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
18 questões encontradas
ID 8472 Banco de Dados Data Mining CEBRASPE 2025
Texto associado
Acerca de deep learning , de Big Data e de redes neurais, julgue o item subsequente.

No contexto do deep learning , a função das camadas ocultas ( hidden layers ) em uma rede neural profunda é extrair e processar os dados de forma que a rede aprenda características progressivamente mais complexas nas camadas mais profundas.

A Certo
B Errado
ID 8471 Banco de Dados Data Mining CEBRASPE 2025
Texto associado
Acerca de deep learning , de Big Data e de redes neurais, julgue o item subsequente.

O overfitting , em modelos de deep learning , ocorre quando o modelo tem alta precisão tanto nos dados de treinamento quanto nos dados de teste, indicativo de que o modelo generaliza bem.

A Certo
B Errado
ID 8305 Banco de Dados Data Mining CEBRASPE 2025

Acerca de segurança da informação, bancos de dados e aprendizado de máquina, julgue o próximo item. A técnica de clustering em data mining atribui categorias aos grupos de dados para facilitar a análise e a tomada de decisão.

A Certo
B Errado
ID 8197 Banco de Dados Data Mining CEBRASPE 2025

Julgue o item subsequente, relativos à teoria da informação e a banco de dados. A mineração de dados é uma técnica em que se utilizam exclusivamente algoritmos de aprendizado supervisionado para a identificação de padrões em grandes volumes de dados; no contexto de Big Data, a premissa principal é a utilização de bancos de dados relacionais tradicionais, que são suficientes para o enfrentamento dos desafios de volume, variedade e velocidade característicos desse ambiente.

A Certo
B Errado
ID 32763 Banco de Dados Data Mining FGV 2024

A mineração de dados está inserida no processo de descoberta de conhecimento em bases de dados, empregando diversas técnicas e métodos na execução de diferentes tarefas. Selecione a opção que contém apenas tarefas de mineração de dados.

A Árvore de Decisão e Análise de Associação.
B Classificação e Análise de Associação.
C Classificação e Redes Neurais.
D Floresta Aleatória e k Vizinhos mais Próximos.
E Regressão e k-Médias.
ID 31527 Banco de Dados Data Mining FGV 2024

Sobre o Modelo de Referência Cross- Industry Standard Process for Data Mining (CRISP-DM), avalie as afirmativas a seguir:

I. Após a fase de “Preparação dos dados” ocorre a fase de “Compreensão dos dados”.

II. Durante a fase de “Mineração de Dados” ocorre a aplicação de algoritmos de mineração de dados buscando a extração de padrões.

III. Durante a fase de “Preparação dos Dados”, pode ocorrer a construção de novos atributos a partir de outros já existentes. Está correto o que se afirma em

A I, apenas.
B III, apenas.
C I e III, apenas.
D II e III, apenas.
E I, II e III.
ID 29630 Banco de Dados Data Mining FGV 2024

Extrair conhecimento útil ou insights de dados massivos é um dos maiores desafios enfrentado pelos cientistas de dados. Uma das principais tarefas utilizadas para diminuir a complexidade desses dados é reduzir sua dimensionalidade preservando as características ( features ) mais importantes. No ciclo de vida de ciência de dados, a tarefa de redução de dimensionalidade dos dados é executada na fase:

A treinamento do modelo;
B visualização de dados analíticos;
C entendimento do negócio;
D limpeza e preparação dos dados;
E tuning de hiperparâmetros.
ID 184 Banco de Dados Data Mining ACAFE 2024

A sociedade atual produz uma quantidade exorbitante de dados. Para lidar com todo este volume de dados, a inteligência artificial, aplicada à análise dos conteúdos dos bancos de dados, tornou-se uma ferramenta de grande valia. Neste contexto, associe as duas colunas, relacionando os termos relativos a esta temática aos seus conceitos. 1 - Deep Learning. 2 - Machine Learning. 3 – Data Mining. 4 - Data Warehouse.

( ) Sistema de armazenamento digital que conecta e harmoniza grandes volumes de dados de várias fontes diferentes.

( ) Processo analítico projetado para explorar grandes quantidades de dados, na busca de padrões consistentes e/ou relacionamentos sistemáticos entre variáveis e, então, validálos aplicando os padrões detectados a novos subconjuntos de dados.

( ) Subconjunto da inteligência artificial que se concentra na construção de sistemas que aprendem, ou melhoram o desempenho, com base nos dados que consomem.

( ) Utiliza camadas de neurônios matemáticos para processar dados, compreender a fala humana e reconhecer objetos visualmente. A informação é passada através de cada camada, com a saída da camada anterior fornecendo entrada para a próxima camada. A primeira camada em uma rede é chamada de camada de entrada, enquanto a última é chamada de camada de saída. Todas as camadas entre as duas são referidas como camadas ocultas. A sequência CORRETA dessa associação é:

A 4, 3, 2, 1.
B 1, 2, 3, 4.
C 1, 3, 2, 4.
D 2, 3, 4, 1.
E 3, 2, 1, 4.