11 min de leitura
Atualizado em
Inteligência Artificial para Concursos: ML e Deep Learning
Inteligência Artificial (IA) é o campo da computação que cria sistemas capazes de reproduzir tarefas e decisões humanas a partir de dados e algoritmos. As bancas cobram os tipos de IA, a diferença entre Machine Learning e Deep Learning e as pegadinhas de Excel (limite de 1.048.576 linhas).

Este guia reúne o que cai sobre IA, Machine Learning e Deep Learning, mais as pegadinhas de Excel que costumam aparecer na mesma prova de informática, do conceito mais simples ao mais cobrado.
Índice
O que é Inteligência Artificial e como ela surgiu?
Quais são os tipos de IA cobrados em concursos?
O que é Machine Learning e quais são os tipos de aprendizado?
O que é Deep Learning e como ele aprende?
Qual a diferença entre Machine Learning e Deep Learning?
Como usar a IA para estudar para concursos?
Quais são os riscos da IA em provas e correções?
O que mais cai de Excel nos concursos?
Como estudar IA e Excel para chegar à aprovação?
Perguntas Frequentes sobre Inteligência Artificial para Concursos
O que é Inteligência Artificial e como ela surgiu?
A Inteligência Artificial (IA, ou AI em inglês) reúne técnicas que permitem a máquinas e programas imitar o raciocínio humano na tomada de decisões e na execução de tarefas. O sistema coleta grandes volumes de dados, identifica padrões e segue algoritmos pré-programados.
Um algoritmo é uma sequência finita de instruções criada para resolver um problema específico, o "passo a passo" que a máquina segue. Aprofunde em algoritmos e lógica de programação.
Qual é a origem da IA?
Em 1950, Alan Turing propôs o "jogo da imitação" para avaliar se uma máquina consegue imitar o pensamento humano. O termo "inteligência artificial" foi cunhado por John McCarthy na proposta do encontro de Dartmouth, em 1956. Em 1965, o sistema Dendral, de Stanford, tornou-se um dos pioneiros da área.
Onde a IA aparece no dia a dia?
Aparece em assistentes de voz (Siri, Alexa e Google Assistente), no reconhecimento facial de celulares e bancos, nos algoritmos de recomendação das redes sociais, nos mecanismos de busca e nos carros autônomos. Entre as vantagens estão a precisão, o trabalho ininterrupto e a automação de tarefas repetitivas. Entre os riscos estão o viés algorítmico (dados desequilibrados geram discriminação), as "caixas-pretas" sem explicabilidade, o custo de implementação e a proteção de dados pessoais.
Quais são os tipos de IA cobrados em concursos?
A IA pode ser classificada pela capacidade de aprendizado e pela funcionalidade. Memorize os dois grupos da tabela.
Critério | Tipo | Característica |
|---|---|---|
Capacidade | IA limitada (ANI) | Executa uma tarefa específica; é a maioria das IAs atuais |
Capacidade | IA geral (AGI) | Aprenderia como um humano; ainda é teórica |
Capacidade | Superinteligência | Superaria a inteligência humana em tudo; permanece hipótese |
Funcionalidade | Máquinas reativas | Reagem ao cenário dado, sem memória; é a forma mais antiga |
Funcionalidade | Memória limitada | Decide com base em comportamentos anteriores gravados |
Funcionalidade | Teoria da mente | Compreenderia emoções e pensamentos; em desenvolvimento |
Funcionalidade | Autoconsciente | Teria pensamentos próprios; ainda é hipótese |
O que é Machine Learning e quais são os tipos de aprendizado?
Machine Learning (aprendizado de máquina) é um subcampo da IA em que algoritmos aprendem com dados e melhoram com a experiência, sem regras escritas para cada caso. Costuma usar dados estruturados, organizados em linhas e colunas, e dados rotulados, que recebem uma identificação para dar contexto.
Aprendizado supervisionado
O algoritmo treina com dados rotulados, em que entradas e saídas desejadas são conhecidas. Serve para classificação (spam ou não spam) e para prever valores contínuos (preço de imóveis).
Aprendizado não supervisionado
Os dados não têm rótulo, e o sistema busca estruturas por conta própria. Agrupa itens por similaridade (segmentação de clientes), identifica anomalias (fraudes) e reduz o número de variáveis.
Aprendizado semi-supervisionado
Combina um pequeno conjunto de dados rotulados com muitos dados sem rótulo. É usado em tradução de idiomas e na rotulação automática de grandes volumes de dados.
Aprendizado por reforço
Ensina processos com vários passos: o algoritmo busca recompensas ao cumprir o objetivo e evita punições ao desviar dele, como no adestramento de um animal. Aparece em robótica, bots de videogame e realocação de recursos.
Na prática, o ML está em sistemas de recomendação (Netflix), detecção de fraudes e de malwares e manutenção preditiva de equipamentos.
O que é Deep Learning e como ele aprende?
Deep Learning (aprendizado profundo) é um subcampo do Machine Learning baseado em redes neurais artificiais, inspiradas no cérebro: nós conectados e organizados em camadas que refinam as previsões. Destaca-se com dados não estruturados, como textos, imagens, áudios, vídeos e e-mails, e sustenta o processamento de linguagem natural (ChatGPT, tradutores), o reconhecimento de voz e a visão computacional.
Quais são os métodos de treinamento do Deep Learning?
Learning rate decay: a taxa de aprendizagem começa alta e diminui com o tempo, para acelerar o treino sem "pular" o ponto ideal.
Transfer learning: reaproveita um modelo já treinado em tarefa semelhante, o que exige menos dados e menos tempo.
Training from scratch: constrói o modelo do zero, com uma grande base rotulada e treino que pode levar semanas.
Dropout: desativa neurônios aleatoriamente durante o treino para evitar o overfitting, quando o modelo decora os dados de treino e falha com dados inéditos.
Qual a diferença entre Machine Learning e Deep Learning?
A hierarquia é: a IA contém o Machine Learning, que contém o Deep Learning. Dentro dela, as diferenças mais cobradas são estas.
Característica | Machine Learning | Deep Learning |
|---|---|---|
Hierarquia | Subcampo da IA | Subcampo do Machine Learning |
Tipo de dados | Principalmente estruturados | Principalmente não estruturados |
Volume de dados | Milhares de registros | Milhões de registros, com redes neurais |
Treinamento | Em geral mais rápido | Em geral mais lento (pode levar semanas) |
Intervenção humana | Maior | Menor, com aprendizado mais autônomo |
Explicabilidade | Mais fácil de explicar | Mais difícil ("caixa-preta") |
"Machine Learning e Deep Learning são sinônimos de Inteligência Artificial."
A afirmação está errada. A IA é o campo mais amplo: o Machine Learning é um subcampo dela, e o Deep Learning é um subcampo do Machine Learning.
Como usar a IA para estudar para concursos?
A IA generativa pode tornar a rotina mais eficiente, desde que você confira tudo na lei seca e no edital.
Prova oral: envie seus resumos e peça que o chatbot aja como examinador, com perguntas sobre o conteúdo.
Cronograma: informe as matérias do edital e o tempo disponível para receber um plano equilibrado, com revisão.
Treino de leitura da lei: cole um texto legal, como o art. 5º da Constituição, e peça perguntas para testar a compreensão.
Resumos e explicações: Copilot, ChatGPT e Gemini resumem textos longos e simplificam conceitos difíceis.
Redação: ferramentas apontam melhorias segundo critérios de banca, como apoio e não como nota oficial.
Quais são os riscos da IA em provas e correções?
Como ferramenta de estudo, a IA ajuda. Na elaboração e na correção de provas, porém, aparecem falhas de formulação (enunciados ambíguos sem revisão humana), viés algorítmico (dados mal representados que discriminam grupos de candidatos) e falta de transparência, já que sistemas em "caixa-preta" dificultam auditar os critérios.
Há ainda o aumento de recursos e contestações, a lacuna de regras claras para atribuir responsabilidade por decisões automatizadas e o tratamento de dados pessoais, regido pela Lei Geral de Proteção de Dados (Lei 13.709/2018). Em discursivas, a IA ainda não substitui a correção humana, que exige interpretação e julgamento de contexto.
O que mais cai de Excel nos concursos?
O Excel é transversal: aparece em quase toda prova de informática e em conteúdos de análise de dados. Para a base, veja as operações básicas do Excel.
Como é a estrutura do Excel e quais são seus limites?
O arquivo é a pasta de trabalho (extensão .xlsx), que contém planilhas, formadas por linhas e colunas. A célula é o encontro de uma linha com uma coluna, e o endereço vem sempre como coluna e linha: a terceira coluna, quarta linha é C4. Revise em células, planilhas e pastas de trabalho.
Os limites são 1.048.576 linhas e 16.384 colunas (de A até XFD). A coluna que vem depois da Z é a AA. Pegadinha de versão: até o Excel 2010, uma pasta nascia com 3 planilhas; desde o Excel 2013, nasce com uma.
Qual é a ordem de precedência dos operadores?
Toda fórmula começa com =. A ordem é: parênteses, exponenciação (^), multiplicação e divisão, e por fim adição e subtração, com operadores de mesmo nível resolvidos da esquerda para a direita. O operador & concatena textos. Em =2+2*2^2, calcula-se 2^2=4, depois 2*4=8 e por fim 2+8=10. Mais em fórmulas básicas do Excel.
Como funcionam as referências relativa, absoluta e mista?
Na relativa (A1), linha e coluna se ajustam ao copiar a fórmula. Na absoluta ($A$1), nada muda. Na mista, o cifrão trava só a coluna ($A1) ou só a linha (A$1).
Para copiar uma fórmula, veja quantas colunas e linhas o destino avançou e aplique o ajuste apenas onde não há cifrão. A fórmula =$D1+E$2, copiada de A1 para B4, avança 1 coluna e 3 linhas, e vira =$D4+F$2.
"Ao copiar uma fórmula, a referência $B$2 é ajustada para a nova posição."
A afirmação está errada: em referência absoluta, linha e coluna ficam congeladas.
Como calcular intervalo, união e interseção?
Os dois pontos (:) formam um intervalo contínuo e retangular: A1:A5 vai de A1 até A5. O ponto e vírgula (;) une células separadas: A1;A5 são só duas células. Para contar células de A10:A16, use linha final menos inicial mais 1, ou seja, 7.
A interseção (operador espaço) é a área comum. O macete é pegar o maior dos menores e o menor dos maiores. Em B5:G10 e E7:H14, os maiores dos menores são E e 7, e os menores dos maiores são G e 10, logo a interseção é E7:G10, com 3 colunas por 4 linhas, ou 12 células. O cifrão não interfere.
Como o Excel usa nomes para células e intervalos?
Uma célula pode receber um nome, como COTACAO_DOLAR, e a fórmula =B2*COTACAO_DOLAR substitui =B2*E$2. A banca pode trocar endereços por nomes: procure o valor da célula nomeada.
Como estudar IA e Excel para chegar à aprovação?
Priorize a diferença entre ML e DL, os tipos de aprendizado, os riscos da IA e, no Excel, referências, intervalos e interseção. Pratique copiar fórmulas e confira a versão do Excel citada em cada enunciado.
Para ampliar o conteúdo, consulte o guia de Informática para concursos.
Veja também as fórmulas mais importantes do Excel.
Treine com questões gratuitas de informática na plataforma de estudos do Volitivo e consulte o material de apoio para concursos.
Referências Bibliográficas
IBM. IA, aprendizado de máquina, deep learning e redes neurais: qual a diferença?
MICROSOFT. Especificações e limites do Excel
BRASIL. Lei nº 13.709, de 14 de agosto de 2018 (LGPD)
Perguntas Frequentes sobre Inteligência Artificial para Concursos
Qual a melhor inteligência artificial para estudar para concurso?
Não há uma única melhor. ChatGPT, Gemini e Copilot ajudam a resumir textos, montar cronogramas e simular prova oral. Escolha a que explica melhor para você e confirme sempre na lei ou no edital.
Quais são os tipos de Machine Learning?
Os três principais são aprendizado supervisionado, não supervisionado e por reforço. O semi-supervisionado combina os dois primeiros e também é cobrado.
Qual a diferença entre IA, Machine Learning e Deep Learning?
A IA é o campo mais amplo. O Machine Learning é um subcampo dela, e o Deep Learning é um subcampo do Machine Learning, baseado em redes neurais.
A IA pode substituir a correção humana em concursos?
Não integralmente. Em questões discursivas, a interpretação e o julgamento de contexto ainda exigem supervisão humana.
Quais são os limites de linhas e colunas do Excel?
O Excel tem 1.048.576 linhas e 16.384 colunas, da A até a XFD.