QuestLab Plataforma Inteligente de Questões
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.

Encontre as questões que procura
Limpar filtros
55 questões encontradas

Anualmente, a Comissão de Valores Mobiliários (CVM) efetua a contratação da empresa X para executar uma auditoria em sua base de dados, de forma a manter a segurança e conformidade. Entretanto, a CVM efetuou a contratação da empresa Y apenas seis meses após a última auditoria. Essa empresa terá uma abordagem mais direcionada, concentrando-se em áreas críticas do banco de dados. Logo, a empresa Y deverá assinar com a CVM um contrato de execução de uma auditoria do tipo:

A tradicional;
B exclusão de riscos;
C alterações;
D análise de desempenho;
E integridade.

A aplicação JUNTAWeb usa um banco de dados NoSQL para armazenar as relações entre documentos de interesse, tais como: legislações federais e estaduais, normas de comitês internacionais, normas internas e procedimentos de nível operacional, juntamente com seus conjuntos de metadados. O JUNTAWeb possibilita que seus usuários tenham ampla rastreabilidade do ciclo de vida e das relações entre os documentos de interesse. Considerando a necessidade de rastreabilidade entre os documentos de interesse, a estrutura do banco de dados NoSQL, aderente à demanda, deve estar baseada em:

A conjuntos de links organizados em esquemas semânticos de modo estruturado;
B células agrupadas em colunas organizadas por tipo de documento;
C associações de dados das coleções a registros identificados com chaves exclusivas;
D matrizes associativas utilizadas como um banco de dados semiestruturado na qual uma chave individual é vinculada a um valor em uma coleção;
E modelos que não tenham esquema mas que possibilitem que as associações sejam armazenadas direta e explicitamente na base de dados.

No dinâmico ecossistema de tecnologias blockchain, diversas inovações têm surgido, remodelando a maneira como interagimos digitalmente e gerenciamos criptoativos online. Nesse contexto, avalie se as seguintes afirmações são verdadeiras (V) ou falsas (F).

( ) Uma carteira ( wallet ) baseada em hardware caracteriza um exemplo típico de Hot Wallet ou carteira quente.

( ) A guarda de criptoativos pode ser feito também por Paper Wallets ou carteiras de papel.

( ) O DeFi ( Decentralized Finance ) é um sistema financeiro que utiliza a tecnologia blockchain para realizar transações financeiras sem a necessidade de intermediários, como bancos ou corretoras.

( ) As exchanges e corretoras centralizadas oferecem carteiras integradas para armazenar ativos, mas a custódia das chaves é de responsabilidade dos usuários. As afirmações são, respectivamente,

A V – F – V – V.
B V – V – F – F.
C V – F – F – V.
D F – V – V – F.
E F – V – F – F.

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.

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.

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.

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.

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.

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.

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.