QuestLab Plataforma Inteligente de Questões
Entrar Criar conta
Banco público de questões

Questões para Concursos

Pesquise questões reais por disciplina, assunto, tópico, banca, órgão, cargo, ano e modalidade.

Questões por banca

29 bancas disponíveis. Clique para visualizar todas.

Acesse diretamente as bancas disponíveis na QuestLab. As quantidades abaixo consideram as questões ativas do banco.

CEBRASPE 51.363 questões FGV 25.316 questões FCC 24.632 questões AOCP 23.456 questões IBFC 11.190 questões VUNESP 10.983 questões Instituto Quadrix 9.793 questões FUNDATEC 9.088 questões IBADE 7.820 questões CESGRANRIO 6.013 questões OBJETIVA 4.740 questões CONSULPLAN 4.174 questões FEPESE 3.585 questões IADES 3.439 questões IESES 2.627 questões SELECON 2.377 questões IDECAN 1.907 questões MS CONCURSOS 1.485 questões Instituto Legalle 1.281 questões FAFIPA 1.161 questões FUMARC 842 questões ACAFE 551 questões INSTITUTO AOCP 430 questões NUCEPE 378 questões FUNIVERSA 348 questões FAURGS 203 questões FIOCRUZ 48 questões MACKENZIE 48 questões CETRO 17 questões
Encontre as questões que procura
Limpar filtros
52 questões encontradas
ID 30685 Banco de Dados Banco de Dados FGV 2024

No contexto da Visualização de Dados, relacione os tipos de dados a seguir com sua representação visual adequada: 1. Séries Temporais 2. Dados Multivariados 3. Dados Espaciais 4. Dados Categóricos

( ) Matriz de dispersão

( ) Mapa de Calor

( ) Gráfico de índice/linha

( ) Gráfico tipo pizza Assinale a opção que indica a relação correta, na ordem apresentada.

A 1 – 2 – 3 – 4.
B 2 – 1 – 4 – 3.
C 2 – 3 – 1 – 4.
D 3 – 2 – 1 – 4.
E 4 – 1 – 3 – 2.
ID 30676 Banco de Dados Banco de Dados FGV 2024

Com relação aos modelos de dados em aplicações de bancos de dados, a prática adotada em muitos casos é um modelo progressivo, baseado em níveis de abstração. Assinale esses níveis, na ordem em que são usualmente empregados nessa estratégia.

A Modelo conceitual – Modelo funcional – Modelo físico.
B Modelo conceitual – Modelo lógico – Modelo físico.
C Modelo funcional – Modelo conceitual – Modelo lógico.
D Modelo funcional – Modelo lógico – Modelo físico.
E Modelo lógico – Modelo físico – Modelo funcional.
ID 30551 Banco de Dados Banco de Dados FGV 2024

A equipe de TI do TCE-PA está implementando o ElasticSearch para melhorar a busca e análise de seus dados corporativos. Para garantir a alta disponibilidade, tolerância a falhas e auxiliar na performance durante a busca dos dados, a organização deve configurar

A Índices.
B Documentos.
C Shards.
D Réplicas.
E Nós adicionais.
ID 29738 Banco de Dados Banco de Dados FGV 2024

Sobre dados no formato NetCDF4, assinale a afirmativa incorreta .

A São auto descritivos e anexáveis ( appendable ).
B São auto descritivos e não-anexáveis ( non-appendable ).
C Podem ser lidos independente da ordem de bytes do sistema ( endianess ).
D Podem ser lidos por mais de um usuário ao mesmo tempo.
E Tem certo grau de interoperabilidade com o formato HDF5.
ID 29737 Banco de Dados Banco de Dados FGV 2024

Sobre os formatos NetCDF4 e HDF5, no contexto de armazenamento e processamento de dados científicos, assinale a afirmativa correta.

A HDF5 e NetCDF4 não suportam compressão de dados.
B HDF5 é otimizado para o armazenamento de dados hierárquicos, enquanto NetCDF4 não oferece suporte a estruturas hierárquicas.
C NetCDF4 é uma interface de alto nível baseada no formato HDF5, permitindo armazenamento de dados multidimensionais.
D NetCDF4 não suporta o armazenamento de dados multidimensionais, enquanto HDF5 é otimizado para isso.
E HDF5 foi criado para substituir o formato NetCDF4, e adiciona funções como suporte para metadados ricos.
ID 29429 Banco de Dados Banco de Dados FGV 2024

Visando a maximizar a eficiência de uma equipe de auditores fiscais, um sistema de classificação de documentação foi encomendado à equipe de ciência de dados, com o objetivo de decidir, com base nos documentos obtidos durante uma fiscalização, se um exame detalhado de documentação é ou não necessário. Idealmente, o sistema permitiria aos auditores direcionar mais tempo às auditorias complexas e agilizar a análise dos casos mais simples, otimizando o custo de pessoal e equipamento especializado. Contudo, não examinar detalhadamente um caso complexo pode custar muito caro ao governo, a ponto de anular quaisquer ganhos obtidos usando o sistema com um pequeno número de erros. Considerando esse cenário, e o fato de o sistema de classificação responder apenas “sim” ou “não” quanto à necessidade de exame detalhado, a métrica de classificação a ser maximizada pela equipe que irá implementar o sistema é:

A acurácia;
B revocação;
C F1-score;
D precisão;
E AUC.
ID 29428 Banco de Dados Banco de Dados FGV 2024

Para ser utilizado em um modelo neural de regressão, um conjunto de dados precisa ser tratado de tal forma que todos os atributos de entrada sejam representados como um ou mais valores numéricos no intervalo [0, 1]. Os atributos de uma observação são: idade (inteiro >= 18), escolaridade (fundamental, médio, superior, pós-graduação), estado de residência (Acre, Alagoas, …, Tocantins, incluindo Distrito Federal) e local de trabalho (empresa, home office, misto). O número mínimo de valores necessários para representar uma observação com os atributos acima descritos para o modelo de regressão, de forma que não ocorra perda de informação ordinal nem inserção de vieses nos dados, é:

A 4;
B 10;
C 16;
D 32;
E 35.
ID 29427 Banco de Dados Banco de Dados FGV 2024

Ao receber um conjunto de dados para elaborar um modelo preditivo, uma equipe de analistas de dados percebeu que havia uma quantidade significativa de dados faltantes em certos atributos. Foi então debatido o uso de duas técnicas para lidar com esse problema:

( 1 ) remoção de observações contendo dados ausentes e

( 2 ) “inputação” multivariável, sendo que apenas uma das duas seria aplicada. Duas características do conjunto de dados que devem ser prioritariamente consideradas na escolha entre as duas técnicas são:

A o intervalo dos atributos com dados faltantes e a fração de dados faltantes;
B o número de observações e a fração de dados faltantes;
C a fração de atributos com dados faltantes e o intervalo dos atributos com dados faltantes ;
D uma medida de dependência estatística entre os atributos e a fração de atributos com dados faltantes;
E o número de observações e uma medida de dependência estatística entre os atributos.
ID 29425 Banco de Dados Banco de Dados FGV 2024

Uma certa organização gostaria de compartilhar dados com um grupo de pesquisadores de uma universidade para a condução de um estudo sobre problemas ergonômicos nos seus escritórios. Entre os dados coletados, há informações sensíveis sobre seus funcionários; portanto, o responsável pela coleta decidiu anonimizar os dados. Isso foi feito removendo-se nomes e outros campos identificadores e adicionando-se um número identificador próprio a cada funcionário. Dessa forma, a identidade dos funcionários seria preservada. Após a verificação de uma amostra, o pesquisador responsável pelo estudo recomendou medidas que deveriam ser aplicadas antes que os dados pudessem ser aceitos para o estudo. O problema que mais provavelmente motivou a recomendação do pesquisador e uma medida que pode mitigar esse problema são, respectivamente:

A os dados podem ser reidentificados usando uma combinação dos campos restantes ? embaralhamento dos campos;
B o número identificador não é suficiente para separar os dados ? hashing usando os campos restantes;
C os dados podem ser reidentificados utilizando dados externos ao conjunto compartilhado ? privacidade diferencial;
D os dados podem ser reidentificados através de engenharia reversa do número identificador ? randomização não linear dos identificadores;
E o campos restantes podem ser usados para deduzir informação não inclusa no conjunto de dados ? k-anonimato.