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
15 questões encontradas
ID 23610 Banco de Dados Data Mining FGV 2025

Acerca dos algoritmos de mineração de dados, analise as afirmativas a seguir, e assinale (V) para a verdadeira e (F) para a falsa.

( ) Uma árvore de decisão é um grafo cíclico direcionado em que cada nó é um nó de divisão.

( ) Em uma rede neural artificial multicamadas os neurônios estão conectados a todos os neurônios da camada anterior.

( ) As máquinas de vetores de suporte (SVM - Support Vector Machine ) são aplicadas em problemas de classificação nos quais busca-se dividir os dados por meio de um hiperplano. As afirmativas são, respectivamente,

A V – V – F.
B V – F – V.
C F – V – F.
D F – F – V.
E V – V – V.
ID 23609 Banco de Dados Data Mining FGV 2025

Sobre algoritmos de mineração de dados, avalie as afirmativas a seguir e assinale (V) para a verdadeira e (F) para a falsa.

( ) K-means, também conhecido como K-NN, é um algoritmo baseado na ideia de que objetos semelhantes estão próximos uns dos outros.

( )Árvore de decisão é uma estrutura hierárquica constituída por nós. Nela, o coeficiente de Gini de um nó é sempre maior do que o do seu nó pai.

( ) O algoritmo SVM, utilizado apenas para a tarefa de classificação, emprega classificadores lineares que separam o conjunto de dados por meio de hiperplanos, não sendo possível seu uso com problemas não linearmente separáveis. As afirmativas são, respectivamente,

A V – V – F.
B F – V – V.
C F – F – V.
D V – F – F.
E F – F – F.
ID 23608 Banco de Dados Sql FGV 2025

O Apache Spark é um mecanismo de análise unificado para processamento de dados em grande escala com diversas aplicações em ciência de dados, machine learning e processamento de gráficos. Considerando essa ferramenta, julgue as afirmativas a seguir.

I. O Spark pode ser executado no Apache Hadoop, Kubernetes, por conta própria, na nuvem, em máquinas isoladas ou em clusters.

II. DataFrames , SQL e Structured Streaming são exemplos de APIs do Spark.

III. Uma diferença entre o Spark e o MapReduce é que o Spark processa e mantém os dados na memória para as etapas subsequentes, sem gravar ou ler do disco, gerando maior velocidade de processamento. Está correto o que se afirma em

A I, apenas.
B II, apenas.
C I e II, apenas.
D II e III, apenas.
E I, II e III.
ID 23607 Banco de Dados Olap On Line Analytical Processing FGV 2025

Você, como analista de dados do TCE-RR, pode ser incumbido de utilizar um cubo OLAP para avaliar as auditorias do tribunal pelas dimensões cidade, tempo e custo. Considere que a análise possua a seguinte cadeia de ações: filtro para apenas considerar o último ano, detalhamento de ano para mês e agregação de mês para trimestre. A sequência de ações OLAP será:

A Slice, Drill Down e Roll Up.
B Slice Down, Roll Across e Drill Up.
C Slice, Dice e Roll Up.
D Dice, Drill Down e Roll Up.
E Dice, Drill Through e Drill Across.
ID 23606 Engenharia de Software Inteligencia Artificial FGV 2025

Algoritmos de Aprendizado de Máquina (Machine Learning) podem ser classificados quanto ao tipo de aprendizado. Em relação ao tema, avalie as afirmações a seguir e assinale (V) para a verdadeira e (F) para a falsa.

( ) Tarefas de classificação e regressão são exemplos típicos de aprendizado supervisionado.

( ) No aprendizado não supervisionado, os dados de treinamento não estão rotulados.

( ) SVM, árvores de decisão e regressão logística são exemplos de algoritmos de aprendizado supervisionado. As afirmativas são, respectivamente,

A V – V – V.
B F – V – F.
C F – F – V.
D V – F – V.
E F – V – V.
ID 23605 Engenharia de Software Inteligencia Artificial FGV 2025

Marcelo, auditor especializado em Análise de Dados, está estudando o uso de algoritmos de aprendizado de máquina (Machine Learning) para a detecção de fraudes em contas públicas. Como parte de seus experimentos, ele dividiu seu conjunto de dados em treinamento e teste. Após treinar um modelo, percebeu que os resultados apresentavam indícios de underfitting. O underfitting ocorre

A quando o modelo se ajuste bem ao conjunto de treinamento, mas acaba por capturar não apenas os padrões, mas também os ruídos, comprometendo sua capacidade de generalização.
B apenas quando o conjunto de treinamento não contém exemplos de todas as classes, prejudicando o desempenho do modelo em classes minoritárias.
C quando o modelo não consegue capturar adequadamente os padrões nos dados do conjunto de treinamento, resultando em um desempenho insuficiente.
D quando a taxa de aprendizado do modelo é muito baixa, prolongando por exemplo o tempo necessário para que o modelo convirja.
E quando o modelo apresenta uma complexidade muito maior do que o necessário, levando por exemplo ao uso ineficiente de recursos computacionais.
ID 23604 Algoritmos e Estrutura de Dados Estrutura de Dados FGV 2025

O Auditor Ricardo treinou e avaliou um modelo de classificação binária, obtendo para a avaliação uma matriz de confusão, tal que a matriz apresentava 90 verdadeiros positivos, 93 verdadeiros negativos, 60 falsos positivos e 10 falsos negativos. Com base nesses valores, o modelo apresenta

A uma precisão de 0,9.
B uma precisão de 0,6.
C um recall (revocação) de 0,6.
D um F1-score de 0,6.
E um F1-score de 0,9.
ID 23603 Engenharia de Software Inteligencia Artificial FGV 2025

As Redes Neurais Convolucionais ( Convolutional Neural Network - CNNs) são amplamente utilizadas em tarefas de reconhecimento de imagens. Sobre as características e as arquiteturas das CNNs, avalie as afirmativas a seguir.

I. Uma camada que compõe uma CNN é a camada convolucional. Nela ocorre a subamostragem da imagem, com o objetivo de se diminuir a carga computacional, o uso de memória e o número de parâmetros necessários.

II. LeNet-5, AlexNet e ResNet são exemplos de arquiteturas CNN.

III. A arquitetura de uma CNN é composta exclusivamente por camadas convolucionais e camadas de pooling . Está correto o que se afirma em

A I, apenas.
B II, apenas.
C I e II, apenas.
D I e III, apenas.
E II e III, apenas
ID 23602 Estatística Estatística Descritiva Análise Exploratória de Dados FGV 2025

Quatro amigos estavam discutindo seus salários e constataram que a média salarial dos quatro, naquele mês, era de R$ 10.500,00. Em um momento da conversa, um dos amigos foi embora, deixando os outros três discutindo. Eles percebem que, considerando apenas os três que permaneceram, a nova média salarial passou a ser de R$ 5.000,00. Além disso, verificaram que essa nova média também corresponde à mediana dos salários dos três amigos que ficaram. Sabe-se ainda que o menor salário entre os quatro amigos é de R$1.000,00. Com base nessas informações, assinale a afirmativa correta.

A O maior salário entre os quatro amigos é de R$ 28.000,00.
B A soma dos salários dos três amigos que mais ganham é de R$ 41.000,00.
C A soma dos salários dos quatro amigos é de R$ 40.000,00.
D A soma dos salários dos três amigos que permaneceram é R$ 18.000,00.
E O maior salário entre os quatro amigos é de R$ 36.000,00
ID 23601 Estatística Inferência Estatística FGV 2025

Com relação às afirmativas a seguir sobre inferência estatística, avalie as afirmativas a seguir e assinale (V) para a afirmativa e (F) para a falsa.

( ) O p-valor indica a probabilidade de que a hipótese nula seja verdadeira, com base nos dados observados.

( ) O teste de hipótese presume que a negação da hipótese nula é verdadeira, cria um modelo para isso e testa se o efeito observado é plausível dentro de um intervalo de confiança.

( ) Em um teste de hipótese, se a hipótese alternativa contém o símbolo maior que (“>”), então tem-se um teste unilateral à esquerda. As afirmativas são, respectivamente,

A F – V – F.
B F – F – V.
C V – V – V.
D V – F – F.
E F – F – F.