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

17 questões encontradas

ID 26566 Meio Ambiente FGV 2024

A coleta seletiva é um dos instrumentos da Política Nacional de Resíduos Sólidos (PNRS), juntamente com os sistemas de logística reversa e outras ferramentas relacionadas à implementação da responsabilidade compartilhada pelo ciclo de vida dos produtos. Sobre a coleta seletiva, é correto afirmar que:

A é facultado aos planos municipais de gestão integrada de resíduos sólidos o estabelecimento de metas de redução, reutilização, coleta seletiva e reciclagem, entre outras, com vistas a reduzir a quantidade de rejeitos encaminhados para disposição final ambientalmente adequada;

B o titular dos serviços públicos de limpeza urbana e de manejo de resíduos sólidos priorizará a destinação de materiais reutilizáveis e recicláveis oriundos da coleta seletiva às indústrias recicladoras que apresentem proposta mais vantajosa economicamente;

C são consideradas formas de coleta seletiva a coleta porta a porta, a coleta por pontos de entrega voluntária (PEVs) e as unidades de triagem de resíduos;

D para a implementação adequada da coleta seletiva, é imprescindível a contínua prática de educação ambiental e mobilização social que promovam a conscientização de que a gestão integrada de resíduos sólidos urbanos inicia-se com o gerador em sua residência, por meio da adequada separação e acondicionamento dos resíduos;

E dentre os desafios encontrados para a reciclagem, destacam-se o descarte incorreto dos materiais, a contaminação dos recicláveis e a prioridade legal conferida à incineração de resíduos.

ID 26565 Programação Linguagens de programação FGV 2024

Considere o seguinte código em JavaScript: const regexp = /(f+)(d?)(t*)/g; const str = 'trf1trf2trf3trf4trf5'; const array = [...str.matchAll(regexp)]; console.log(array.length) Ao ser executado, o código acima imprime na saída padrão do console:

A 1

B 2

C 3

D 4

E 5

ID 26564 Programação Python FGV 2024

Considere o seguinte código em Python com NumPy: import numpy as np a = np.arange(16).reshape(8,2).T print(a.shape, a.ndim, a[0][1]) Ao ser executado, o código acima imprime na saída padrão:

A (2, 2) 2 1

B (2, 2) 8 2

C (2, 8) 2 2

D (2, 8) 8 2

E (8, 2) 2 8

ID 26563 Arquitetura de Software FGV 2024

O analista Francisco está considerando o uso do React para implementar um software de exibição de análise de dados. Ele sabe que o React possui uma variante voltada a aplicativos móveis chamada React Native. Analisando a documentação na página oficial do React Native, Francisco descobriu que a comunidade de código-aberto e algumas empresas parceiras estenderam seu suporte para outras plataformas, além do Android e do iOS. Dessa forma, Francisco descobriu que é possível executar nativamente uma aplicação feita com o React Native:

A na Web, no Windows e no MacOS;

B no Windows e no MacOS, mas não na Web;

C na Web e no Windows, mas não no MacOS;

D no MacOS, mas não no Windows nem na Web;

E na Web, mas não no Windows nem no MacOS.

ID 26562 Programação Python FGV 2024

A analista Ana está implementando um script para deep learning utilizando o Python e o PyTorch. Considere o seguinte trecho do script de Ana: import torch import torch.nn.functional as F input = torch.randn(3, 5, requires_grad=True) target = torch.tensor([1, 2, 0]) loss_fn = F.nll_loss loss = loss_fn(F.log_softmax(input, dim=1), target) print(loss) Ao ser executado, o trecho do script acima irá:

A imprimir o valor do tensor loss;

B falhar, pois a função nll_loss inexiste no PyTorch;

C falhar, pois a função log_softmax inexiste no PyTorch;

D falhar, pois o valor atribuído à variável input não é um tensor;

E falhar, pois faltam informações no valor atribuído à variável target.

ID 26561 Engenharia de Software 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 26560 Algoritmos e Estrutura de Dados Árvores FGV 2024

Considerando os algoritmos de construção de árvores de decisão ID3 e C4.5, é correto afirmar que:

A o ID3 permite poda da árvore, e o C4.5 não;

B o ID3 permite a existência de valores faltantes, e o C4.5 não;

C o C4.5 permite a existência de atributos categóricos, e o ID3 não;

D o C4.5 permite a existência de atributos com valores contínuos, e o ID3 não;

E o ID3 utiliza a entropia no cálculo do critério de escolha do atributo para geração do nó, e o C4.5 não.

ID 26559 Engenharia de Software 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 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 26557 Programação FGV 2024

Carolina produz um relatório em que compara os modelos de representação vetorial de palavras Word2Vec (em seus dois métodos: CBOW e Skip-Gram) e GloVe. Em seu relatório, Carolina destaca corretamente que o:

A Word2Vec é treinado usando uma rede neural profunda;

B GloVe consegue capturar correlações globais, além das locais;

C CBOW utiliza técnicas de fatoração de matrizes para aprender os vetores;

D Skip-gram prevê a palavra que melhor se encaixa em um contexto apresentado;

E Word2Vec necessita de mais memória de armazenamento durante o treinamento do que o GloVe.