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

64 questões encontradas

ID 46616 Banco de Dados Business Intelligence (BI), Data Warehousing e Data Mining Consulplan 2025

A Hemobrás deseja otimizar suas análises sobre o fornecimento de medicamentos derivados do sangue para hospitais atendidos pelo Sistema Único de Saúde (SUS). A equipe de TI precisa projetar um datamart para facilitar a geração de relatórios sobre a demanda de produtos. O objetivo é permitir consultas eficientes sobre o consumo de medicamentos por hospital, período e tipo de produto. Diante dessa necessidade, qual modelo de datamart é mais adequado para essa solução, considerando que a análise se baseia principalmente na quantidade de medicamentos distribuídos e suas características associadas?

A Um modelo de relação-entidade, estruturando as informações de maneira transacional, permitindo operações de inclusão e atualização mais eficientes.

B Um esquema de rede baseado em um modelo hierárquico, cujas relações entre medicamentos e hospitais são armazenadas em uma estrutura de grafos interconectados.

C Um esquema em estrela ( star schema ) com uma única tabela fato contendo os medicamentos distribuídos e tabelas dimensionais para hospitais, períodos e tipos de produtos.

D Um esquema normalizado com tabelas altamente relacionadas para reduzir redundâncias, garantindo a consistência dos dados, mesmo que impacte a performance das consultas.

ID 46615 Banco de Dados Business Intelligence (BI), Data Warehousing e Data Mining Consulplan 2025

Durante a implementação de um novo sistema de BI, a Hemobrás identificou que sua base de dados transacional possui diversas inconsistências, incluindo valores nulos para a quantidade de medicamentos distribuídos e registros duplicados de hospitais. Para garantir a qualidade dos dados antes de carregá-los em um data warehouse , a equipe de TI deve aplicar corretamente o processo de ETL. Qual das opções a seguir melhor descreve as etapas de extração, transformação e carga (ETL) necessárias para corrigir essas inconsistências antes da análise?

A Correção manual dos registros inconsistentes, garantindo que a equipe de TI revise todos os valores antes da extração para evitar que dados imprecisos sejam carregados.

B Armazenamento dos dados transacionais no data warehouse sem alterações, permitindo que a limpeza seja feita posteriormente pelos analistas de BI ao gerar os relatórios.

C Remoção de registros duplicados e tratamento de valores nulos na etapa de transformação, antes do carregamento no data warehouse , para assegurar a qualidade dos dados.

D Extração dos dados brutos da base transacional, seguida de um processo de carga direta no data warehouse para garantir que todas as informações originais sejam preservadas.

ID 23832 Banco de Dados Business Intelligence (BI), Data Warehousing e Data Mining FGV 2025

No contexto de Processamento de Linguagem Natural, a técnica de word embeddings é

A uma representação vetorial de palavras em um espaço de baixa dimensão, que preserva relações semânticas entre elas.

B um método de classificação que utiliza árvores de decisão para analisar o contexto das palavras.

C um modelo probabilístico que calcula a probabilidade condicional de uma sequência de palavras.

D uma técnica de visualização que organiza frases em categorias predefinidas.

E um tipo de filtragem de dados que remove palavras irrelevantes de um texto.

ID 23647 Banco de Dados Business Intelligence (BI), Data Warehousing e Data Mining FGV 2025

No planejamento e ao controle de projetos, uma prática avançada para garantir o alinhamento entre a execução do projeto e os objetivos estratégicos da organização é

A a criação de um cronograma baseado em prazos fixos e recursos alocados garante maior flexibilidade para ajustes durante a execução do projeto, reduzindo a necessidade de monitoramento constante.

B a análise de valor agregado ( Earned Value Management - EVM) combina informações sobre custo, cronograma e desempenho para medir o progresso do projeto, mas não permite identificar desvios em relação ao escopo planejado.

C a utilização de ferramentas como o método do caminho crítico (CPM) ajuda a identificar as atividades que possuem maior folga no cronograma, permitindo priorizar essas atividades para evitar atrasos no projeto.

D a definição de marcos ( milestones ) claros no planejamento do projeto é uma técnica essencial para monitorar o progresso, mas deve ser aplicada apenas em projetos de longa duração com alto nível de complexidade.

E a integração entre um Plano de Gerenciamento do Projeto e ferramentas de Business Intelligence (BI) permite monitorar indicadores em tempo real, promovendo ajustes ágeis para manter o projeto alinhado aos objetivos estratégicos.

ID 23610 Banco de Dados Business Intelligence (BI), Data Warehousing e Data Mining FGV 2025

Acerca dos algoritmos de mineração de dados, analise as afirmativas a seguir, e assinale (V) para a verdadeira e (F) para a falsa.

( ) Uma árvore de decisão é um grafo cíclico direcionado em que cada nó é um nó de divisão.

( ) Em uma rede neural artificial multicamadas os neurônios estão conectados a todos os neurônios da camada anterior.

( ) As máquinas de vetores de suporte (SVM - Support Vector Machine ) são aplicadas em problemas de classificação nos quais busca-se dividir os dados por meio de um hiperplano. As afirmativas são, respectivamente,

A V – V – F.

B V – F – V.

C F – V – F.

D F – F – V.

E V – V – V.

ID 23609 Banco de Dados Business Intelligence (BI), Data Warehousing e Data Mining FGV 2025

Sobre algoritmos de mineração de dados, avalie as afirmativas a seguir e assinale (V) para a verdadeira e (F) para a falsa.

( ) K-means, também conhecido como K-NN, é um algoritmo baseado na ideia de que objetos semelhantes estão próximos uns dos outros.

( )Árvore de decisão é uma estrutura hierárquica constituída por nós. Nela, o coeficiente de Gini de um nó é sempre maior do que o do seu nó pai.

( ) O algoritmo SVM, utilizado apenas para a tarefa de classificação, emprega classificadores lineares que separam o conjunto de dados por meio de hiperplanos, não sendo possível seu uso com problemas não linearmente separáveis. As afirmativas são, respectivamente,

A V – V – F.

B F – V – V.

C F – F – V.

D V – F – F.

E F – F – F.

ID 23607 Banco de Dados Business Intelligence (BI), Data Warehousing e Data Mining FGV 2025

Você, como analista de dados do TCE-RR, pode ser incumbido de utilizar um cubo OLAP para avaliar as auditorias do tribunal pelas dimensões cidade, tempo e custo. Considere que a análise possua a seguinte cadeia de ações: filtro para apenas considerar o último ano, detalhamento de ano para mês e agregação de mês para trimestre. A sequência de ações OLAP será:

A Slice, Drill Down e Roll Up.

B Slice Down, Roll Across e Drill Up.

C Slice, Dice e Roll Up.

D Dice, Drill Down e Roll Up.

E Dice, Drill Through e Drill Across.

ID 22973 Banco de Dados Business Intelligence (BI), Data Warehousing e Data Mining FGV 2025

A Mineração de Dados é a etapa do processo de KDD (Knowledge Discovery in Databases) responsável por extrair modelos de conhecimento a partir dos dados disponíveis. Após a construção desses modelos, é fundamental avaliar sua qualidade, o que exige compará-los com dados específicos para mensurar métricas que reflitam seu desempenho. Para garantir uma avaliação imparcial, os dados utilizados na criação do modelo não devem ser os mesmos empregados em sua validação. Assim, o processo de KDD deve utilizar, no mínimo, dois conjuntos distintos de dados: um conjunto de treinamento, para gerar o modelo, e um conjunto de testes, para avaliá-lo. Selecione a opção que identifica o método de particionamento de dados em que o “conjunto de treinamento” é gerado por N sorteios aleatórios com reposição a partir do conjunto de dados original (que contém N registros). Já o “conjunto de testes” é composto pelos registros não selecionados para o “conjunto de treinamento”.

A Holdout.

B Bootstrap.

C Leave-One-Out.

D K-Fold CrossValidation.

E Stratifield K-Fold CrossValidation.

ID 22844 Banco de Dados Business Intelligence (BI), Data Warehousing e Data Mining FGV 2025

A mineração de dados é um dos principais componentes do processo de descoberta de conhecimento em bases de dados (KDD - Knowledge Discovery in Databases ). Seu objetivo é extrair padrões relevantes, previamente desconhecidos, e potencialmente úteis a partir de grandes volumes de dados. Sobre a mineração de dados, assinale a afirmativa correta.

A A mineração de dados consiste exclusivamente na coleta e no armazenamento de dados em data warehouses, não envolvendo análises ou descobertas de padrões.

B O principal objetivo da mineração de dados é remover informações redundantes antes que elas sejam carregadas em sistemas transacionais.

C A mineração de dados utiliza técnicas estatísticas, de aprendizado de máquina e inteligência artificial para identificar padrões e relacionamentos em grandes volumes de dados.

D A mineração de dados deve ser aplicada somente em bancos de dados estruturados, sendo incompatível com dados não estruturados como texto ou imagens.

E Diferentemente da análise preditiva, a mineração de dados limita-se a gerar relatórios descritivos previamente definidos por especialistas.

ID 22669 Banco de Dados Business Intelligence (BI), Data Warehousing e Data Mining FGV 2025

Em ambientes de Business Intelligence (BI) e Data Warehousing, os processos de Extract, Transform, Load (ETL) são fundamentais para integrar dados provenientes de diferentes fontes, garantindo qualidade, consistência e disponibilidade para análises estratégicas. Em relação ao processo de ETL, assinale a afirmativa correta.

A A etapa de carga (Load) ocorre antes das etapas de extração e transformação, pois é necessário armazenar os dados para então processá-los.

B A transformação no ETL é responsável apenas por converter os dados para o formato JSON, sendo irrelevante para a consistência e qualidade dos dados.

C A extração no ETL envolve a remoção de dados redundantes ou inconsistentes do sistema de destino.

D O processo ETL é utilizado para integrar dados de múltiplas fontes, aplicar regras de negócio e carregá-los em um repositório central como um data warehouse.

E O principal objetivo do ETL é realizar o backup de dados operacionais para arquivamento em fitas magnéticas, sem aplicação analítica.