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

8 questões encontradas

ID 187080 Tecnologia da Informação Inteligência Artificial CEBRASPE 2026

O tribunal de determinado estado realizou um processo de modernização digital para otimizar o atendimento ao público. O novo sistema utiliza inteligência artificial para identificar automaticamente o tipo de solicitação recebida, encaminhar o processo ao setor adequado e responder a dúvidas frequentes de forma interativa. Para isso, a equipe de TI implantou modelos de aprendizado de máquina supervisionado, integrados a módulos de processamento de linguagem natural (PLN), que permitem que o sistema compreenda textos em linguagem humana e aprimore continuamente suas respostas. Os dados de interação são armazenados em banco de dados em nuvem, e os modelos são atualizados periodicamente para melhorar a precisão.

O sistema descrito na situação hipotética precedente aplica

A estratégias de automação baseadas exclusivamente em scripts de lógica sequencial.

B métodos de simulação matemática estática voltados apenas à previsão numérica de séries temporais.

C técnicas de inteligência artificial baseadas em aprendizado de máquina e processamento de linguagem natural.

D procedimentos de mineração de dados para geração de relatórios de desempenho organizacional.

E algoritmos determinísticos convencionais, com respostas fixas e previsíveis a cada solicitação.

ID 186721 Tecnologia da Informação Oracle CEBRASPE 2026

No Oracle Database 21C, uma instância gerencia um CDB ( container database ), que pode conter múltiplos PDBs ( pluggable databases ). Cada PDB possui usuários, schemas , tablespaces e dados de aplicação isolados, mas compartilha a SGA e os processos de background da instância do CDB. Nessa arquitetura, o elemento que armazena metadados comuns e controla a existência de múltiplos PDBs dentro de um CDB é o

A extent .

B undo .

C datafile .

D segment .

E root .

ID 186306 Tecnologia da Informação Chaves e Relacionamentos CEBRASPE 2026

As tabelas CLIENTE e PEDIDO a seguir ainda não têm definição de chaves, índices ou quaisquer instrumentos de integridade além dos explicitamente declarados.

Com base nos efeitos diretos da criação de instrumentos de banco de dados relacionais, assinale a opção que apresenta a ação que garante a integridade referencial no atributo id_cliente da tabela PEDIDO .

A criar uma chave primária no campo id_cliente da tabela CLIENTE e um índice único no campo id_cliente da tabela PEDIDO

B criar uma chave primária no campo id_cliente da tabela PEDIDO e uma chave estrangeira no campo id_cliente da tabela CLIENTE , referenciando o campo id_cliente da tabela PEDIDO

C criar uma chave primária no campo id_cliente da tabela CLIENTE e uma chave estrangeira no campo id_cliente da tabela PEDIDO , referenciando o campo id_cliente da tabela CLIENTE

D criar uma chave primária no campo id_cliente da tabela PEDIDO

E criar uma chave primária no campo id_cliente da tabela CLIENTE

ID 186305 Tecnologia da Informação Noções de DevOps. CEBRASPE 2026

Em DevOps, a etapa em que as equipes definem os processos de gerenciamento de versão é a de

A desenvolvimento.

B entrega.

C planejamento.

D operação.

E codificação.

ID 186304 Tecnologia da Informação Camada de Internet CEBRASPE 2026

No modelo de rede TCP/IP, a camada de Internet é responsável

A pela comunicação direta entre dispositivos na mesma rede física.

B pelo endereçamento lógico e roteamento dos pacotes de dados entre diferentes redes.

C por fornecer serviços diretamente aos aplicativos de usuário, como e-mail e navegação na web .

D por garantir a comunicação de ponta a ponta entre os dispositivos.

E por combinar as funcionalidades das camadas de sessão, apresentação e aplicação do modelo OSI.

ID 186293 Tecnologia da Informação Scrum CEBRASPE 2026

De acordo com o framework Scrum, o evento que ocorre ao final da sprint com o propósito de inspecionar o incremento do produto e adaptar o product backlog , se necessário, envolvendo o time Scrum e os stakeholders -chave, é denominado

A product backlog refinement (refinamento do backlog do produto).

B sprint review (revisão da sprint ).

C sprint retrospective (retrospectiva da sprint ).

D sprint planning (planejamento da sprint ).

E daily Scrum (reunião diária).

ID 186292 Tecnologia da Informação Business Intelligence (Análise de dados) CEBRASPE 2026

Assinale a opção que apresenta a ferramenta de TI mais apropriada para examinar grandes volumes de registros financeiros e identificar inconsistências em uma auditoria de políticas públicas e finanças.

A plataforma de BI para relatórios gerenciais

B planilha eletrônica genérica

C sistema de gestão documental

D ferramenta de análise forense de dados

E software de ERP corporativo

ID 186172 Tecnologia da Informação Inteligência Artificial CEBRASPE 2026

Certa startup brasileira desenvolveu uma aplicação de inteligência artificial para auxiliar a justiça federal na análise inicial de recursos jurídicos de baixo valor. O sistema opera como um agente inteligente que utiliza um extenso dataset de jurisprudências passadas para calcular a probabilidade de sucesso de novos recursos, com o objetivo de otimizar a triagem processual ao maximizar a taxa de acerto nas suas previsões. Em testes, a aplicação atingiu uma impressionante taxa de precisão de 98% na previsão de resultados. No entanto, uma auditoria de compliance ético revelou que o algoritmo apresentava um viés: os recursos originários de regiões com baixo índice de desenvolvimento humano (IDH) do Nordeste brasileiro eram sistematicamente classificados com menor probabilidade de sucesso, mesmo quando apresentavam mérito legal similar a casos de regiões mais desenvolvidas. A equipe técnica defendeu o sistema, alegando que ele era racional, pois maximizava consistentemente a métrica de acerto definida.

Considerando a natureza do sistema criado nessa situação hipotética e a distinção fundamental entre racionalidade e justiça em sistemas de IA, assinale a opção que apresenta corretamente a falha ética do sistema à luz dos conceitos básicos da inteligência artificial.

A O viés regional é uma prova incontestável de que o sistema é um exemplo de inteligência artificial simbólica, pois somente essa arquitetura, baseada em regras pré-codificadas, é capaz de manifestar discriminação explícita, ao contrário dos modelos conectivistas (redes neurais).

B A falha do sistema é uma evidência de que ele não pode ser classificado como um agente racional, pois, por definição, ele deve seguir a função de utilidade ideal de uma sociedade justa, o que exige que o sistema possua consciência e um senso moral.

C O sistema é um agente puramente reativo, e sua incapacidade de manter estados internos sobre a equidade do dataset é a causa direta do viés, o que demonstra a ineficácia dos sistemas de machine learning baseados em modelos.

D O sistema demonstra uma limitação da inteligência artificial forte, cuja alta taxa de acerto é incompatível com o viés, o que confirma que a singularidade tecnológica não será alcançada enquanto os sistemas de inteligência artificial não forem treinados apenas com dados totalmente neutros, sem histórico humano.

E A racionalidade técnica do sistema é mantida, pois ele maximiza sua função utilidade (taxa de acerto), mas o viés detectado reside na definição dessa utilidade ou na qualidade dos dados de treinamento, o que o caracteriza como um sistema racionalmente tendencioso, mas não irracional.