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

841 questões encontradas

ID 34337 Banco de Dados Geral FGV 2022

No contexto do MySQL 8.x, considere as afirmativas a respeito da utilização de índices do tipo FULLTEXT exibidas a seguir.

I. Índices FULLTEXT podem ser aplicados somente para tabelas MyISAM.

II. Consultas baseadas em índices FULLTEXT devem usar a sintaxe MATCH (col1, col2, ...) AGAINST(expressão [modificador]).

III. O comando ALTER TABLE não pode ser utilizado para a criação de índices FULLTEXT. Está correto somente o que se afirma em:

A I;

B II;

C I e II;

D I e III;

E II e III.

ID 34336 Banco de Dados Geral FGV 2022

No contexto do Oracle, considere o comando a seguir e analise as afirmativas a respeito das consequências desse mesmo comando. create global temporary table temp ( a int not null primary key, b varchar(20) not null ) ON COMMIT DELETE ROWS;

I. Dados inseridos numa sessão (em inglês, session) ficam disponíveis como read only para todas as sessões abertas.

II. Dados inseridos por uma sessão são removidos quando a sessão é encerrada.

III. Ao término de uma transação por meio de um comando commit , os dados são automaticamente removidos da tabela. Está correto somente o que se afirma em:

A I;

B II;

C I e II;

D I e III;

E II e III.

ID 34335 Arquitetura de Software Web Services e Integração FGV 2022

No âmbito de Web services, analise as afirmativas a seguir sobre a abordagem REST e o uso de tecnologias baseadas em SOAP.

I. Uma característica dos serviços Web RESTful é a capacidade de transmitir dados diretamente via HTTP.

II. As mensagens SOAP precisam ser retornadas como documentos XML.

III. Um navegador não pode armazenar em cache uma solicitação concluída por uma API SOAP.

É correto o que se afirma em:

A somente II;

B somente I e II;

C somente I e III;

D somente II e III;

E I, II e III.

ID 34334 Banco de Dados Geral FGV 2022

Bia está desenvolvendo um relatório no Power BI para exibir dados estruturados multidimensionalmente. Esse relatório deve:

I. exibir dados entre várias dimensões;

II. agregar automaticamente dados permitindo realizar a operação OLAP Drill Down;

III. permitir a seleção de um ou mais elementos de dados para realizar um realce cruzado com outro visual; e

IV. adicionar ícones condicionais. O elemento visual do Power BI que Bia deve usar é:

A Matriz;

B ScriptsR;

C Árvore de decomposição;

D Cartões de múltiplas linhas;

E Gráfico de combinação e faixa de opções.

ID 34333 Engenharia de Software Geral FGV 2022

Um analista decidiu aplicar um modelo Naive Bayes a um problema cujo conjunto de dados disponível possui apenas atributos categóricos codificados em one-hot. O modelo de eventos mais apropriado nesse caso é o:

A Multinomial;

B Bernoulli;

C Gaussiano;

D Exponencial;

E Uniforme.

ID 34332 Engenharia de Software Geral FGV 2022

Durante o processo de treinamento e validação de uma rede neural, foi observado o fenômeno de underfitting do modelo, necessitando de ajustes ao procedimento. A arquitetura utilizada foi a Multilayer Perceptron (MLP) e o conjunto de dados foi separado em regime de holdout (50%, 30% e 20% para treinamento, validação e teste, respectivamente). Dois fatores que podem ter condicionado o fenômeno observado são:

A iterações insuficientes; amostragem dos dados;

B excesso de parâmetros; excesso de iterações;

C insuficiência de parâmetros; excesso de camadas;

D excesso de iterações; entrada não normalizada;

E insuficiência de camadas; saída normalizada.

ID 34331 Engenharia de Software Geral FGV 2022

Considere a sentença a seguir. s : “O acesso ao auditório também pode ser feito através de uma rampa” Aplicando a função f à sentença, obtém-se o seguinte resultado: f (s) = “acesso auditório pode ser feito através rampa” A melhor descrição para a tarefa realizada pela função f é:

A filtragem de conectivos;

B lematização;

C sumarização de sentença;

D filtragem de stop words;

E remoção de ruído.

ID 34330 Sistemas de Informação Geral FGV 2022

Um cientista de dados está ponderando sobre a aplicação de um modelo Paragraph Vector (PV-DM) sobre uma coleção de documentos, no lugar de usar a média de vetores de palavras em cada documento. Uma razão pela qual ele deveria aplicar PV-DM, e uma contrapartida à sua aplicação, são, respectivamente:

A considera a ordem das palavras; maior custo computacional;

B menor custo computacional; menor precisão;

C vetores mais compactos; menor expressividade dos vetores;

D maior expressividade dos vetores; não considera a ordem das palavras;

E vetores mais densos, não considera a ordem das sentenças.

ID 34329 Sistemas de Informação Geral FGV 2022

Considere o parágrafo a seguir. “Os beija-flores são aves de pequeno porte, que medem em média de 6 a 12 centímetros de comprimento e pesam de 2 a 6 gramas. Maioria dos bicos são normalmente longos, mas o formato preciso varia bastante com a espécie e está adaptado ao formato da flor que constitui a base da alimentação de cada tipo de beija-flor. ” E seu sumário, obtido através de um modelo de sumarização automática: “Os beija-flores são aves de pequeno porte, com os bicos normalmente longos cujo formato varia com a espécie, dependendo do formato da flor que constitui a base da alimentação de cada tipo de beija-flor. ” Com relação à técnica utilizada para essa sumarização, a alternativa que apresenta, respectivamente, o tipo de sumarização realizada e a evidência que nos permite classificá-la é:

A abstrativa, pois os detalhes exatos, como medidas, foram omitidos no sumário;

B extrativa, pois os substantivos principais foram preservados;

C abstrativa, pois o sumário contém palavras que não aparecem no parágrafo original;

D extrativa, pois os detalhes exatos, como medidas, foram omitidos no sumário;

E extrativa, pois o sumário contém palavras que não aparecem no parágrafo original.

ID 34328 Sistemas de Informação Geral FGV 2022

Um analista precisa construir um modelo de tópicos para uma grande base de documentos legais, mas há uma preocupação quanto à interpretabilidade do modelo e à capacidade de inspecionar os resultados. Considerando essa preocupação, a técnica mais apropriada para a construção do modelo e a razão da escolha são, respectivamente:

A Latent Semantic Analysis, devido à distância média dos tópicos gerados;

B Latent Dirichlet Allocation, devido à capacidade de capturar informação sintática em sua representação;

C Non-Negative Matrix Factorization, devido à representação esparsa e estritamente não negativa;

D Explicit Semantic Analysis, devido à possibilidade de definir explicitamente tópicos a priori;

E Parallel Latent Dirichlet Allocation, devido à distância mínima dos tópicos gerados.