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

Palavra-chave

Disciplina

Assunto

Tópico

Banca

Órgão

Ano

Cargo

Modalidade

Limpar filtros

113 questões encontradas

ID 6153 Informática Banco de Dados CESGRANRIO 2021

Um pesquisador conseguiu uma base de dados que mostrava terrenos classificados de acordo com: características físicas; tipo de negócio a ser nele implantado; risco esperado, que compreendia os rótulos alto, médio, baixo ou nenhum. Decidiu, então, usar um algoritmo de aprendizado de máquina que, a partir das características físicas do terreno e do tipo de negócio a ser nele implantado, aprenderia a determinar o risco esperado, enquadrando o terreno em questão em um daqueles rótulos. Nesse cenário, que algoritmo de aprendizado de máquina é indicado para resolver esse problema?

A PCA

B K-NN

C DBSCAN

D K-Medoids

E Redes de Kohonen

ID 6152 Informática Banco de Dados CESGRANRIO 2021

Após um treinamento em SQL padrão 2008, compatível com ambiente MS SQL Server 2008, um escriturário do Banco Z precisou utilizar os conhecimentos adquiridos para criar uma tabela no sistema de banco de dados desse Banco. A tabela a ser criada é de fornecedores, e tem os seguintes campos: CNPJ, nome do fornecedor e país de origem. As características gerais da tabela são: o campo CNPJ é chave primária e contém 14 caracteres, sendo que os caracteres devem se ater aos numéricos [“0” a “9”], e o caractere zero “0” não pode ser ignorado, seja qual for a posição dele (início, meio ou fim da chave); o campo NOME contém 20 caracteres e aceita valor nulo; o campo PAIS contém 15 caracteres e não aceita valor nulo. Nesse contexto, o comando SQL2008 que cria uma tabela com as características descritas acima é

A CREATE TABLE Fornecedores (CNPJ INTEGER PRIMARY KEY, NOME VARCHAR(20) ACCEPT NULL, PAIS VARCHAR(15) NOT NULL)

B CREATE TABLE Fornecedores (CNPJ CHAR(14) PRIMARY KEY, NOME VARCHAR(20), PAIS VARCHAR(15) NOT NULL)

C CREATE TABLE Fornecedores (CNPJ CHAR(14) NOT NULL, NOME VARCHAR(20) NOT NULL, PAIS VARCHAR(15))

D CREATE TABLE Fornecedores (CNPJ CHAR(14), NOME VARCHAR(20) NOT NULL, PAIS VARCHAR(15) NOT NULL), PRIMARY KEY (CNPJ)

E CREATE TABLE Fornecedores (CNPJ INTEGER(14) NOT NULL, NOME VARCHAR(20), PAIS VARCHAR(15) NOT NULL), PRIMARY KEY (CNPJ)

ID 6151 Informática Banco de Dados CESGRANRIO 2021

Para que fosse mais fácil entender um sistema em desenvolvimento, um desenvolvedor usou um modelo de dados relacional (protótipo) mais simples do que o do banco de dados do sistema corporativo original, sendo que ambos utilizavam o mesmo SGDB PostgreSQL. Cabe ressaltar que esse protótipo utilizava apenas um subconjunto dos dados do sistema corporativo original e realizava apenas consultas. Uma forma de garantir que os dados desse protótipo estejam sempre completamente atualizados em relação aos dados reais, com baixo impacto tanto na operação quanto no desempenho do sistema corporativo original, é

A criar apenas VIEWS no protótipo, definidas com consultas sobre as tabelas do sistema corporativo original.

B implantar TRIGGERS a cada INSERT, em todas as tabelas do sistema corporativo original, atualizando as tabelas do protótipo.

C implantar TRIGGERS de atualização a cada SELECT, em todas as tabelas do protótipo.

D particionar as tabelas da base do sistema corporativo original escolhendo um RANGE adequado ao trabalho do protótipo.

E utilizar DUMP da base do sistema corporativo original e PSQL para a base do protótipo, a cada seção de trabalho, para atualizar a base do protótipo.

ID 6150 Informática Banco de Dados CESGRANRIO 2021

Ao desenvolver um Data Warehouse para o Banco W, um programador decidiu criar um modelo conceitual com base no modelo estrela para cada fato analisado. Ao criar a primeira tabela fato, relativa ao valor e ao prazo de empréstimos, foram identificadas as seguintes dimensões, com os seus atributos descritos em parênteses: tempo (dia, mês e ano), agência (estado, cidade, bairro e número da agência), produto (nome do produto e juros do produto) e cliente (conta e nome do cliente). Segundo as regras e as práticas da modelagem dimensional, e usando a granularidade mais baixa, que atributos devem constar da tabela fato?

A fato_id, dia, mes, ano, estado, cidade, bairro, numero_agencia, nome_produto, juros_mensais_produto, conta_cliente, nome_cliente, valor_emprestimo, prazo_emprestimo

B fato_id, emprestimo_id, valor_emprestimo, prazo_emprestimo

C fato_id, tempo_id, agencia_id, produto_id, cliente_id, emprestimo_id

D fato_id, tempo_id, agencia_id, produto_id, cliente_id, dia, mes, ano, estado, cidade, bairro, numero_agencia, nome_produto, juros_mensais_produto, conta_cliente, nome_cliente, valor_emprestimo, prazo_emprestimo

E fato_id, tempo_id, agencia_id, produto_id, cliente_id, valor_emprestimo, prazo_emprestimo

ID 6149 Informática Banco de Dados CESGRANRIO 2021

Na etapa de preparação de dados em um ambiente de Big Data, pode ocorrer o aparecimento de dados ruidosos, que são dados fora de sentido no ambiente do Big Data e que não podem ser interpretados pelo sistema. Uma forma de reduzir esse efeito, e até eliminá-lo, é utilizar um método de suavização de dados, que minimiza os efeitos causados pelos dados ruidosos. Esse método consiste em

A agrupar dados semelhantes em clusters, verificar os dados que se apresentam como ruidosos e não os inserir no ambiente de Big Data, substituindo cada um desses dados ruidosos pelo valor NULL.

B criar um cubo de dados multidimensional para acelerar a identificação e a eliminação dos dados ruidosos encontrados, e, neste caso, os dados assumem valores predefinidos no momento do pré-processamento.

C dividir os valores dos dados originais em pequenos intervalos, denominados compartimentos, e, em seguida, substituí-los por um valor geral, ou genérico, calculado para cada compartimento específico.

D executar uma fusão de dados, tendo como base dados vizinhos, e obter novas variáveis que irão preencher os espaços incoerentes dentro do Big Data, eliminando o ruído.

E realizar uma ação de Data Mining com atributos que se pareçam com dados ruidosos, gerando novos atributos, classificados como atributos “fantasmas”, sem valor para o tratamento do Big Data.

ID 6148 Informática Banco de Dados CESGRANRIO 2021

Um banco comercial deseja obter um tipo de banco de dados NoSQL que trate os dados extraídos de redes sociais, de modo a formar uma coleção (collection) interconectada. Nessa coleção (collection), os dados são organizados em vértices ou objetos (O) e em relacionamentos, que são relações (R) ou arestas. Nesse modelo de banco de dados NoSQL, os dados seriam apresentados da seguinte forma: O:Usuario{u1:Joao, u2:Jose, u3:Maria, u4:Claudio} O:Escola{e1:UFRJ, e2:URGS, e3:IFB} R:Estudaem{re1=u1:e2;re2=u2:e2;re3=u3:e1;re4=u4:e3} R:Amigode{ra1=u1:u2;ra2=u1:u3;ra3=u2:u3} O banco de dados NoSQL que representa essa situação deve ter uma estrutura do tipo

A Distribuided Hashing

B Consistent Hashing

C Document Oriented

D Graph Oriented

E Vector Clock

ID 6147 Informática Banco de Dados CESGRANRIO 2021

Um administrador de um banco de dados construído por meio do MongoDB inseriu dados em uma coleção (collection) de dados da seguinte forma: db.fornecedores.insert( { codigo: “thx1138“, nome: “Roupas Syfy ltda“, pais: “Arabia Saudita“ } ) Posteriormente, esse administrador construiu uma consulta que retornou apenas o nome, sem repetição, de todos os países que fazem parte dessa coleção (collection). O comando utilizado para tal consulta foi

A db.fornecedores.find("pais")

B db.fornecedores.find().pretty({"pais":1})

C db.fornecedores.find().sort({"pais":1})

D db.fornecedores.distinct({"pais":0})

E db.fornecedores.distinct( "pais" )

ID 6146 Informática Banco de Dados CESGRANRIO 2021

Uma empresa precisa implementar um sistema Big Data para controlar a movimentação dos produtos que a empresa oferece. Esse sistema precisa estar com a configuração de dados como sendo um fato, que seria um evento de ocorrência, como, por exemplo: as compras de um determinado insumo, em um determinado fornecedor e em um determinado instante. Para tal finalidade, esse sistema a ser implementado deverá estar organizado segundo a configuração de

A Cubo de dados

B Tuplas estáticas

C Matriz de ocorrência

D Documentos lineares

E Subconjunto de atributos

ID 144818 Informática Banco de Dados FCC 2018

Dentre os diversos tipos de bancos de dados, existe o denominado bancos de dados objeto-relacionais, que tem como fundamento a

A duplicação das tabelas componentes de um banco de dados originalmente relacional.

B incorporação de características e recursos da orientação a objetos nos bancos de dados originalmente relacionais.

C eliminação do conceito de atributos, existente nos bancos de dados originalmente relacionais.

D transformação de todas as tabelas de um banco de dados originalmente relacional em uma única classe da orientação a objetos.

E substituição do conceito representado pelas propriedades ACID pelo teorema CAP.

ID 144806 Informática Banco de Dados FCC 2018

Considerando a replicação de tabelas em bancos de dados relacionais, se a maioria dos acessos for apenas de leitura de uma tabela T, vários locais podem processar consultas de forma paralela, envolvendo acesso a essa tabela T. Tal característica é denominada

A sobrecarga atenuada.

B transparência parcial.

C transação em duas fases.

D transparência de replicação.

E paralelismo aumentado.