Home
Cadastre-se
Concurso Público
- Concurso Público
- Concursos Abertos
- Questões de Concurso
- Material Gratuito
- Provas para Download
OAB
- OAB
- Questões OAB
ENEM
- ENEM
- Questões ENEM
Dicas
Fale Conosco

Questões de Engenharia de Software do ano 2025

Pesquise questões de concurso nos filtros abaixo

Modo de Exibição

Matéria

Assunto

Banca

Ano

Tipo

Nível de Escolaridade

Listagem de Questões de Engenharia de Software do ano 2025

#Questão 1125478 - Engenharia de Software, Conceitos Básicos em Engenharia de Software, FGV, 2025, IPHAN, Antropologia

O Projeto Mnemosyne é uma iniciativa implementada pelo Museu Bargello, em Florença. Câmeras interconectadas e com visão computacional rastreiam os movimentos dos frequentadores e medem o tempo de observação de cada obra, identificando interesses específicos. Com base nesses dados, o museu fornece informações detalhadas sobre os pontos de interesse e recomendações de outras peças relacionadas.

Nesse projeto, o aspecto que diz respeito especificamente ao conceito de IoT (Internet das Coisas) é

a aplicação de ferramentas de inteligência artificial para processar dados a respeito dos visitantes.

o emprego de algoritmos avançados que analisam as obras para predizer quais atrairão maior interesse.

a criação tecnológica de ambientes híbridos entre realidades físicas e realidades virtuais.

o uso de dispositivos inteligentes, interconectados e capazes de analisar dados em tempo real.

a mobilização de computadores capazes de processar eficazmente grandes volumes de dados.

#Questão 1125482 - Engenharia de Software, Inteligencia Artificial, FGV, 2025, IPHAN, Antropologia

Um grupo de trabalho desenvolveu um software próprio que utiliza a API de um modelo de IA (inteligência artificial) para automatizar processos de análise e monitoramento de dados na gestão do patrimônio cultural.

Isto significa que o grupo

realizou a assinatura de um serviço de IA e disponibilizou o acesso aos colaboradores para acelerar os serviços.

mobilizou uma solução de inteligência artificial existente para integrar funcionalidades específicas em sua aplicação.

treinou manualmente o modelo de IA usando dados históricos para adaptá-lo ao propósito cultural.

reconstruiu a lógica interna do modelo por meio de engenharia reversa para adaptar suas funções ao projeto.

desenvolveu do zero um modelo de inteligência artificial próprio para atender às necessidades do projeto.

#Questão 1125734 - Engenharia de Software, Inteligencia Artificial, FCC, 2025, TRT - 6ª Região (PE), Analista Judiciário - Área Apoio Especializado Especialidade: Tecnologia da Informação

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

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.

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

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

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

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

#Questão 1125735 - Engenharia de Software, Inteligencia Artificial, FCC, 2025, TRT - 6ª Região (PE), Analista Judiciário - Área Apoio Especializado Especialidade: Tecnologia da Informação

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:

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.

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.

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.

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.

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.

#Questão 1127598 - Engenharia de Software, Scrum, IF SU, 2025, IF Sul Rio-Grandense, Professor EBTT - Área 04: Gestão e Negócios I

Leia o excerto a seguir:

“A ideia principal do Scrum é controlar processos empíricos, mantendo o foco na entrega de valor de um negócio no menor tempo possível.”

(CRUZ, Fábio. Scrum e PMBOK: unidos no gerenciamento de projetos. Rio de Janeiro, RJ: Brasport, 2013).

Conforme Cruz (2013), para a implementação de qualquer controle de processos empíricos, são necessários os seguintes pilares de sustentação:

agilidade, flexibilidade e adaptação.

transparência, inspeção e adaptação.

transparência, flexibilidade e agilidade.

agilidade, flexibilidade e inspeção.

Navegue em mais matérias e assuntos

Banco de Dados
Programação

É uma simples e poderosa ferramenta para te ajudar a passar nos melhores Concursos Públicos. Temos milhares de questões de provas anteriores para praticar totalmente grátis e muito conteúdo para concurso.

Questões de Concurso

Questões de Português
Questões de Raciocínio Lógico
Questões de Atualidades
Questões de Direito Constitucional
Questões de Direito Penal
Questões de Direito Administrativo

Provas por Banca

CESPE
Fundação Carlos Chagas - FCC
Fundação Getúlio Vargas - FGV
Cesgranrio
VUNESP
UPENET/IAUPE

Institucional

Fale Conosco
Política de Privacidade
Termos de Uso

Feito por DEZ PONTOS SERVICOS DIGITAIS