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
250 questões encontradas
ID 5516 Arquivologia Documentos Digitais / Eletrônicos CESGRANRIO 2024

Os documentos digitais, tais como a fotografia digital, a base de dados e a planilha de cálculo, podem apresentar-se de algumas formas. Eles são considerados, respectivamente, documentos digitais

A armazenados, manifestados, armazenados
B armazenados, armazenados, manifestados
C manifestados, armazenados, manifestados
D manifestados, manifestados, armazenados
E manifestados, armazenados, armazenados
ID 5515 Arquivologia Gestão de Documentos / Arquivos Corrente e Intermediário CESGRANRIO 2024

O Sistema Informatizado de Gestão Arquivística de Documentos (Sigad) é um sistema que controla o ciclo de vida dos documentos arquivísticos. A gestão arquivística de documentos compreende a captura, a tramitação, a utilização e o arquivamento até a sua destinação final, isto é, eliminação ou recolhimento para guarda permanente. O Modelo de Requisitos para Sistemas Informatizados de Gestão Arquivística de Documentos tem por objetivo orientar a implantação da gestão arquivística de documentos, fornecer especificações técnicas e indicar os metadados para desenvolver e/ou adquirir um Sigad. Esse modelo de requisitos é conhecido como

A e-Ping Brasil
B e-Mag Brasil
C e-Pwg Brasil
D e-ARQ Brasil
E RDC-Arq
ID 5514 Arquivologia Princípios Arquivísticos CESGRANRIO 2024

Um arquivologista, ao realizar a tarefa de agrupar arquivos, observou um princípio que respeita não só a origem dos documentos em que os arquivos devem ser agrupados, como também a competência e a atividade de quem os produziu, não misturando documentos de origens diferentes. Pela descrição da atividade, constata-se que o arquivologista utilizou o princípio da

A organicidade
B indivisibilidade
C proveniência
D unicidade
E pertinência
ID 5513 Auditoria Normas de Auditoria CESGRANRIO 2024

A NBC TA 701 trata da responsabilidade do auditor em comunicar os principais assuntos de auditoria em seu relatório sobre as demonstrações contábeis. A comunicação dos principais assuntos de auditoria visa

A tornar o relatório de auditoria mais informativo, auxiliando o entendimento dos assuntos que, segundo o julgamento profissional do auditor, foram os de maior importância.
B substituir a emissão de opinião modificada por parte do auditor.
C substituir a emissão de opinião não modificada por parte do auditor.
D substituir a apresentação de relatório sobre a capacidade de continuidade operacional da entidade.
E apresentar uma opinião separada sobre os assuntos tomados individualmente.
ID 5512 Banco de Dados Banco de Dados CESGRANRIO 2024

Data warehouses (DW) e data lakes (DL) são repositórios de dados especializados, com objetivos distintos dos bancos de dados relacionais e NoSQL. Nesse contexto, ao comparar DW a DL, verifica-se que

A DL são mais adequados que DW para persistir dados históricos.
B DL são mais voltados para gestores do que DW.
C DW são apropriados para persistir dados não estruturados.
D DW precisam ter a sua estrutura definida antes de persistir dados.
E tanto DW quanto DL são indicados apenas para persistir dados agregados.
ID 5511 Banco de Dados Banco de Dados Relacionais CESGRANRIO 2024

O modelo relacional de dados é amplamente utilizado em bancos de dados. A organização de dados em tabelas (relações), com suas respectivas linhas (tuplas) e colunas (atributos), é de fácil compreensão. Os Sistemas Gerenciadores de Bancos de Dados Relacionais (SGBDR) tornam possível persistir dados em tabelas com qualidade e recuperar esses mesmos dados de forma rápida e eficiente. Segundo o modelo relacional de dados, uma tabela pode ter

A chaves estrangeiras que admitem valor nulo.
B linhas idênticas (repetidas) em seu conteúdo.
C um ou mais valores de tipos diferentes em um único atributo.
D uma chave primária que admite valor nulo.
E uma ou mais colunas de mesmo nome, porém de tipos distintos.
ID 5510 Banco de Dados CESGRANRIO 2024

Em um Sistema Gerenciador de Banco de Dados (SGBD), os índices são estruturas de dados que têm por objetivo tornar mais rápido o acesso aos dados. Índices são utilizados tanto em SGBD relacionais quanto em SGBD NoSQL. Considerando-se uma tabela T1 em um SGBD relacional, quanto a esses índices, verifica-se que

A devem ser criados apenas para atributos que compõem chave primária de T1.
B permitem chaves de mais de uma tabela (ex: T1 e T2) simultaneamente, em um mesmo índice.
C podem ser criados após a tabela T1 ter sido criada.
D qualquer modificação na tabela T1 levará à recriação dos seus índices.
E serão utilizados em todas as consultas à tabela T1.
ID 5509 Arquitetura de Software CESGRANRIO 2024

O Microsoft Team Data Science Process (TDSP) é uma metodologia que define, entre outros conceitos, um ciclo de vida para projetos de ciência de dados. A TDSP possui cinco estágios principais, de modo que na etapa de

A “Aceitação do Cliente” o modelo criado é aprovado, antes da sua implantação.
B “Aquisição de Dados e Entendimento” é criado um fluxo de dados para atualizar os dados regularmente.
C “Implantação” é preparado um ambiente para testes e homologação do modelo.
D “Modelagem” é criado um Diagrama de Entidades e Relacionamentos, com seu respectivo dicionário de dados.
E “Noções Básicas sobre Negócios” são definidos indicadores de desempenho, suas metas e iniciativas relacionadas.
ID 5508 Banco de Dados CESGRANRIO 2024

Um conjunto de dados numéricos com significativa diversidade foi apresentado à equipe de análise de dados de uma empresa. Como parte do processo decisório, os analistas necessitavam transformar um dos atributos numéricos em faixas de valores, a fim de permitir classificá-los em um universo de possibilidades. Para isso, decidiram, na etapa de enriquecimento de dados, criar um atributo, derivado do atributo numérico supracitado, em um processo de transformação de dados conhecido por discretização. Uma das características das técnicas de discretização é que

A a discretização por binning é uma técnica de divisão bottom-up que considera um número específico de categorias (bins).
B a discretização por entropia minimiza a descrição total dos dados, balanceando entre o número de bins e a qualidade da discretização.
C a discretização por histogramas é uma técnica não supervisionada, pois a formação dos bins não considera informações de classes ou rótulos.
D cada bin, no método de binning de largura igual, contém aproximadamente o mesmo número de amostras de dados.
E uma limitação da discretização por histogramas multidimensionais é a inviabilidade de captura de dependência entre atributos.
ID 5507 Banco de Dados CESGRANRIO 2024

Uma equipe de ciência de dados está trabalhando na construção de um modelo preditivo utilizando um grande conjunto de dados. Durante esse processo, os cientistas de dados estão realizando o feature engineering para criar e selecionar as variáveis mais relevantes, além de aplicar técnicas de divisão de dados para garantir a eficácia e a generalização do modelo. Considerando-se esse contexto, qual combinação de técnicas maximizará a performance do modelo?

A A aplicação de técnicas de criação de features, como a interação entre variáveis, e em seguida a divisão do conjunto de dados em três partes: treinamento, validação e teste, utilizando 70% para treinamento, 15% para validação e 15% para teste, assegurando, com isso, que os três conjuntos sejam desbalanceados para refletir a distribuição real dos dados.
B A aplicação de transformações matemáticas, como a normalização, apenas no conjunto de teste, para evitar a distorção das variáveis de entrada, e a divisão dos dados restantes igualmente entre treinamento e validação.
C A realização da técnica de amostragem estratificada para dividir os dados entre treinamento, validação e teste, e em seguida a aplicação da transformação de raiz quadrada em todas as variáveis para aumentar a variância das features, garantindo que o modelo capture melhor os padrões nos dados.
D A realização da transformação logarítmica em todas as variáveis categóricas antes de realizar a divisão dos dados, e a garantia de que o conjunto de validação seja maior que o de treinamento para prevenir overfitting.
E A realização da seleção de features com a utilização de técnicas de análise de correlação, descartando as variáveis altamente correlacionadas, e a aplicação da divisão dos dados em conjuntos de treinamento e teste usando uma divisão 80/20, aplicando a validação cruzada (cross-validation) para ajustar os hiperparâmetros do modelo.