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

6 questões encontradas

ID 146816 Tecnologia da Informação Pipeline AOCP 2026

No contexto da Unidade Central de Processamento (CPU), Pipelining refere-se

A à técnica que amplia o uso da memória cache para reduzir acessos à RAM (Random Access Memory).

B ao método que utiliza múltiplos núcleos para executar tarefas de forma paralela.

C à técnica que divide instruções em etapas para processá-las simultaneamente em fases distintas.

D ao método que reorganiza instruções para evitar conflitos durante a execução.

E à estrutura que processa operações matemáticas em ponto flutuante de maneira dedicada.

ID 145574 Tecnologia da Informação Pipeline AOCP 2026

Um engenheiro de hardware aumentou a frequência de operação de um novo processador fracionando o ciclo de instrução em 35 estágios de curtíssima duração. Embora o clock tenha dobrado, os testes de benchmark revelaram que o desempenho despenca em programas com muitos desvios condicionais, devido ao alto custo em ciclos para limpar e recarregar a esteira quando a predição de desvio falha. Assinale a alternativa que apresenta a classificação arquitetural correta para esse processador.

A Processador Superescalar.

B Processador Superpipeline.

C Arquitetura VLIW.

D Multithreading Simultâneo.

E Processador Vetorial.

ID 187710 Tecnologia da Informação Pipeline CEBRASPE 2025

Texto associado

Julgue os próximos itens, referentes a ferramentas e pipelines bioinformáticos utilizados na análise de grandes volumes de dados genômicos e transcriptômicos, incluindo-se montagem de genomas, anotação e análise comparativa.

Os gerenciadores de fluxo de trabalho gráficos como o Galaxy dão suporte à interação do usuário por meio de uma interface gráfica de usuário e permitem a criação de pipelines computacionais complexos sem que o usuário tenha experiência em programação.

C Certo

E Errado

ID 179217 Tecnologia da Informação Pipeline FCC 2025

No desenvolvimento de soluções de Inteligência Artificial para um tribunal, a equipe técnica precisa implementar modelos de Machlne Learnlng de forma integrada em pípelines de produçao, considerando práticas de MLOps para garantir a confiabilidade e a atualização contínua dos modelos implantados. Em um projeto que envolve a criaçao de um sistema de recomendaçao baseado em processamento de linguagem natural (NLP) e a identificação de anomalias para prevenção de fraudes, a configuração do pipeline de produção deve adotar estratégias que

A estabeleçam fluxos de atualização baseados em monitoramento manual, com reavaliaÇôes periódicas dos modelos conduzidas conforme demandas operacionais pontuais.

B concetrem os processos de ingestão, iransformaçao e treinamento em única etapa para facilitar manutenÇôes pontuais, mesmo que sem orquestraçao automatizada de reexecução completa.

C integrem práticas de Contlnuous lntegratlon/ConUnuous Delivery (CI/CD) específicas para Machíne Learnlng, facilitando a atuallzação e monitoramento dos modelos em produção.

D concentrem o processo de engenharia de atributos na maximização da variedade de entradas, isentando da aplicação de mecanismos de seleção baseados em relevância estatística ou impacto preditivo.

E organizem as tarefas de recomendação e detecção de anomalias em pipelines serializados, utilizando fontes de dados independentes para evitar acoplamento excessivo entre os modelos.

ID 178034 Tecnologia da Informação Pipeline FCC 2025

Em um pipeline MLOps, varias etapas são seguidas para o desenvolvimento, implementação e monitoramento de modelos de Machine Learning . Com relação a este processo, especialmente considerando o uso de redes neurais transformer e suas características, as fases e procedimentos técnicos envolvidos no ciclo completo de MLOps são assim descritos:

A No pipeline MLOps, as redes neurais transformer são aplicadas na fase de Design para realizar Feature Engineering e tuning de parâmetros. Na fase de Operações, implementa-se o modelo em produção através de pipelines automatizados, e, por fim, a fase Experimentação e Desenvolvimento é dedicada ao monitoramento de dados de produção.

B No ciclo MLOps, os modelos transformer são implementados diretamente na fase de Operações para otimização em produção. A fase de Experimentação e Desenvolvimento é dedicada ao versionamento de dados e modelos e, na fase de Design , é realizado o monitoramento de desempenho do modelo e a coleta de dados para retreino futuro.

C O pipeline MLOps começa com a fase de Operações, na qual são definidos os requisitos técnicos e estes são alinhados com os requisitos de negócio. Em seguida, na fase de Experimentação e Desenvolvimento, o modelo é colocado em produção utilizando práticas de CI/CD. A etapa final, Design , foca na criação de embeddings e ajuste de hiperparâmetros.

D O ciclo de MLOps começa com a fase de Design , na qual são definidos os requisitos e alinhadas as necessidades de negócio. Na fase de Experimentação e Desenvolvimento, ocorre a construção do modelo, aplicação de Feature Engineering e tuning de parâmetros, podendo ser utilizadas redes neurais transformer para processar dados sequenciais com atenção contextual. Na etapa de Operações, o modelo é colocado em produção com pipelines de CI/CD e monitorado para ajuste continuo.

E Durante a fase de Experimentação e Desenvolvimento, o alinhamento dos requisitos de negócio e os requisitos técnicos do modelo são realizados. Na fase de Design , faz-se o deploy do modelo com CI/CD, enquanto a fase de Operações se concentra em treinar modelos transformer com autoatenção para ajuste contextual.

ID 190712 Tecnologia da Informação Pipeline CEBRASPE 2024

Texto associado

A respeito de Big Data , julgue os próximos itens.

Pipelines de dados apresentam uma única estrutura para o recebimento dos dados originados de uma fonte não confiável.

C Certo

E Errado