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

5.106 questões encontradas

ID 181038 Tecnologia da Informação Geral FCC 2026

Em Python, utilizando a biblioteca Pandas, uma fiscalização estadual cruza um DataFrame de autos de infração (df_autos) com outro de cadastro de contribuintes (df_cad) , ambos indexados por CNPJ, e precisa preservar todos os autos mesmo sem cadastro correspondente. Nessa situação, a operação adequada é

A df_cad.merge (df_autos, how="right", on="CNPJ") sem alinhar índices explicitamente.

B df_autos.merge(df_cad, how="outer", left_index=True, right_index=True) para incluir todos.

C df_autos.merge(df_cad, how="inner", left_index=True, right_index=True)

D df_autos.join(df_cad, how="left")

E pd.concat([df_autos, df_cad], axis=1, join="inner")

ID 181036 Tecnologia da Informação Geral FCC 2026

Em um sistema estadual, toda inserção ou alteração de lançamentos fiscais deve gerar auditoria automática com valores anteriores e novos, sem intervenção da aplicação. Respeitando os modelos de estrutura DML do Oracle, a solução técnica mais adequada consiste na criação de

A um trigger de nivel de instrução que calcula agregações e grava um resumo da mudança.

B um job agendado que varre periodicamente a tabela e infere mudanças por comparação.

C uma procedure executada após cada INSERT/UPDATE na tabela.

D uma função armazenada associada à tabela para capturar alterações em tempo de execução.

E um trigger DML de nível de linha usando qualificadores :OLD e :NEW para registrar auditoria.

ID 181035 Tecnologia da Informação Arquitetura de Software FCC 2026

Uma Secretaria da Fazenda mantém um sistema corporativo que integra cadastro de contribuintes, arrecadação, fiscalização eletrônica e relatórios gerenciais. Com o aumento do volume de acessos e a necessidade de evoluir módulos de forma independente, a equipe de TI avalia manter a arquitetura atual ou migrar gradualmente para microsserviços, entendendo que

A os módulos em uma arquitetura monolítica compartilham o mesmo ciclo de implantação e execução, o que simplifica o desenvolvimento inicial; já em microsserviços, cada serviço pode ser implantado e escalado de forma independente, exigindo maior maturidade em integração, monitoramento e gestão operacional.

B a adoção de microsserviços elimina a necessidade de testes integrados e observabilidade, pois cada serviço funciona de maneira isolada, enquanto sistemas monolíticos dependem de ferramentas externas para garantir confiabilidade.

C a arquitetura monolitica impede qualquer tipo de escalabilidade seletiva, pois tados 05 componentes precisam ser replicados integralmente, enquanto microsserviços eliminam dependências entre módulos e dispensam mecanismos de comunicação entre serviços.

D microsserviços são indicados apenas para sistemas pequenos e estáveis, pois a fragmentação do sistema aumenta a complexidade de implantação, tornando inviável o uso em ambientes críticos como os de arrecadação estadual.

E a arquitetura monolitica facilta a govemança e o controle transacional distribuido entre módulos independentes, enquanto microsserviços concentram dados e regras de negócio em um único repositório para simplificar a consistência.

ID 181034 Tecnologia da Informação Desenvolvimento e Programação FCC 2026

Uma SEFAZ faz a análise de milhões de notas fiscais eletrônicas com relações não lineares, presença de ruído e necessidade de reduzir autuações indevidas decorrentes de variância do modelo. Nesse cenário, o algoritmo adequado para ser utilizado é

A XGBoost, por maximizar ajuste aos dados sem necessidade de controle de profundidade.

B Sistema baseado em regras fiscais, por incorporar conhecimento especialista e reduzir ruido estatístico.

C Regressão Logistica, por capturar relações não lineares sem engenharia de atributos.

D Classificador linear, por minimizar complexidade e manter desempenho em padrões heterogêneos.

E Random Forest, por reduzir variância via agregação de múltiplas árvores treinadas com amostragem.

ID 181029 Tecnologia da Informação Geral FCC 2026

Um classificador de risco de inadimplência foi treinado com histórico fiscal, que apresenta desempenho elevado no treino e queda consistente em dados novos, mesmo com validação adequada. O fenômeno técnico caracterizado no cenário descrito é

A Overfitting , por adaptação excessiva ao conjunto de treinamento e baixa generalização.

B Underfilting , por ocorrer quando hã divisão entre treino e teste sem estratificação.

C Underfilting , por incapacidade de representar 05 padrões presentes no conjunto de treinamento.

D Underfitting , por decorrer de baixa variância do modelo em problemas desbalanceados.

E Overfitting , por ocorrer quando a AUC-ROC do teste se aproxima do desempenho aleatório.

ID 181026 Tecnologia da Informação Desenvolvimento e Programação FCC 2026

Uma SEFAZ recebe uma lista de dicionários Python com {cnpj, valor_icms, status} e precisa totalizar o ICMS por CNPJ, desconsiderando registros com status != "VALIDO" , sem bibliotecas externas. Nesse caso, a abordagem mais adequada é

A converter a lista em tuplas e aplicar reduce() sem filtragem, pois a redução substitui validações condicionais.

B implementar um dicionário acumulador por CNPJ, somando valor_icms apenas quando status == "VALIDO" .

C ordenar a lista por CNPJ e aplicar sum () sobre todos os valores, assumindo que o status não altera o total.

D aplicar max () por CNPJ para representar o total devido, pois o maior lançamento reflete a arrecadação.

E converter os registros em set para remover duplicidades e então aplicar sum () nos valores remanescentes quando status == "VALIDO" .

ID 181015 Tecnologia da Informação Geral FCC 2026

A equipe de planejamento da SEPLAG está desenvolvendo um painel de acompanhamento de despesas públicas no Power BI, utilizando dados extraídos do sistema financeiro do órgão. O processo envolve a carga de dados em um Data Warehouse, seguido da criação de medidas e visualizações no Power BI. Durante a modelagem, uma Gestora criou a seguinte medida DAX ( Data Analysis Expressions ):

TotalDespesas = SUM(fato_despesas [valor_total])

Em seguida, ela adicionou um gráfico de colunas com os campos dim_orgao[nome_orgao] no eixo e TotalDespesas como valor. Ao aplicar um filtro de ano na página, o gráfico se atualiza automaticamente.

Com base nos conceitos sobre ETL e Power Bl envolvidos neste cenário,

A consultas que utilizam MDX ( Multidimensional Data Expressions ) são mais fáceis de serem escritas e mais eficientes do que consultas criadas com DAХ.

B a medida criada com DAX é calculada durante a carga de dados no Power BI, o que garante que os valores estejam prontos antes da visualização.

C o processo de transformação dos dados no modelo ELT ocorre antes da extração, permitindo que os dados sejam filtrados na origem.

D o uso de filtros visuais no Power BI não altera os resultados das medidas, pois elas ficam fixas após a modelagem.

E a medida DAX é avaliada no momento da visualização, respeitando o contexto dos filtros aplicados, como ano e órgão.

ID 181014 Tecnologia da Informação Dados, BI e Analytics FCC 2026

Uma Secretaria da Fazenda Estadual recebeu uma base de dados contendo 2,3 milhões de registros de declarações fiscais para análise de conformidade tributária. Durante a fase de exploração inicial, a equipe técnica identificou diversos problemas: campos de CNPJ com formatações inconsistentes (alguns com pontuação, outros sem), valores monetários registrados com separadores decimais divergentes (vírgula e ponto), datas em formatos distintos (DD/MM/AAMA, AMAA-MM-DD), campos obrigatórios vazios em aproximadamente 12% dos registros, e a presença de valores extremos de receita bruta ( outliers ) que distorciam as análises estatísticas. Além disso, a variável " regime tributário " apresentava categorias redundantes devido a erros de digitação (ex “Simples Nacional”, “SIMPLES NACIONAL”, “Simples nacional). Para viabilizar a análise de risco fiscal e a construção de modelos preditivos, tomou-se necessário aplicar técnicas sistemáticas de preparação dos dados antes do processamento analítico. Considerando as melhores práticas de pré-processamento de dados, o tratamento correto e adequado para essa situação é

A aplicar tokenização em campos textuais para fragmentar as informações em unidades menores, utilização de técnicas de stemming e lemmatização para uniformizar as categorias de regime tributário, implementação de métodos de detecção de anomalias baseados em Isolation Forest para identificar registros fiscais suspeitos e preenchimento de valores ausentes mediante algoritmos de interpolação linear ou polinomial, assegurando a completude da base de dados para processamento posterior.

B iniciar com a aplicação de técnicas de feature scaling através de padronização z-score em todas as variáveis numéricas para centralizá-las em média zero e desvio padrão unitário, seguida de codificação ordinal para variáveis categóricas respeitando hierarquias naturais, detecção de outliers multivariados mediante distância de Mahalanobis e imputação de dados faltantes exclusivamente por valores constantes predefinidos conforme regras de negócio tributário, evitando métodos estatísticos que alterem distribuições originais.

C priorizar, inicialmente, a exclusão automática de todos os registros que apresentem campos obrigatórios vazios, seguida da aplicação de técnicas de winsorização para substituir valores extremos pelos percentis 5 e 95, padronização das strings mediante conversão para maiúsculas e remoção de acentuação, garantindo assim a integridade da base sem necessidade de imputação de dados faltantes que poderia introduzir viés nas análises tributárias.

D aplicar técnicas de normalização min-max em todas as variáveis numéricas para escaloná-las entre 0 e 1, realizar a codificação one-hot encoding nas variáveis categóricas, incluindo a variável regime tributário, implementar detecção de outliers através do método de Tukey (I0R) com remoção automática dos valores identificados e utilizar forward fill para preencher dados faltantes sequencialmente, preservando a ordenação temporal dos registros fiscais.

E padronizar formatos mediante expressões regulares para unificar CNPJ, valores monetários e datas em padrões consistentes, tratamento de dados faltantes atraves de análise contextual para decidir entre imputação (por média, mediana ou algoritmos como KNN) ou exclusão baseada em criticidade; normalização de texto com conversão para caixa baixa, remoção de espaços extras para eliminar duplicatas categóricas; e análise criteriosa de outliers distinguindo valores legítimos de erros de registro antes de qualquer ação corretiva.

ID 181012 Tecnologia da Informação Geral FCC 2026

Uma Secretaria da Fazenda verificou que 05 acessos às declarações de contribuintes são registrados na mesma tabela de negócio, podem ser alterados por DBAs e que registros antigos são apagados para liberar espaço. A fiscalização pediu um redesenho que aumente a integridade e a rastreabilidade dos acessos às declarações, sem prejudicar a disponibilidade do sistema. Nesse cenário, o redesign que atente à exigência de integridade e rastreabilidade forte é

A restringir permissões de administrador a um grupo menor de DBAs e habilitar a auditoria nativa do SGBD apenas para eventos considerados críticos, mantendo o registro dos acessos às declarações na mesma tabela de negócio, com controles de acesso baseados em perfis e funções.

B configurar rotina de limpeza automática que exclua periodicamente os logs mais antigos, combinada com políticas de backup e restauração do banco, garantindo que o volume de dados de auditoria permaneça reduzido e o banco responda mais rapidamente às consultas de produção.

C implementar trilhas de auditoria imutáveis e apenas de inclusão ( append-only ), com registros assinados digitalmente e horário sincronizado, armazenadas em repositório segregado do banco transacional.

D consolidar dados de negócio e logs em uma única tabela particionada por período, ampliando a capacidade de armazenamento e aplicando triggers para impedir alterações manuais diretas, mantendo, porém, todos os registros no mesmo esquema lógico utilizado pelas transações operacionais.

E implementar um job diário que exporta os logs para arquivo externo assinado digitalmente em servidor de arquivos dedicado, removendo em seguida os registros antigos da base transacional para otimizar desempenho e liberar espaço em disco no banco de dados principal.

ID 180981 Tecnologia da Informação Métodos Ágeis FCC 2026

Uma Secretaria da Fazenda Estadual iniciou a implementação do framework Scrum para desenvolvimento de sistemas tributários. Durante o treinamento da equipe sobre o Scrum Guide 2020, surgiram dúvidas sobre as mudanças em relação à versão anterior. O instrutor explicou que houve alterações significativas nos artefatos e seus compromissos associados, visando a aumentar a transparência e o foco no progresso. Um membro da equipe questiona especificamente sobre os compromissos vinculados a cada artefato do Scrum . Considerando as definições estabelecidas no Scrum Guide 2020, a associação correta entre os artefatos do Scrum e seus respectivos compromissos, garantindo que cada artefato tenha um objetivo claro e mensurável para orientar o trabalho da equipe de desenvolvimento, é: Product Backlog possui como compromisso a

A Meta da Sprint, Sprint Backlog possui como compromisso a Definição de Pronto, e Incremento possui como compromisso a Meta do Produto.

B Definição de Pronto, Sprint Backlog possui como compromisso a Meta do Produto, e Incremento possui como compromisso a Meta da Sprint .

C Meta do Produto, Sprint Backlog possui como compromisso a Meta da Sprint, e Incremento possui como compromisso a Definição de Pronto.

D Meta da Sprint, Sprint Backlog possui como compromisso a Meta do Produto, e Incremento possui como compromisso a Definição de Pronto.

E Definição de Pronto, Sprint Backlog possui como compromisso a Meta da Sprint , e Incremento possui como compromisso a Meta do Produto.