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
297 questões encontradas
ID 29423 Programação Linguagens de Programação FGV 2024

Um cientista de dados utiliza a biblioteca scikit-learn para treinar um estimador clf usando um conjunto de treinamento X1 e seu respectivo conjunto de atributos-alvo y. Posteriormente, o cientista estima os atributos-alvo do conjunto X2. Para realizar o treinamento e a predição, o cientista de dados deve usar, respectivamente, os métodos:

A fit(X1,y) e estimate(X2);
B fit(X1,y) e predict(X2);
C train(X1,y) e estimate(X2);
D train(X1,y) e predict(X2);
E train(X1,y) e test(X2).
ID 29422 Programação Linguagens de Programação FGV 2024

Igor, analista de dados da CVM, escreveu e rodou o código a seguir. from nltk.corpus import stopwords from nltk.tokenize import word_tokenize texto = "Eu sou um analista de dados da CVM!" stop_words = set(stopwords.words('portuguese')) tokens = word_tokenize(texto) tokens_processados = [w for w in tokens if not w in stop_words] print(tokens_processados) Considerando que o código foi executado sem erros e sabendo que Igor está usando Python 3.10.12 e NLTK 3.8.1, a saída do terminal foi:

A ['analista', 'dados', 'CVM'];
B ['analista', 'dados', 'CVM', '!'];
C ['Eu', 'analista', 'dados', 'CVM'];
D ['Eu', 'analista', 'dados', 'CVM', '!'];
E ['Eu', 'sou', 'analista', 'dados', 'CVM', '!'].
ID 29420 Banco de Dados Gerência de Transações FGV 2024

As transações em banco de dados possuem propriedades que buscam proteger dados contra perdas ou danos. A propriedade durabilidade tem relação com:

A a técnica de recuperação, para desfazer quaisquer efeitos de transações não completadas por algum motivo;
B as restrições de integridade especificadas para o esquema, bem como quaisquer outras restrições no banco de dados;
C o subsistema de recuperação do Sistema Gerenciador de Banco de Dados, por meio do log do sistema, para transações confirmadas e modificáveis pela execução de outra transação futura;
D o ocultamento das atualizações por parte de cada transação até que esta esteja confirmada;
E os níveis de durabilidade de uma transação variando do nível 1 ao 3, de forma a evitar atualizações perdidas.
ID 29419 Banco de Dados Sgbd FGV 2024

Os Sistemas Gerenciadores de Banco de Dados (SGBD) comerciais implementam internamente técnicas para processar, otimizar e executar consultas de alto nível. Uma estratégia eficiente utilizada pelo otimizador de consultas do SGBD considera o uso de:

A regras heurísticas de forma a realizar restrições (seleções) antes de projeções para reduzir o número de atributos para as projeções;
B estimativas de custo para identificar restrições (seleções) mais eficientes como entrada para execução das projeções com menos atributos;
C regras heurísticas de forma a realizar restrições (seleções) antes de projeções para reduzir o número de tuplas para as projeções;
D estimativas de custo para consultas compiladas com o intuito de realizar junções e projeções antes das restrições (seleções);
E regras heurísticas associadas a estimativas de custo para consultas interpretadas para eliminar o produto cartesiano.
ID 29418 Banco de Dados Conceitos Básicos em Banco de Dados FGV 2024

Diante de várias reclamações de performance em resposta a consultas a dados por meio de um dos sistemas estruturantes de uma autarquia federal, a equipe de tecnologia identificou que o motivo estava na lentidão para recuperação de registros na base de dados utilizada pelo sistema. Para agilizar a recuperação de registros em resposta a uma pesquisa que utiliza um campo que comporta valores repetidos, a equipe de tecnologia criou índices. Considerando que já existe um índice primário para o conjunto de dados em questão, a equipe criou um índice:

A multinível secundário esparso de chave candidata;
B de agrupamento (clustering) denso para o campo de ordenação física;
C bitmap para um ou mais campos de pesquisa para os quais há grandes variações de valores;
D de hash para o campo de pesquisa que é utilizado para organização do índice primário;
E secundário não denso para o campo de pesquisa com um nível de indireção extra para múltiplos ponteiros.
ID 29417 Banco de Dados Postgresql FGV 2024

Janine é a responsável pela administração dos bancos de dados gerenciados pelo PostgreSQL de uma autarquia federal. Durante a criação de um banco de dados, Janine especificou a criação de um tablespace diferente do tablespace default. O tablespace criado por Janine:

A é independente dos metadados contidos no diretório de dados principal;
B será tratado pelo PostgreSQL como uma coleção autônoma de arquivos de dados;
C pode ser anexado a outro cluster de banco de dados diferente daquele no qual foi criado;
D pode ter uma rotina de backup individual, independente de outros componentes do banco de dados;
E requer que o superusuário do banco de dados conceda o privilégio de criação no tablespace aos usuários comuns do banco de dados.
ID 29416 Estatística Inferência Estatística FGV 2024

O número de fraudes anuais detectadas no mercado financeiro, nos últimos 16 anos, foi registrado por um auditor. Ele deseja testar se o resultado fornece evidência de que a média anual de fraudes no mercado é inferior a 4, supondo que esses 16 registros constituam observações de uma amostra aleatória simples obtida a partir de uma população Normal. A variância dessa população é conhecida e igual a 25. Nessas condições, o auditor obterá evidência estatística de que a média populacional é inferior a 4, ao nível de significância 0,1, se a média na amostra for menor ou igual a:

A 1,6;
B 1,8;
C 2,4;
D 3,6;
E 5,6.
ID 29415 Estatística Análise de Séries Temporais FGV 2024

Considere duas séries temporais x e y, ambas integradas de ordem 1, ou I(1), representando a evolução de agregados macroeconômicos no tempo. Ao aplicarmos o teste de raiz unitária ADF aos resíduos da regressão linear de y em x (com valores críticos propostos por Engle-Granger para aplicá-lo a resíduos de uma regressão), verifica-se que a hipótese nula não é rejeitada, aos níveis usuais. É correto concluir que essas séries: (Obs: os valores críticos propostos por Engle-Granger para esse tipo de teste não são necessários para a resolução da questão)

A são cointegradas, pois tanto as séries quanto os resíduos são estacionários, o que torna a regressão entre elas válida;
B não são cointegradas, pois, apesar de serem estacionárias, os resíduos da regressão entre elas não são estacionários;
C são cointegradas, pois, embora não sejam estacionárias, os resíduos da regressão entre elas são estacionários;
D não são cointegradas, pois não são estacionárias e os resíduos da regressão entre elas não possuem raiz unitária;
E não são cointegradas, pois, embora não sejam estacionárias, os resíduos da regressão entre elas possuem raiz unitária.
ID 29414 Governança de TI Mps Br FGV 2024

A fábrica de software SeuSW estabeleceu formalmente um Processo Geral (PG) para condução de projetos de desenvolvimento de diferentes tipos de produtos de software. Assim, a descrição do processo contém a definição do ciclo de vida do projeto e a lista de tarefas a serem executadas. Considerando o Modelo de Referência MPS.BR (Melhoria de Processo do Software Brasileiro), o PG da SeuSW estará, minimamente, aderente a um resultado esperado para o nível:

A "G" quando protótipos, demonstrações ou revisões forem utilizados para validar os requisitos;
B "G" quando a rastreabilidade bidirecional entre requisitos, atividades e produtos de trabalho do projeto for estabelecida e mantida;
C "F" quando os treinamentos identificados como necessários para capacitação dos colaboradores forem realizados e registrados;
D "F" quando as estimativas de dimensão de tarefas e produtos de trabalho do projeto forem estabelecidas com a utilização da Análise de Pontos por Função;
E "E" quando o processo definido para o projeto, derivado da estratégia para adaptação do processo da organização, for estabelecido, mantido atualizado e utilizado.