QuestLab Plataforma Inteligente de Questões
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.

Encontre as questões que procura
Limpar filtros
848 questões encontradas

A representação e a aritmética hexadecimal são amplamente utilizadas para realizar operações de adição em sistemas de computação. Um exemplo importante é o cálculo de endereços de memória. A soma em hexadecimal dos números inteiros e positivos representados em hexadecimal por (3B7E) 16 e (C8A5) 16 resulta, na representação hexadecimal, em

A (E393) 16
B (66595) 16
C (F3DB) 16
D (10423) 16
E (03E3) 16

Determinada empresa venceu a licitação de uma secretaria de transportes municipal para a implementação de um software que faz o cálculo da melhor rota, dentre diversas possíveis, para que o ônibus da prefeitura ligue os pontos inicial e final da linha mais frequentada com distância percorrida mínima. Nesse contexto, o responsável pelo projeto resolveu utilizar um algoritmo consagrado de caminho mínimo, o algoritmo de

A Bubblesort
B Dijkstra
C Ford-Fulkerson
D Kruskal
E Quicksort

Uma empresa está aplicando o ITIL em sua versão atual para trabalhar com seu desenvolvimento de serviços de TI. No momento, a empresa está definindo as métricas de mensuração para processos de transições de serviço. O foco atual é a medição do número de reuniões do Change Advisory Board (CAB) e o número de Requests for Change (RFC) aceitos x rejeitados. Nesse caso, esses indicadores-chave de desempenho (KPI, sigla em inglês) do ITIL, usados para processos de transições de serviço, auxiliam na(o)

A gestão de ativos
B gestão de mudança
C gestão de capacidade de serviços
D planejamento de suporte
E validação de testes

Uma empresa financeira está elaborando um projeto para dar continuidade aos negócios de TI nas situações de recuperação de desastres, focando na parte de backup dos dados e na infraestrutura de TI. Para isso, a empresa permitirá que tais ações sejam sempre hospedadas em uma infraestrutura de nuvem, associada a um provedor de terceiros. Nesse modelo proposto, ocorrendo uma crise, esse provedor implementará e orquestrará o plano de recuperação de desastres, de modo a dar continuidade ao acesso e à funcionalidade dos sistemas, com o mínimo de interrupções nas operações. Esse tipo de recuperação de desastres utilizará o modelo de serviços

A IaaS
B BaaS
C DRaaS
D DRVMaaS
E PaaS

Considere a semidistribuição de Solomonoff, uma ferramenta teórica usada em aprendizado de máquina que fornece uma maneira de priorizar hipóteses baseadas em sua complexidade. A semidistribuição de Solomonoff é particularmente relevante em cenários em que o objetivo é encontrar a hipótese mais simples que explique os dados observados. Diante desse cenário, verifica-se que a semidistribuição de Solomonoff

A atribui maior probabilidade a hipóteses mais complexas, incentivando a busca por modelos mais detalhados e precisos.
B considera todas as possíveis hipóteses igualmente prováveis, ignorando a complexidade dos modelos.
C é computacionalmente eficiente e pode ser diretamente aplicada em algoritmos de aprendizado de máquina para encontrar a hipótese mais provável.
D é usada para otimizar hiperparâmetros em redes neurais profundas.
E pode ser vista como uma forma de regularização, penalizando modelos mais complexos para favorecer explicações mais simples dos dados.

Uma rede neural é um programa de aprendizado de máquina que toma decisões utilizando processos que imitam a forma como os neurônios biológicos funcionam. Com relação ao funcionamento, à aplicação e à modelagem quando se utilizam redes neurais, verifica-se que

A as redes neurais profundas sempre convergem mais rapidamente do que redes neurais rasas devido à sua maior capacidade de modelagem.
B as redes neurais não podem ser utilizadas para problemas de regressão; elas são exclusivamente usadas para problemas de classificação.
C a função de ativação ReLU (Rectified Linear Unit) é preferida em redes neurais profundas porque ajuda a mitigar o problema do gradiente desaparecendo.
D a regularização em redes neurais, como o dropout, é usada para aumentar o sobreajuste (overfitting) ao treinamento.
E o treinamento de redes neurais é independente da função de ativação utilizada; qualquer função de ativação pode ser usada sem afetar o resultado.

Considere que uma tabela, definida segundo o modelo relacional de dados, possui dados de pessoas físicas (chave primária: CPF). PESSOA ( CPF , nome, data-nascimento, email) O atributo RG (número do Registro Geral, principal documento de identificação de pessoas físicas no Brasil) precisa ser adicionado a essa tabela. Diante disso, uma vez adicionado o atributo RG, verifica-se que

A a chave primária da tabela passa a ser composta por CPF e RG.
B a tabela passará a ter duas chaves primárias.
C o atributo CPF continuará a ser a chave primária.
D o atributo RG precisa ser necessariamente definido como chave estrangeira.
E os domínios dos atributos CPF e RG precisam ser compatibilizados.

O Diagrama de Entidades e Relacionamentos (DER) é uma ferramenta bastante conhecida e útil para a modelagem conceitual dos dados que um determinado sistema de informação deve tratar. Em particular, os relacionamentos, representados por meio de losangos no DER, são utilizados para indicar que

A atributos de uma entidade têm uma relação mais forte entre si.
B atributos devem ser usados para identificar uma instância de uma entidade.
C dois, e apenas dois, relacionamentos estão relacionados entre si.
D duas ou mais entidades estão relacionadas entre si.
E entidades compartilham os mesmos atributos identificadores.

Considere que um dos estados do Brasil resolveu executar obras de infraestrutura em um de seus principais rios. Esse rio percorre um trajeto desde a serra até o mar, passando por 15 municípios desse estado. Todo o percurso do rio foi segmentado em trechos que recebem as obras. Cada trecho pode ter uma ou mais obras, uma obra é realizada em apenas um trecho e em apenas um município. As obras em questão podem demorar de seis meses a dois anos. Mensalmente, todas as obras são avaliadas quanto ao seu valor executado (no mês) comparado ao respectivo valor orçado (para despesas no mesmo mês). Foram criadas quatro tabelas segundo o modelo relacional de dados (as chaves primárias estão sublinhadas; as chaves estrangeiras estão indicadas pelo sinal @ no início do nome do atributo): OBRA ( ID-obra , @ município , @ trech o, @ mês , valor-orçado, valor-executado) MUNICÍPIO ( ID-município , nome, quantidade-habitantes, IDH) TRECHO ( ID-trecho , extensão-em-km) TEMPO ( ID-mês , mês-calendário, ano-calendário) Considere ainda os domínios de alguns atributos: MUNICÍPIO.quantidade-habitantes [1.000,10.000.000] TRECHO.extensão-em-km [10,1.000] TEMPO.mês-calendário [1,12] Por fim, considere as seguintes dependências funcionais (em que a notação A → B indica que A determina B): ID-município → quantidade-habitantes nome → IDH O modelo de dados apresentado com quatro tabelas, que implementa um modelo dimensional,

A está incorreto pois OBRA.mês indicado para TEMPO.mês-calendário.
B não permite o drill down município para os valores executados e orçados.
C possui uma tabela TRECHO que representa uma dimensão não aditiva.
D possui uma tabela fato (OBRA).
E é do tipo floco de neve.

Um dos indicadores mais utilizados para avaliação de políticas públicas em municípios brasileiros na área da saúde é a taxa de mortalidade infantil. Para essas políticas, também é importante acompanhar a quantidade de leitos hospitalares disponíveis. Considere três tabelas que representam um modelo dimensional: MUNICÍPIO ( ID-município , @ UF , @ mês , taxa-mortalidade-infantil, qtd-leitos) TEMPO ( ID-mês , mês-calendário, ano-calendário) ESTADO ( sigla , nome, região) Esse modelo dimensional permite apresentar de um estado da federação, em um dos meses cadastrados, a

A divisão da quantidade de leitos pela taxa de mortalidade infantil.
B divisão da taxa de mortalidade infantil pela quantidade de leitos.
C média da taxa de mortalidade infantil.
D soma da taxa de mortalidade infantil.
E soma da quantidade de leitos.