Painel Geral
Concursos
Aulas
Questões
Entrar
Carregando o concurso…
Montando seus temas…
Voltar
Temas
Inteligência Artificial
Inteligência artificial
Cargo
Analista Judiciário – TI – Inteligência Artificial
Fazer questões aleatórias de Inteligência artificial
Estamos preparando questões pra esse tema
Começar agora
Subtemas
Aprendizado de máquina não supervisionado: K-Means e agrupamento hierárquico
Fazer questões
Processamento de linguagem natural: pré-processamento de texto (tokenização, stemming, lematização e remoção de stop words); representação de texto: TF-IDF e word embeddings
Fazer questões
Arquitetura Transformer e modelos de linguagem grandes (LLMs); engenharia de prompt
Fazer questões
Integração com APIs de IA (OpenAI, Hugging Face) e frameworks de orquestração (LangChain); geração aumentada por recuperação (RAG); busca vetorial: embeddings, similaridade e índice vetorial
Fazer questões
Governança algorítmica: avaliação de impacto algorítmico, transparência, explicabilidade, auditabilidade e supervisão humana; normas do CNJ sobre IA no Judiciário: vedações e limites de uso de IA em atos decisórios
Fazer questões
Segurança de aplicações de inteligência artificial: prompt injection, jailbreak e ataques adversariais; validação e sanitização da saída de LLMs; vazamento de dados e de contexto em aplicações de IA; postura de retenção zero
Fazer questões
Ciclo de desenvolvimento de modelos de aprendizado de máquina: divisão em conjuntos de treino, validação e teste, validação cruzada, sobreajuste (overfitting) e subajuste (underfitting), regularização e ajuste de hiperparâmetros
Fazer questões
Avaliação de modelos: matriz de confusão, acurácia, precisão, revocação (recall), F1-score, curva ROC e AUC; métricas de regressão (MAE, RMSE e R²)
Fazer questões
Redes neurais e aprendizado profundo (deep learning): perceptron multicamadas, funções de ativação, retropropagação (backpropagation), redes convolucionais (CNN) e redes recorrentes (RNN e LSTM)
Fazer questões
MLOps: versionamento de dados e de modelos, implantação (deploy) e monitoramento de modelos em produção, deriva de dados e de conceito (data drift e concept drift)
Fazer questões
Vieses e equidade em modelos de IA: fontes de viés nos dados e nos modelos, métricas de equidade (fairness) e técnicas de explicabilidade (SHAP e LIME)
Fazer questões
Assistir às aulas deste tema
41 aulas disponíveis
