica deve estar em harmonia com a proteção de dados pessoais.
A LGPD estabelece que o controlador deverá fornecer informações claras e adequadas a respeito dos critérios e dos procedimentos utilizados para a decisão automatizada, observados os segredos comercial e industrial.

Esse preceito da LGPD está relacionado à explicabilidade na inteligência artificial (IA), que se refere:

Um órgão de controle estuda implantar uma plataforma avançada baseada em grandes modelos de linguagem para apoiar a análise de documentos, a consulta a bases normativas e a execução de fluxos complexos (por exemplo, checagem automática em diários oficiais, sistemas internos e bases abertas). A arquitetura em estudo combina LLMs, geração aumentada por recuperação (RAG), agentes de IA com uso de ferramentas externas e mecanismos de monitoramento para riscos éticos e de segurança.
Com base em conceitos de transformers e LLMs, RAG, agentificação, engenharia de prompts, bem como ética e segurança em IA, analise as afirmativas a seguir.

I. Em uma arquitetura com RAG, o LLM é utilizado principalmente como gerador condicionado a evidências: os documentos relevantes são buscados por similaridade de embeddings em um índice vetorial e incorporados ao contexto de entrada, de modo que decisões sobre fragmentação (tamanho dos trechos, sobreposição, estratégia de indexação) influenciam diretamente tanto a recuperação quanto a qualidade e a fundamentação das respostas.
II. Em arquiteturas que combinam LLMs com RAG, o risco de exposição indevida de dados sensíveis tende a ser intrinsecamente menor do que no uso direto de LLMs, porque os documentos sigilosos não precisam ser indexados: o modelo passa a depender principalmente de representações paramétricas já aprendidas no pré-treinamento, reduzindo a necessidade de controles específicos sobre o ciclo de vida dos dados no índice vetorial.
III. Técnicas de alinhamento com preferências humanas, como Reinforcement Learning e variantes de preference optimization, são frequentemente combinadas com boas práticas de engenharia de prompts (zero-shot, few-shot, encadeamento de pensamento) e com avaliações sistemáticas de prompts e saídas, pois, mesmo após o alinhamento, permanecem desafios como viés algorítmico, suscetibilidade a jailbreaks e prompt injection, exigindo camadas adicionais de governança, monitoramento e auditoria.

Está correto o que se afirma em:

No contexto de redes convolucionais (CNN) aplicadas à visão computacional, as camadas de convolução têm como função:

Uma equipe está analisando o comportamento de um neurônio em uma rede neural binária já treinada. Para um determinado neurônio da camada de saída, mediu-se o valor da combinação linear z (antes da ativação) e o valor de saída a (após a ativação), obtendo-se os seguintes pares aproximados:

• Para z = 0, observou-se a ≈ 0,5;
• Para z = ln (3), observou-se a ≈ 0,75;
• Para z = −ln (3), observou-se a ≈ 0,25.

Admita que o neurônio utiliza uma única função de ativação escalar a = f(z), aplicada a todos os valores de z, e que as aproximações numéricas acima são consideradas exatas para fins de análise.

Nessa situação, conclui-se que a função de ativação compatível com os dados observados é: