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

478 questões encontradas

ID 26652 Engenharia de Software Geral FGV 2024

A otimização de hiperparâmetros é crucial na construção de modelos de Machine Learning, pois pode afetar significativamente o desempenho do modelo. Diversas técnicas de busca são usadas para encontrar a melhor combinação de hiperparâmetros, e entender quais são eficazes para esse propósito é essencial para aprimorar a precisão do modelo. A técnica apropriada na otimização de hiperparâmetros para um modelo de aprendizado supervisionado, considerando tanto a eficiência quanto a eficácia é a

A Busca Aleatória.

B Busca em Grade.

C Busca em Gradiente.

D Otimização Bayesiana.

E Representação com Bag de n-gramas.

ID 26561 Engenharia de Software Geral FGV 2024

Em uma rede neural artificial feedforward usada para a classificação de documentos no TRF-1, um dos neurônios de uma camada intermediária possui o seguinte vetor de pesos na entrada: W = [2, −1, ln (5/8) ,1/2 ]. Para uma determinada instância a ser classificada, o vetor de entradas para esse neurônio é I = [ln (2/3), ln (1/2),1, ln (9/25)], sem a presença de bias. Sabendo que o neurônio possui como função de ativação a função sigmoide, o valor de saída do neurônio será:

A 3/83;

B 3/80;

C 1/4;

D 3/10;

E 1/3.

ID 26559 Engenharia de Software Geral FGV 2024

Uma camada convolucional de uma rede neural convolucional recebe como entrada uma imagem de 50 x 50 pixels. Essa imagem passa por um filtro convolucional de tamanho 5 x 5. Sabendo que a convolução usa um stride de 3 e um padding de 0, o tamanho da imagem na saída dessa convolução será:

A 15 x 15;

B 16 x 16;

C 17 x 17;

D 45 x 45;

E 46 x 46.

ID 26558 Engenharia de Software Geral FGV 2024

Bernardo, analista de dados do TRF-1, realiza o pré-processamento de um dataset que será utilizado para treinar o chatbot do Tribunal. Em uma das etapas do pré-processamento, ele utiliza uma ferramenta que deflexiona as palavras, retirando suas inflexões. Nessa etapa, Bernardo realizou uma:

A anotação;

B codificação;

C estemização;

D extração;

E lematização.

ID 26547 Engenharia de Software Geral FGV 2024

Os analistas do Time de Desenvolvimento de Software (TDS) estão utilizando User Story (História de Usuário) do Extreme Programming (XP) para todos os novos projetos, em substituição aos Casos de Uso em UML. Na escrita das User Stories, os analistas devem:

A considerar que histórias podem ser construídas em mais de uma iteração;

B ordenar a escrita das histórias, visto que há uma dependência entre elas;

C detalhar os critérios de testes a serem executados com base na história;

D considerar que uma história pode ser um ou mais cenários em um caso de uso;

E focar nos objetivos do usuário e em como a interação com o sistema satisfaz esses objetivos.

ID 26546 Engenharia de Software Geral FGV 2024

O Time de Soluções Inovadoras (TISI) de uma organização está utilizando práticas do Kanban no processo de desenvolvimento de soluções de software. Com o uso do Kanban, o TISI visa a:

A manter um workflow padrão para o processo de inovação;

B gerenciar e melhorar o desempenho dos indivíduos do time;

C estabelecer uma metodologia de desenvolvimento de soluções de software de modo iterativo;

D aplicar um processo para definição de incrementos para desenvolvimento de soluções de software;

E utilizar uma abordagem de mudança evolutiva, baseada em feedbacks, para o processo de desenvolvimento de soluções de software.

ID 26508 Engenharia de Software Geral FGV 2024

Para realizar o clone de um único branch de um repositório git, a analista Ana utilizou o comando ‘git clone --depth 1 --branch q07 https://trf1.br/ana/repo07.git’. Após concluir o trabalho necessário no branch q07, Ana precisou recuperar o histórico completo de commits e realizar o checkout para o branch master, sem efetuar um novo clone. Para realizar as operações necessárias, a analista:

A executou imediatamente o comando git checkout master, sem alterações;

B alterou o escopo do fetch na configuração do git e logo após efetuou o checkout;

C executou imediatamente o comando git checkout master, com o argumento unshallow;

D executou o comando fetch com o argumento all e só então executou o comando git checkout master;

E efetuou o unshallow do clone e alterou o escopo do fetch na configuração do git, para só então efetuar novo fetch e checkout.

ID 26507 Engenharia de Software Geral FGV 2024

O analista Ângelo está comparando os sistemas de versionamento Git e Subversion (SVN). Ele está especialmente interessado no tipo de arquitetura dos versionadores e na capacidade nativa de travar a modificação de determinados arquivos (file locking). Ao fim da comparação, Ângelo deve concluir que:

A tanto o Git quanto o SVN possuem arquitetura distribuída, mas só o Git suporta file locking;

B tanto o Git quanto o SVN possuem arquitetura distribuída, mas só o SVN suporta file locking;

C tanto o Git quanto o SVN possuem arquitetura centralizada, mas só o SVN suporta file locking;

D o Git não suporta file locking e possui arquitetura distribuída, enquanto o SVN suporta file locking e possui arquitetura centralizada;

E o SVN não suporta file locking e possui arquitetura distribuída, enquanto o Git suporta file locking e possui arquitetura centralizada.

ID 26506 Engenharia de Software Geral FGV 2024

Considere o seguinte arquivo .gitlab-ci.yml, que define um pipeline no GitLab CI/CD: workflow: rules: - if: $CI_PIPELINE_SOURCE == "web" - if: $CI_PIPELINE_SOURCE == "push" stages: - primeiro primeiro: stage: primeiro script: - echo "Executando..." O pipeline do GitLab CI/CD descrito acima:

A não será executado, pois um job não pode ter o mesmo nome de um stage;

B não será executado, pois a palavra-chave workflow é inválida;

C será executado apenas no clique do botão Run Pipeline na interface do GitLab e nos eventos de push de branches ou de tags;

D será executado apenas nos acionamentos via API do GitLab, e nos eventos de push de branches, mas não nos de tags;

E será executado apenas nos acionamentos via WebHooks registrados no GitLab, e nos eventos de push de branches, mas não nos de tags.

ID 26503 Engenharia de Software Geral FGV 2024

A definição de uma pipeline de CI/CD requer a utilização de uma série de comandos, de acordo com o fluxo de execução necessário, para automatizar a entrega do software. Em um ambiente com múltiplos desenvolvedores, trabalhando com um repositório comum, a primeira ação da pipeline será a:

A compilação do código-fonte;

B implantação de contêiner com o artefato em execução;

C obtenção do código-fonte a partir do repositório;

D geração dos artefatos;

E execução de testes unitários.