Questões de Concurso
Sobre conceitos básicos e algoritmos em algoritmos e estrutura de dados
Foram encontradas 842 questões
Ano: 2024
Banca:
FGV
Órgão:
INPE
Prova:
FGV - 2024 - INPE - Tecnologista Pleno I - Desenvolvimento ou Aprimoramento de Sistema de Assimilação de Dados nas Componentes do Sistema Terrestre e de Aplicações para Monitoramento do Processo de Assimilação |
Q2518296
Algoritmos e Estrutura de Dados
Seja um modelo não linear dado por:
em que: xk é um vetor de estados de n dimensões em um dado instante de tempo K; M e H são mapeamentos não-lineares de Rn para Rn e de Rm para Rm, respectivamente; q e r são vetores aleatórios gaussianos de média nula e covariância Q e R, respectivamente.
Considere a implementação de um Filtro de Kalman por Conjunto (Ensemble Kalman Filter - EnKF) com 1000 pontos representando possíveis estados. Cada um dos 1000 pontos é denotado xt(i), onde i é inteiro e varia de 1 a 1000.
Considere, ainda, que a média dos pontos do conjunto no instante k pode ser representada por
, e que o ganho de
Kalman no instante k é geralmente representado pelo produto de
uma matriz A pela inversa de uma matriz B (Kk = AB−1).
Considerando as condições enunciadas acima, para garantir estimativas de covariâncias não enviesadas, a matriz A pode ser calculada pela expressão:
em que: xk é um vetor de estados de n dimensões em um dado instante de tempo K; M e H são mapeamentos não-lineares de Rn para Rn e de Rm para Rm, respectivamente; q e r são vetores aleatórios gaussianos de média nula e covariância Q e R, respectivamente.
Considere a implementação de um Filtro de Kalman por Conjunto (Ensemble Kalman Filter - EnKF) com 1000 pontos representando possíveis estados. Cada um dos 1000 pontos é denotado xt(i), onde i é inteiro e varia de 1 a 1000.
Considere, ainda, que a média dos pontos do conjunto no instante k pode ser representada por
, e que o ganho de
Kalman no instante k é geralmente representado pelo produto de
uma matriz A pela inversa de uma matriz B (Kk = AB−1). Considerando as condições enunciadas acima, para garantir estimativas de covariâncias não enviesadas, a matriz A pode ser calculada pela expressão:
Ano: 2024
Banca:
FGV
Órgão:
INPE
Prova:
FGV - 2024 - INPE - Tecnologista Pleno I - Desenvolvimento ou Aprimoramento de Sistema de Assimilação de Dados nas Componentes do Sistema Terrestre e de Aplicações para Monitoramento do Processo de Assimilação |
Q2518294
Algoritmos e Estrutura de Dados
A utilização de Filtros de Kalman clássicos (Kalman Filters - KF) ou
estendidos (Extended Kalman Filters - EKF) para a assimilação de
dados envolve dificuldades práticas.
Com relação a essas dificuldades, analise as afirmativas a seguir.
I. O EKF é o método otimizado para a assimilação de dados sequencial de um modelo dinâmico linear n-dimensional, sendo o KF apropriado apenas para sistemas unidimensionais.
II. O uso do KF e do EKF em modelos dinâmicos que contam com vetores de estados com muitas dimensões requer alta capacidade computacional e de armazenamento, tornando-os práticos apenas para modelos simplificados, de baixa dimensionalidade.
III. A linearização de modelos não lineares envolve a aproximação de funções matemáticas com o truncamento de séries, o que pode gerar erros de propagação de covariâncias, especialmente em modelos de alta dimensionalidade.
Está correto o que se afirma em
Com relação a essas dificuldades, analise as afirmativas a seguir.
I. O EKF é o método otimizado para a assimilação de dados sequencial de um modelo dinâmico linear n-dimensional, sendo o KF apropriado apenas para sistemas unidimensionais.
II. O uso do KF e do EKF em modelos dinâmicos que contam com vetores de estados com muitas dimensões requer alta capacidade computacional e de armazenamento, tornando-os práticos apenas para modelos simplificados, de baixa dimensionalidade.
III. A linearização de modelos não lineares envolve a aproximação de funções matemáticas com o truncamento de séries, o que pode gerar erros de propagação de covariâncias, especialmente em modelos de alta dimensionalidade.
Está correto o que se afirma em
Ano: 2024
Banca:
FGV
Órgão:
INPE
Prova:
FGV - 2024 - INPE - Tecnologista Pleno I - Desenvolvimento ou Aprimoramento de Sistema de Assimilação de Dados nas Componentes do Sistema Terrestre e de Aplicações para Monitoramento do Processo de Assimilação |
Q2518293
Algoritmos e Estrutura de Dados
Filtros Bayesianos são métodos usados para estimar o estado de um
sistema dinâmico que seja observado por meio de medidas com
incertezas. Entre os algoritmos utilizados para implementação de
filtros Bayesianos, pode-se citar o Filtro de Kalman clássico, aplicável
a sistemas de modelos lineares e com distribuições Gaussianas de
probabilidade.
Nesse contexto, assinale a opção que indica uma das características do Filtro de Kalman clássico.
Nesse contexto, assinale a opção que indica uma das características do Filtro de Kalman clássico.
Ano: 2024
Banca:
FGV
Órgão:
INPE
Prova:
FGV - 2024 - INPE - Tecnologista Pleno I - Desenvolvimento ou Aprimoramento de Sistema de Assimilação de Dados nas Componentes do Sistema Terrestre e de Aplicações para Monitoramento do Processo de Assimilação |
Q2518291
Algoritmos e Estrutura de Dados
Texto associado
Seja um modelo dinâmico discreto unidimensional de caminhada
aleatória dado por:
Em que xk e yk são, respectivamente, o estado a ser estimado e a
medição no tempo k. As variáveis aleatórias qk e rk possuem
distribuição normal com média nula e variâncias Q e R,
respectivamente, ambas iguais a 1. Assuma, ainda, que a distribuição
de probabilidade do estado no tempo k independe da distribuição
de probabilidade dos estados anteriores (i.e., o sistema atende à
propriedade de Markov).
Em um determinado instante de tempo k − 1, o estado estimado
por um filtro de Kalman é dado por 2,5 e sua variância é estimada
em 1,0.
No instante de tempo k, obtém-se uma medição igual a 3,1.
Após agregar a informação proveniente da medição no tempo k, o
valor estimado do estado para esse mesmo instante k será
Ano: 2024
Banca:
FGV
Órgão:
INPE
Prova:
FGV - 2024 - INPE - Tecnologista Pleno I - Desenvolvimento ou Aprimoramento de Sistema de Assimilação de Dados nas Componentes do Sistema Terrestre e de Aplicações para Monitoramento do Processo de Assimilação |
Q2518289
Algoritmos e Estrutura de Dados
Texto associado
Seja um modelo dinâmico discreto unidimensional de caminhada
aleatória dado por:
Em que xk e yk são, respectivamente, o estado a ser estimado e a
medição no tempo k. As variáveis aleatórias qk e rk possuem
distribuição normal com média nula e variâncias Q e R,
respectivamente, ambas iguais a 1. Assuma, ainda, que a distribuição
de probabilidade do estado no tempo k independe da distribuição
de probabilidade dos estados anteriores (i.e., o sistema atende à
propriedade de Markov).
Em um determinado instante de tempo k − 1, o estado estimado
por um filtro de Kalman é dado por 2,5 e sua variância é estimada
em 1,0.
No instante de tempo k, obtém-se uma medição igual a 3,1.
Nessas condições, antes de se agregar a informação proveniente da
medição no instante de tempo k, a predição do estado para esse
mesmo instante k será
Ano: 2024
Banca:
FGV
Órgão:
INPE
Prova:
FGV - 2024 - INPE - Tecnologista Pleno I - Desenvolvimento ou Aprimoramento de Sistema de Assimilação de Dados nas Componentes do Sistema Terrestre e de Aplicações para Monitoramento do Processo de Assimilação |
Q2518288
Algoritmos e Estrutura de Dados
Os Filtros Bayesianos são assim chamados por basearem-se na
aplicação do Teorema de Bayes, que relaciona distribuições de
probabilidade a priori com distribuições de probabilidade a
posteriori.
Há dois passos fundamentais para a estimação de estados, onde o primeiro passo está associado ao modelo dinâmico do sistema ou processo, enquanto o segundo passo está associado ao modelo de observações ou sensoriamento.
Neste contexto, os passos são denominados, respectivamente,
Há dois passos fundamentais para a estimação de estados, onde o primeiro passo está associado ao modelo dinâmico do sistema ou processo, enquanto o segundo passo está associado ao modelo de observações ou sensoriamento.
Neste contexto, os passos são denominados, respectivamente,
Ano: 2024
Banca:
FGV
Órgão:
INPE
Prova:
FGV - 2024 - INPE - Tecnologista Pleno I - Desenvolvimento ou Aprimoramento de Sistema de Assimilação de Dados nas Componentes do Sistema Terrestre e de Aplicações para Monitoramento do Processo de Assimilação |
Q2518285
Algoritmos e Estrutura de Dados
Algoritmos de estimação aplicados a assimilação de dados requerem
a solução de um problema de otimização.
Assinale a opção que indica o método que pode ser considerado híbrido.
Assinale a opção que indica o método que pode ser considerado híbrido.
Ano: 2024
Banca:
FGV
Órgão:
INPE
Prova:
FGV - 2024 - INPE - Tecnologista Pleno I - Desenvolvimento ou Aprimoramento de Sistema de Assimilação de Dados nas Componentes do Sistema Terrestre e de Aplicações para Monitoramento do Processo de Assimilação |
Q2518283
Algoritmos e Estrutura de Dados
Uma pesquisa sobre a dispersão espacial do risco de ocorrência de
um determinado fenômeno utilizou a estimação Bayesiana como
método de estimação.
Sobre esse método de estimação, assinale a opção correta.
Sobre esse método de estimação, assinale a opção correta.
Ano: 2024
Banca:
FGV
Órgão:
CVM
Prova:
FGV - 2024 - CVM - Analista CVM - Perfil 7 - Ciência de Dados - Tarde |
Q2517619
Algoritmos e Estrutura de Dados
O cientista de dados Pedro trabalha em um projeto que envolve a
previsão dos movimentos de um braço robótico em um ambiente
complexo. Pedro tem um fluxograma de um algoritmo de
aprendizado por reforço que é capaz de se adaptar
dinamicamente ao ambiente e ajustar suas ações com base nos
resultados de ações anteriores.
O algoritmo representado pelo referido fluxograma que deve ser empregado para a realização da tarefa de Pedro é o:
O algoritmo representado pelo referido fluxograma que deve ser empregado para a realização da tarefa de Pedro é o:
Ano: 2024
Banca:
Ibest
Órgão:
CREFITO - 15ª Região (ES)
Prova:
Ibest - 2024 - CREFITO - 15ª Região (ES) - Técnico em Informática |
Q2513838
Algoritmos e Estrutura de Dados
Ao realizar a soma dos números binários 00011010(2) e
00100111(2), obtém-se como resposta o número binário
Ano: 2024
Banca:
FUNATEC
Órgão:
Prefeitura de Rosário - MA
Prova:
FUNATEC - 2024 - Prefeitura de Rosário - MA - Técnico em Informática |
Q2511221
Algoritmos e Estrutura de Dados
Qual é a finalidade principal da análise de algoritmos?
Ano: 2024
Banca:
FGV
Órgão:
TJ-MS
Prova:
FGV - 2024 - TJ-MS - Técnico de Nível Superior - Analista de Sistemas Computacionais - Web Designer |
Q2493634
Algoritmos e Estrutura de Dados
Marcos, um analista do TJ contratado para otimizar o
desempenho de um servidor de alta capacidade, enfrenta
desafios com lentidão durante períodos de alta demanda. Uma
investigação minuciosa revelou que a raiz do problema reside na
gestão ineficaz da memória cache. Para abordar isso, Marcos
sugere a adoção de um algoritmo de substituição de cache mais
eficiente.
Considerando os algoritmos de substituição de cache mais comuns, Marcos resolverá o problema de desempenho do servidor com o algoritmo:
Considerando os algoritmos de substituição de cache mais comuns, Marcos resolverá o problema de desempenho do servidor com o algoritmo:
Ano: 2024
Banca:
FUNDATEC
Órgão:
Prefeitura de Londrina - PR
Prova:
FUNDATEC - 2024 - Prefeitura de Londrina - PR - Analista de Sistemas - Serviço de Análise em Informática |
Q2483476
Algoritmos e Estrutura de Dados
Qual das alternativas abaixo corresponde ao número decimal 21 representado,
respectivamente, em números binário e hexadecimal?
Ano: 2024
Banca:
Instituto Consulplan
Órgão:
Câmara de Belo Horizonte - MG
Prova:
Instituto Consulplan - 2024 - Câmara de Belo Horizonte - MG - Analista de Tecnologia da Informação - Área de Desenvolvimento de Sistema |
Q2475445
Algoritmos e Estrutura de Dados
No desenvolvimento de uma aplicação, uma etapa fundamental e primordial durante todo o processo é a construção de algoritmos.
O algoritmo é uma sequência de raciocínios, instruções e operações que trabalham conjuntamente para alcançar um objetivo. Um
sistema é constituído de diversos algoritmos que recebem múltiplas entradas de dados, manipulando-as através de processamento,
para que sejam geradas saídas com informações úteis e relevantes para os usuários. Sobre essas estruturas, marque V para as afirmativas verdadeiras e F para as falsas.
( ) A propriedade finitude afirma que um algoritmo deve ter um número finito de instruções, garantindo que ele termine sua execução em algum momento.
( ) A propriedade do determinismo afirma que um algoritmo deve produzir o mesmo resultado sempre que for executado com determinados dados de entrada, produzindo sempre um resultado correto.
( ) Um algoritmo de ordenação pode ser utilizado para organizar uma lista de elementos em ordem crescente ou decrescente.
( ) Um algoritmo guloso pode ser utilizado para resolver um problema dividindo-o em problemas menores para resolvê-los recursivamente.
A sequência está correta em
( ) A propriedade finitude afirma que um algoritmo deve ter um número finito de instruções, garantindo que ele termine sua execução em algum momento.
( ) A propriedade do determinismo afirma que um algoritmo deve produzir o mesmo resultado sempre que for executado com determinados dados de entrada, produzindo sempre um resultado correto.
( ) Um algoritmo de ordenação pode ser utilizado para organizar uma lista de elementos em ordem crescente ou decrescente.
( ) Um algoritmo guloso pode ser utilizado para resolver um problema dividindo-o em problemas menores para resolvê-los recursivamente.
A sequência está correta em
Ano: 2024
Banca:
Instituto Consulplan
Órgão:
Câmara de Belo Horizonte - MG
Prova:
Instituto Consulplan - 2024 - Câmara de Belo Horizonte - MG - Analista de Tecnologia da Informação - Área de Desenvolvimento de Sistema |
Q2475426
Algoritmos e Estrutura de Dados
O MD5 – Message Digest Algorithm 5, é um algoritmo de função hash utilizado na criptografia de dados capaz de gerar um valor
hash único e fixo para um conjunto de dados, independentemente do tamanho original dos dados. Sobre as características do MD5,
assinale a alternativa que corresponde ao tamanho, em bits, do hash gerado pelo algoritmo MD5.
Ano: 2024
Banca:
IV - UFG
Órgão:
TJ-AC
Prova:
CS-UFG - 2024 - TJ-AC - Analista Judiciário - Analista de Ciência de Dados |
Q2457933
Algoritmos e Estrutura de Dados
Máquinas de vetores de suporte (do inglês, Support Vector
Machine - SVM) são algoritmos de aprendizado de
máquina que possibilitam a implementação de
classificadores. Os modelos implementados a partir desses
algoritmos utilizam funções kernel, conferindo como
vantagem:
Ano: 2024
Banca:
IV - UFG
Órgão:
TJ-AC
Prova:
CS-UFG - 2024 - TJ-AC - Analista Judiciário - Analista de Ciência de Dados |
Q2457932
Algoritmos e Estrutura de Dados
Uma Rede Neural Convolucional (do inglês, Convolutional
Neural Network - CNN) é um algoritmo de aprendizado de
máquina profundo que pode, a partir dos dados de entrada,
atribuir importância (pesos e vieses que podem ser
aprendidos) a vários aspectos dos dados e, portanto, obter
maior diferenciação. São características da arquitetura das
redes neurais convolucionais:
Ano: 2024
Banca:
IV - UFG
Órgão:
TJ-AC
Prova:
CS-UFG - 2024 - TJ-AC - Analista Judiciário - Analista de Ciência de Dados |
Q2457928
Algoritmos e Estrutura de Dados
Os algoritmos de agrupamento buscam identificar padrões
existentes em conjuntos de dados, podendo ser do tipo
particionais, hierárquicos ou baseados na otimização da
função custo. É um exemplo de agrupamento hierárquico:
Ano: 2024
Banca:
IV - UFG
Órgão:
TJ-AC
Prova:
CS-UFG - 2024 - TJ-AC - Analista Judiciário - Analista de Ciência de Dados |
Q2457926
Algoritmos e Estrutura de Dados
Redes neurais recorrentes (RNNs) são modelos de
aprendizado profundo treinados para reconhecer padrões
em dados sequenciais (texto, imagens, genomas,
caligrafia, palavra falada ou dados de séries numéricas),
em que componentes se inter-relacionam com base em
regras complexas de semântica e sintaxe. São
características das redes neurais recorrentes:
Ano: 2024
Banca:
IV - UFG
Órgão:
TJ-AC
Prova:
CS-UFG - 2024 - TJ-AC - Analista Judiciário - Analista de Ciência de Dados |
Q2457912
Algoritmos e Estrutura de Dados
Seja a matriz de confusão obtida na avaliação de
desempenho de um modelo de aprendizado treinado para
classificar processos julgados pelo TJ-AC:
Os valores da performance geral, da sensibilidade e da precisão do modelo são, respectivamente:
Os valores da performance geral, da sensibilidade e da precisão do modelo são, respectivamente:
Conheça nossos planos