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
33 questões encontradas
ID 22672 Informática Inteligência Artificial e Automação FGV 2025

Com o avanço do deep learning, redes neurais profundas e grandes modelos de linguagem (LLMs) vêm sendo amplamente utilizados em aplicações como tradução automática, geração de texto, reconhecimento de imagens e assistentes virtuais. A respeito de redes neurais profundas, deep learning e grandes modelos de linguagem (LLMs), assinale a afirmativa correta.

A Redes neurais profundas possuem apenas uma camada oculta entre a entrada e a saída e são ideais para tarefas simples de classificação linear.
B O termo deep learning refere-se a técnicas que dispensam o uso de redes neurais artificiais, utilizando apenas algoritmos estatísticos tradicionais.
C Os grandes modelos de linguagem (LLMs) são caracterizados por seu tamanho reduzido, pois dependem de poucos parâmetros para evitar sobrecarga computacional.
D Os grandes modelos de linguagem (LLMs) utilizam arquiteturas de redes neurais profundas, como os transformadores, para processar sequências de texto e aprender padrões complexos.
E Redes neurais profundas são indicadas exclusivamente para reconhecimento de imagens e não são aplicadas em processamento de linguagem natural.
ID 22671 Informática Inteligência Artificial e Automação FGV 2025

Em um contrato de auditoria automatizada, um órgão de controle utiliza técnicas de machine learning para identificar padrões de comportamento atípicos em diárias e passagens. Os dados não estão rotulados e a ideia é descobrir grupos de registros similares e desvios sem conhecimento prévio. A técnica mais adequada para esse tipo de análise denomina-se:

A Regressão Logística.
B K-means.
C Random Forest.
D Redes Neurais Feedforward.
E Naive Bayes.
ID 22670 Informática Inteligência Artificial e Automação FGV 2025

Muitos cenários de análise de dados envolvem conjuntos sem rótulos disponíveis, como é comum em agrupamentos de clientes, detecção de padrões anômalos ou redução de dimensionalidade. Nesses casos, técnicas de aprendizado não supervisionado são essenciais para extrair conhecimento oculto nos dados. Com relação ao aprendizado não supervisionado em Machine Learning, assinale a afirmativa correta.

A O aprendizado não supervisionado depende de conjuntos de dados previamente rotulados para mapear entradas a saídas durante o treinamento.
B Técnicas de aprendizado não supervisionado, como árvores de decisão e regressão logística, são ideais para prever rótulos em problemas de classificação supervisionada.
C O aprendizado não supervisionado é utilizado para gerar automaticamente rótulos com base em padrões nos dados, sem necessidade de saídas conhecidas previamente.
D A principal limitação do aprendizado não supervisionado é que ele não consegue lidar com grandes volumes de dados, sendo restrito a pequenos conjuntos.
E O aprendizado não supervisionado só pode ser utilizado quando todos os atributos do conjunto de dados forem categóricos.
ID 22669 Banco de Dados Etl Extract Transform Load FGV 2025

Em ambientes de Business Intelligence (BI) e Data Warehousing, os processos de Extract, Transform, Load (ETL) são fundamentais para integrar dados provenientes de diferentes fontes, garantindo qualidade, consistência e disponibilidade para análises estratégicas. Em relação ao processo de ETL, assinale a afirmativa correta.

A A etapa de carga (Load) ocorre antes das etapas de extração e transformação, pois é necessário armazenar os dados para então processá-los.
B A transformação no ETL é responsável apenas por converter os dados para o formato JSON, sendo irrelevante para a consistência e qualidade dos dados.
C A extração no ETL envolve a remoção de dados redundantes ou inconsistentes do sistema de destino.
D O processo ETL é utilizado para integrar dados de múltiplas fontes, aplicar regras de negócio e carregá-los em um repositório central como um data warehouse.
E O principal objetivo do ETL é realizar o backup de dados operacionais para arquivamento em fitas magnéticas, sem aplicação analítica.
ID 22668 Banco de Dados Sql FGV 2025

Considere o script SQL a seguir, desenvolvido para o controle de estoque de uma loja. • (Comando 1) Criação de tabela de produtos CREATE TABLE Produto ( id_produto INT PRIMARY KEY, nome VARCHAR(120) NOT NULL, preco NUMERIC(10,2) NOT NULL, quantidade INT NOT NULL ); • (Comando 2) Inserção de dado inicial INSERT INTO Produto (id_produto, nome, preco, quantidade) VALUES (1, 'Mouse Óptico', 49.90, 100); • (Comando 3) View para produtos sem estoque CREATE VIEW vw_produtos_em_falta AS SELECT id_produto, nome FROM Produto WHERE quantidade = 0; • (Comando 4) Procedure para atualizar preço CREATE PROCEDURE atualizar_preco(p_id INT, p_preco NUMERIC(10,2)) BEGIN UPDATE Produto SET preco = p_preco WHERE id_produto = p_id; END; • (Comando 5) Trigger para log de mudanças de preço CREATE TRIGGER trg_log_preco AFTER UPDATE OF preco ON Produto FOR EACH ROW BEGIN INSERT INTO LogAlteracoes(id_produto, campo, valor_antigo, valor_novo, dt_evento) VALUES (OLD.id_produto, 'preco', OLD.preco, NEW.preco, CURRENT_TIMESTAMP); END; • (Comando 6) Atualização de quantidade UPDATE Produto SET quantidade = quantidade - 1 WHERE id_produto = 1; • (Comando 7) Remoção de produtos sem estoque DELETE FROM Produto WHERE quantidade = 0; • (Comando 8) Concessão de permissão de leitura GRANT SELECT ON Produto TO analista; • (Comando 9) Alteração de esquema da tabela ALTER TABLE Produto ADD COLUMN ativo BOOLEAN DEFAULT TRUE; • (Comando 10) Revogação de permissão de inserção REVOKE INSERT ON Produto FROM analista; As instruções do tipo DML são executadas nos comandos:

A 1 – 3 – 4.
B 2 – 6 – 7.
C 2 – 8 – 10.
D 3 – 5 – 9.
E 1 – 7 – 10.
ID 22667 Banco de Dados Big Data FGV 2025

Um Tribunal está implementando uma solução para gerenciar seu vasto acervo digital, que inclui milhões de documentos digitalizados, gravações de áudio de sessões, vídeos de audiências e dados estruturados extraídos do sistema processual eletrônico. Para viabilizar análises futuras complexas (como mineração de dados, inteligência artificial e cruzamento de informações) e consultas avançadas, optou por armazenar inicialmente todos esses dados em um data lake. A principal vantagem da escolha inicial pelo data lake reside no fato de que ele permite:

A armazenar dados brutos em seu formato original sem exigir esquemas rígidos pré-definidos, mantendo a flexibilidade para futuras transformações.
B realizar automaticamente transformações complexas (ETL/ELT) e modelar os dados em tabelas altamente normalizadas, prontas para consulta analítica imediata.
C excluir de forma automatizada registros históricos considerados irrelevantes, reduzindo significativamente o volume total de dados armazenados e os custos associados.
D converter automaticamente todos os dados brutos em relatórios e dashboards visuais prontos para consumo pelos operadores do direito, sem necessidade de processamento adicional.
E restringir o acesso aos usuários apenas a conjuntos de dados previamente filtrados, resumidos e aprovados pela governança, garantindo máxima segurança desde o início.
ID 22666 Banco de Dados Banco de Dados FGV 2025

Um Tribunal de Contas implementou um banco de dados NoSQL orientado a grafos para mapear relações complexas entre entidades (servidores, empresas, processos licitatórios). Essa escolha é tecnicamente justificada pela capacidade intrínseca desse modelo de:

A garantir propriedades ACID completas em operações de escrita distribuída em larga escala.
B processar operações em massa de inserção de registros transacionais isolados sem relacionamentos.
C calcular estatísticas descritivas (média, desvio padrão) em atributos numéricos de nós não conectados.
D transformar automaticamente nós e arestas em esquemas relacionais normalizados para integração com SQL.
E executar travessias profundas e consultas de caminhos de forma eficiente, mesmo em grafos com múltiplas relações complexas.
ID 22562 Auditoria Governamental Auditoria Governamental FGV 2025

Um auditor deseja avaliar a contratação da prestação de serviço de fornecimento de alimentação para unidades de restaurante popular, vinculada a um programa de segurança alimentar. Seu objetivo é verificar a conformidade da licitação realizada e do contrato pactuado com a sociedade empresarial; os pagamentos efetuados; a economicidade dos itens contratados; a eficiência da logística de entrega das refeições em dez unidades de restaurante popular; e a eficácia da contratação quanto ao alcance dos objetivos da política pública. Além disso, o auditor deseja comparar os resultados obtidos com essa contratação em relação a outras formas de execução da política, como a prestação direta do serviço pela Secretaria Municipal de Assistência Social. Considerando a situação hipotética relatada, assinale a afirmativa que indica a espécie de auditoria governamental que melhor atende ao objetivo do auditor.

A Auditoria operacional.
B Auditoria de conformidade.
C Avaliação de políticas públicas.
D Auditoria de conformidade combinada com auditoria operacional.
E Auditoria operacional combinada com avaliação de políticas públicas.
ID 22561 Auditoria Governamental Processo de Auditoria FGV 2025

Durante uma auditoria governamental externa, realizada em um município de 40.000 habitantes, um Auditor de Controle Externo, detectou as seguintes situações: 1ª. O agente responsável pelas compras não anexou ao processo administrativo todos os comprovantes exigidos, como algumas pesquisas de preços realizadas e certidões negativas relacionadas aos licitantes. Embora não tenha havido superfaturamento ou desvio de recursos, a ausência desses documentos dificulta a verificação posterior do processo. A documentação estava guardada em caixas-arquivo. 2ª. Outro agente público atrasou o envio de informações obrigatórias ao Tribunal de Contas, em razão de problemas operacionais. A prefeitura ficou sem acesso à internet por uma semana, o que inviabilizou o envio dos dados no prazo. Considerando as situações elencadas, assinale a afirmativa correta.

A Ambas são irregularidades passíveis de sanção com multa aos agentes públicos.
B A primeira se apresenta como irregularidade, passível de sanção ao agente público, e a segunda se apresenta como falha, exigindo proposição de medidas corretivas.
C Ambas são falhas e exigem a proposição de medidas corretivas.
D Somente a segunda é irregularidade, e a medida adequada é o sancionamento do agente público mediante multa.
E Ambas não se caracterizam como erro grosseiro e nem são relevantes, não havendo necessidade de serem descritas em relatório de auditoria.