Pular para o conteúdo principal

Questão de Engenharia de Software — Inteligencia Artificial — CESPE / CEBRASPE 2025

Engenharia de SoftwareInteligencia Artificial
Código
ce198150
Banca
CESPE / CEBRASPE
Órgão
EMBRAPA
Ano
2025
Nível
Superior
Cargo
Analista - Área: Ciências Biológicas - Subárea: Biologia Avançada e Bioinformática
Acerca dos algoritmos de machine learning, deep learning, de técnicas de inteligência artificial generativa e LLM e dos softwares MAKER e Trinity, julgue o próximo item.LLM é uma rede neural artificial baseada em aprendizado profundo, com treinamento em grandes quantidades de dados textuais, o que lhe permite reconhecer, traduzir, prever e gerar dados.
  1. CCerto
  2. EErrado
Revelar gabarito e comentário

GabaritoC — Certo

Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.

Large Language Models (LLM)

Gabarito: ✅ CERTO. A afirmação está correta. LLMs são, de fato, redes neurais artificiais baseadas em aprendizado profundo (deep learning), treinadas em grandes volumes de dados textuais. Esse treinamento permite que realizem tarefas como reconhecimento, tradução, previsão e geração de texto, conforme descrito.

A definição apresentada corresponde ao entendimento consolidado na literatura e na indústria sobre Large Language Models, como o GPT (Generative Pre-trained Transformer), que utilizam arquiteturas de transformers com bilhões de parâmetros e são pré-treinados em enormes corpora textuais.

1Base
Rede neural artificial
Aprendizado profundo (deep learning)
2Treinamento
Grandes volumes de dados textuais
3Capacidades
Reconhecer
Traduzir
Prever
Gerar
4Exemplo
GPT (Transformer)
Bilhões de parâmetros
LLM (Large Language Model)
LEVELsoulevel.com.br
LLM (Large Language Model): Base (Rede neural artificial, Aprendizado profundo (deep learning)); Treinamento (Grandes volumes de dados textuais); Capacidades (Reconhecer, Traduzir, Prever, Gerar); Exemplo (GPT (Transformer), Bilhões de parâmetros)

Gabarito: ✅ CERTO.

Link permanente: /questoes/ce198150