Inteligência Artificial: Fundamentos e Aplicações

360 questões inéditas cobrindo 3 tópicos.

Ética, governança, regulação e privacidade em IA · 120Fundamentos de inteligência artificial e aprendizado de máquina · 120Modelos generativos, modelos de linguagem e aplicações · 120

Exemplos de questões

#30976

Múltipla EscolhaÉtica, governança, regulação e privacidade em IA

No contexto de Ética, governança, regulação e privacidade em IA, sobre privacidade ia, assinale a alternativa que apresenta a definição correta.

APrivacidade em IA exige finalidade, minimização, segurança e governança ao longo do ciclo de dados.

BAvaliação de impacto ético examina adequação, direitos, grupos afetados, riscos e salvaguardas antes e durante o uso.

COs Princípios de IA da OCDE promovem IA inovadora e confiável que respeite direitos e valores democráticos.

DO AI Act europeu usa abordagem baseada em risco, distinguindo risco inaceitável, alto, de transparência e mínimo.

EEm 9 de agosto de 2026, proibições e regras de alfabetização já valiam desde fevereiro de 2025 e obrigações de GPAI desde agosto de 2025.

Gabarito e explicação disponíveis para alunos cadastrados.

Criar conta grátis

#30710

Múltipla EscolhaFundamentos de inteligência artificial e aprendizado de máquina

No contexto de Fundamentos de inteligência artificial e aprendizado de máquina, sobre ia simbolica, assinale a alternativa que apresenta a definição correta.

AIA simbólica representa conhecimento por regras, lógica e estruturas explícitas.

BAprendizado de máquina ajusta padrões a partir de dados para melhorar desempenho em uma tarefa.

CAprendizado supervisionado usa exemplos com alvos conhecidos para aprender uma função preditiva.

DAprendizado não supervisionado procura estrutura em dados sem rótulos-alvo explícitos.

EAprendizado por reforço aprende uma política pela interação com ambiente, ações e recompensas.

Gabarito e explicação disponíveis para alunos cadastrados.

Criar conta grátis

#30847

Múltipla EscolhaModelos generativos, modelos de linguagem e aplicações

No contexto de Modelos generativos, modelos de linguagem e aplicações, sobre tokenizacao, assinale a alternativa que apresenta a definição correta.

AEmbedding representa itens como vetores cujas relações geométricas podem capturar similaridade.

BTokenização converte entrada em unidades discretas processadas pelo modelo.

CPré-treinamento ajusta o modelo em grande corpus por objetivos gerais antes de adaptação.

DAjuste fino atualiza parâmetros do modelo com dados de tarefa, domínio ou comportamento.

ERAG recupera fontes externas e as fornece ao modelo para fundamentar a geração.

Gabarito e explicação disponíveis para alunos cadastrados.

Criar conta grátis

Crie sua conta grátis para responder as 360 questões de Inteligência Artificial: Fundamentos e Aplicações com correção e explicação na hora.

Criar conta grátis