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
20 questões encontradas
ID 7390 Banco de Dados Big Data CEBRASPE 2026

No que se refere a Big Data , julgue o seguinte item. Value , pilar fundamental do Big Data, está relacionado à qualidade, à confiabilidade e à precisão dos dados, assim como à garantia de que esses dados não se tornem ruído.

A Certo
B Errado
ID 7153 Banco de Dados Big Data CEBRASPE 2026

A respeito de dados estruturados e não estruturados, de banco de dados NoSQL, de modelagem e normalização de dados e de Big Data , julgue o item a seguir. Sabendo-se que, no contexto da implementação de uma arquitetura de Big Data , o uso de um data lake distribuído para o armazenamento de dados brutos favorece a escalabilidade horizontal e a flexibilidade de esquemas, a adoção de formatos de arquivo colunares, como o Apache Parquet, é uma prática recomendada para otimizar a performance de leitura e reduzir o consumo de armazenamento por meio de técnicas de compressão e codificação eficientes.

A Certo
B Errado
ID 7152 Banco de Dados Big Data CEBRASPE 2026

Em arquiteturas de dados que seguem o padrão de medallion architecture , a ingestão de dados provenientes de sistemas transacionais é frequentemente realizada de forma incremental para minimizar o impacto nos bancos de produção. Uma das abordagens comuns utiliza ferramentas de CDC ( change data capture ) acopladas a sistemas de mensageria para alimentar um data lake ou cloud data warehouse . A esse respeito, julgue o item a seguir. No contexto de arquiteturas de dados modernas para auditoria e inteligência, a implementação de CDC integrada a um modelo ELT permite que os eventos de alteração de dados (DML) sejam ingeridos e persistidos no repositório central em seus formatos semiestruturados originais.

A Certo
B Errado
ID 22667 Banco de Dados Big Data FGV 2025

Um Tribunal está implementando uma solução para gerenciar seu vasto acervo digital, que inclui milhões de documentos digitalizados, gravações de áudio de sessões, vídeos de audiências e dados estruturados extraídos do sistema processual eletrônico. Para viabilizar análises futuras complexas (como mineração de dados, inteligência artificial e cruzamento de informações) e consultas avançadas, optou por armazenar inicialmente todos esses dados em um data lake. A principal vantagem da escolha inicial pelo data lake reside no fato de que ele permite:

A armazenar dados brutos em seu formato original sem exigir esquemas rígidos pré-definidos, mantendo a flexibilidade para futuras transformações.
B realizar automaticamente transformações complexas (ETL/ELT) e modelar os dados em tabelas altamente normalizadas, prontas para consulta analítica imediata.
C excluir de forma automatizada registros históricos considerados irrelevantes, reduzindo significativamente o volume total de dados armazenados e os custos associados.
D converter automaticamente todos os dados brutos em relatórios e dashboards visuais prontos para consumo pelos operadores do direito, sem necessidade de processamento adicional.
E restringir o acesso aos usuários apenas a conjuntos de dados previamente filtrados, resumidos e aprovados pela governança, garantindo máxima segurança desde o início.
ID 8304 Banco de Dados Big Data CEBRASPE 2025

Acerca de segurança da informação, bancos de dados e aprendizado de máquina, julgue o próximo item. Em geral, projetos de Big Data caracterizam-se por cinco diferentes atributos: valor, variedade, velocidade, veracidade e volume.

A Certo
B Errado
ID 32624 Banco de Dados Big Data FGV 2024

Em uma cidade inteligente, diversos dispositivos conectados, como sensores de trânsito, câmeras de segurança e medidores de energia, trocam informações entre si para otimizar o uso de recursos e melhorar a qualidade de vida dos cidadãos. Esse conceito é conhecido como

A Computação em Nuvem.
B Big Data.
C Inteligência Artificial.
D Internet das Coisas (IoT).
E Realidade Aumentada.
ID 31342 Banco de Dados Big Data FGV 2024

O conceito de Big Data engloba não apenas o volume de dados, mas também a variedade e a velocidade com que são produzidos os chamados 3Vs, os principais desafios ou dimensões do Big Data. Posteriormente, de acordo com o DAMA-DBOK, aos 3Vs iniciais foram adicionados outros 3Vs aos principais desafios ou dimensões do Big Data . São eles:

A veracidade, visualização e valor.
B valor, validade e visão.
C volatilidade, veracidade e validade.
D viscosidade, volatilidade e veracidade.
E validade, volatilidade e verossimilhança.
ID 30680 Banco de Dados Big Data FGV 2024

No contexto de análise de dados numéricos em aplicações de Big Data, há casos em que é necessário lidar com a identificação/isolamento de outliers. Uma das técnicas utilizadas nesses casos é baseada na fórmula a seguir. Z = (x – µ) / σ Na fórmula, “Z” é um fator (ou escore) que permite estabelecer se o valor numérico “x” deve ser considerado um outlier ou não. Os símbolos “µ” e “σ” empregados na fórmula significam respectivamente:

A desvio padrão; quantidade de valores avaliados.
B média aritmética; variância.
C mediana; quantidade de valores avaliados.
D média aritmética; desvio padrão.
E variância; desvio padrão.
ID 30473 Banco de Dados Big Data FGV 2024

A eficiência no armazenamento de dados é crucial para muitas organizações. Tecnologias como Amazon S3, CEPH e HDFS apresentam soluções adequadas a diferentes necessidades. Sobre esses modelos de armazenamento, avalie as afirmativas a seguir.

I. O Amazon Simple Storage Service utiliza um sistema de arquivos distribuídos, o que proporciona uma escalabilidade praticamente ilimitada.

II. O modelo CEPH é indicado para organizações que lidam com dados altamente sensíveis, como informações financeiras, jurídicas ou dados governamentais.

III. Dividir arquivos grandes em blocos de tamanho fixo aumenta a eficiência do HDFS no processamento de grandes volumes de dados, ou Big Data. Está correto o que se afirma em

A I, apenas.
B I e II, apenas.
C III, apenas.
D II e III, apenas.
E I, II e III.