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

30 questões encontradas

ID 13719 Programação Python CEBRASPE 2024

Tendo em vista que Python é uma linguagem de programação amplamente utilizada para geoprocessamento devido à sua simplicidade e versatilidade e à vasta gama de bibliotecas disponíveis para manipulação de dados geoespaciais, assinale a opção correta acerca da aplicação dessa linguagem na área de geoprocessamento.

A GDAL é a biblioteca Phyton presente no software ArcGis.

B O software QGIS não integra nenhuma biblioteca Phyton.

C Existem várias bibliotecas Phyton na área de geoprocessamento; embora cada uma tenha sua funcionalidade específica, elas podem ser utilizadas em conjunto para realizar análises espaciais completas.

D A biblioteca Phyton GDAL é utilizada para acessar e processar dados do Google Earth Engine.

E A GDAL é uma biblioteca Phyton para leitura e escrita de dados vetoriais, enquanto OGR é utilizada para dados raster .

ID 13717 Programação Python CEBRASPE 2024

A respeito do uso da linguagem Python no geoprocessamento, assinale a opção correta.

A Python não é utilizado para automação de processos geoespaciais e análise de dados espaciais.

B Bibliotecas como Geopandas e Shapely são frequentemente usadas em Python para manipulação e análise de dados geoespaciais.

C A biblioteca GDAL em Python é usada principalmente para criar visualizações interativas de mapas e gráficos.

D Python não suporta o acesso a dados geoespaciais em formatos comuns como Shapefile ou GeoJSON.

E Python é utilizado para geoprocessamento apenas em ambientes de desenvolvimento web e não é adequado para análises espaciais em desktop .

ID 5956 Programação Python CESGRANRIO 2024

Para cientistas de dados, usar bibliotecas de Python 3.9 é crucial, mas também desafiador. A variedade e a constante evolução das opções exigem domínio das diferentes sintaxes e funcionalidades. Além disso, é fundamental otimizar o desempenho e garantir a interoperabilidade entre essas bibliotecas. Dominar esse ecossistema é uma habilidade essencial para extrair insights significativos dos dados. No processo de escolha, o cientista de dados deverá atentar que a biblioteca

A NumPy oferece rotinas de tratamento de dados como groupby, merge e join, e que a Matplotlib fornece execução eficiente em transformadores, CPUs, GPUs e TPUs.

B Pandas oferece estruturas de dados e algoritmos espaciais para tratamento de imagens multidimensionais, e que a Matplotlib fornece suporte para redes neurais profundas.

C PyTorch adota o modelo computacional dinâmico (Define-by-Run), e que a TensorFlow utiliza o modelo estático (Define-and-Run).

D Scikit-learn oferece tensores para geração de autovalores e autovetores, e que a Pandas fornece um sistema de diferenciação automática de computação de gradientes.

E TensorFlow oferece suporte a diversos tipos de dados, tais como JSON e SQL, e que a SciPy nativamente desenha múltiplos gráficos dentro de uma mesma figura.

ID 5946 Programação Python CESGRANRIO 2024

A biblioteca NumPy traz diversas funcionalidades para auxiliar o programador a lidar com matrizes. Suponha que um programador precise escrever um trecho de código, em Python, que crie uma matriz 3X3 para armazenar os números inteiros de 1 até 9 de forma ordenada, que exiba essa matriz na tela, que calcule a média desses números e que imprima o valor dessa média na tela. O trecho de código que executa essas operações, na ordem apresentada, é

A import numpy as np m=np.matrix('1 2 3 4 5 6 7 8 9') print(m) print(m.max())

B import numpy as np m=np.matrix('1 2 3;4 5 6;7 8 9') print(m) print(m.mean())

C m=matrix('1 2 3; 4 5 6; 7 8 9') print(m) print(m.std())

D m=[[1,2,3],[4,5,6],[7,8,9]] print(m) import numpy as np print(m.mean())

E m=[1,2,3,4,5,6,7,8,9] print (m) print(m[0]+m[1]+m[2]+m[3]+m[4]+m[5]+m[6]+m[7]+m[8])

ID 5694 Programação Python CESGRANRIO 2024

[Questão inédita] Levando em conta a linguagem de programação em Python, analise o código a seguir e assinale a alternativa correta. nums = [9, 8, 7, 6, 5] nums.append(4) nums.insert(2, 11) print(len(nums)) A saída do código acima será:

A [9, 8, 7, 6, 5, 4, 2, 11].

B 8.

C [2, 4, 5, 6, 7, 8, 9, 11].

D 7.

E 6.

ID 5645 Programação Python CESGRANRIO 2024

Em um projeto de análise de dados utilizando Python e a biblioteca Matplotlib, um cientista de dados precisa visualizar rapidamente a distribuição percentual de categorias em um conjunto de dados que está na lista categorias. Para isso, ele decide utilizar um gráfico que represente essa distribuição de maneira intuitiva, optando por um gráfico de setores, também conhecido como gráfico de torta ou de pizza. Considerando-se esse contexto, qual fragmento de código deve ser usado pelo cientista de dados?

A plt.pie(categorias)

B plt.sector(categorias)

C plt.pizza(categorias)

D plt.circle(categorias)

E plt.round(categorias)

ID 5644 Programação Python CESGRANRIO 2024

Um cientista de dados está utilizando Python e SciPy no desenvolvimento de um modelo para prever o preço de venda de imóveis com base em sua área construída, de modo a atender a um sistema de financiamento de imóveis. Para isso, obteve dados da área construída, guardados no vetor area, e dos preços de venda de imóveis, guardados no vetor preco, em uma mesma região nos últimos 3 anos. Considerando-se esse contexto, qual fragmento de código é adequado para ajustar um modelo de regressão linear entre a área construída dos imóveis (variável independente) e seus preços de venda (variável dependente)?

A stats.linear(area, preco)

B stats.linear_model(area, preco)

C stats.linear_regression(area, preco)

D stats.linregress(area, preco)

E stats.regression(area, preco)

ID 5640 Programação Python CESGRANRIO 2024

Um time de cientistas de dados usa a linguagem Python e o pacote Numpy para desenvolver um sistema de recomendação que utiliza perfis de usuário baseados em vetores, nos quais cada elemento representa a afinidade do usuário por um determinado produto bancário. Considere dois perfis de usuários, X e Y, e seus respectivos vetores, usuarioX e usuarioY. Para identificar se esses usuários têm gostos similares e fazer recomendações precisas, é crucial calcular a similaridade entre seus perfis. Uma das métricas utilizadas para esse fim é o cosseno da similaridade, calculado a partir do produto escalar entre os dois vetores de perfis de usuário dividido pelo produto das magnitudes desses vetores. Considerando-se esse contexto, qual fragmento de código calcula corretamente o produto escalar entre os dois vetores, usuarioX e usuarioY?

A np.cross(usuarioX, usuarioY)

B np.dot(usuarioX, usuarioY)

C np.linalg.norm(usuarioX - usuarioY)

D np.multiply(usuarioX, usuarioY)

E np.product(usuarioX, usuarioY)

ID 5630 Programação Python CESGRANRIO 2024

Um desenvolvedor de software está trabalhando em uma aplicação web que processa transações bancárias. Para melhorar o desempenho do sistema, ele decidiu implementar a funcionalidade de cálculo de transações de forma assíncrona utilizando a linguagem Python e a biblioteca asyncio. A declaração da função assíncrona a ser chamada começa por: async def calcular(): Ao rodar o programa, o desenvolvedor recebeu o seguinte erro: RuntimeError: asyncio.run() cannot be called from a running event loop Considerando-se esse contexto, uma forma correta de chamar a função calcular é

A asyncio.create_task(calcular())

B asyncio.run(calcular())

C await calcular()

D calcular().run()

E asyncio.loop.run_to_complete(calcular())

ID 5565 Programação Python CESGRANRIO 2024

Considere o seguinte código Python 3: x = { 'f' : 1, 'g' : 2, 'h' : 1, 'i' : 2, 'j' : 3 } x = list ( x. values

( ) ) x = set (x) x = sorted (x) print (x) Qual será o valor impresso pelo código?

A [ ' f ' , ' g ' , ' h ' , ' i ' , ' j ' ]

B [ ' 1 ' , ' 1 ' , ' 2 ' , ' 2 ' , ' 3 ' ]

C [ ' f ' , ' g ' , ' h ' ]

D [ 1 , 2 , 1 , 2 , 3 ]

E [ 1 , 2 , 3 ]