Questões de Concurso
Comentadas sobre linguagens de programação em programação
Foram encontradas 5.475 questões
As linguagens sensíveis ao contexto desempenham um papel importante em aplicações que exigem uma análise mais detalhada e precisa de cadeias, especialmente quando há restrições que dependem do contexto de um símbolo na cadeia. Sobre as linguagens sensíveis ao contexto, considere as seguintes afirmações:
I - Gramáticas sensíveis ao contexto eliminam a restrição de que o lado esquerdo das regras seja formado por um único símbolo, e de que este seja um símbolo não terminal.
II - As gramáticas sensíveis ao contexto são ditas monotônicas, pois o comprimento das formas sentenciais obtidas durante o processo de derivação de uma sentença nunca sofre redução.
III - O conjunto das gramáticas sensíveis ao contexto sobre um alfabeto qualquer não é enumerável.
IV - Toda linguagem livre de contexto é também uma linguagem sensível ao contexto.
Assinale a alternativa que apresenta apenas afirmações corretas:
Seja o seguinte código Python, que utiliza a biblioteca gensim e um modelo hipotético de word embeddings denominado modelo_saude.bin especializado em termos médicos em português:
import numpy as np from gensim.models import KeyedVectors
def calcular_similaridade(vetor_a, vetor_b): numerador = np.dot(vetor_a, vetor_b) denominador = np.linalg.norm(vetor_a) *
np.linalg.norm(vetor_b) similaridade = numerador / denominador return similaridade
mo del = Ke yed Vectors. load_ word 2vec _ format(‘modelo_saude.bin’, binary=True) vetor_diabetes = model[‘diabetes’] vetor_hipertensao = model[‘hipertensão’] vetor_insulina = model[‘insulina’]
vetor_diabetes_ajustado = vetor_diabetes + vetor_insulina vetor_hipertensao_ajustado = vetor_hipertensao + vetor_insulina
similaridade = calcular_similaridade(vetor_ diabetes_ajustado, vetor_hipertensao_ajustado) print(f”Similaridade: {similaridade}”)
Utilizando o modelo hipotético model_saude.bin, o resultado mostrado pelo código foi de 0.7036085724830627. Baseado no cenário descrito, no código fornecido e no resultado mostrado, a opção que melhor descreve o que está sendo calculado e o significado do resultado é:
import nltk nltk.download(‘punkt’) from nltk.tokenize import word_tokenize
texto = “Fundação Oswaldo Cruz (Fiocruz): Ciência e tecnologia em saúde para a população brasileira.” tokens = word_tokenize(texto)
contador = 0 resultado = 0 while contador < len(tokens): for letra in tokens[contador]: if letra.upper() in ‘FIOCRUZ’: resultado += 1 contador += 1
O valor da variável resultado, ao final da execução do código, é:
Entre as opções abaixo, a que apresenta corretamente a combinação de classes e funções do scikit-learn usadas para implementar regressão do tipo polinomial e classificação com árvores de decisão é:
I. Empregar categorias para dados textuais repetitivos ao invés de strings.
II. Segmentar os dados em chunks menores durante a leitura de arquivos grandes, utilizando o parâmetro chunksize no read_csv.
III. Fazer uso intensivo de operações inplace.
Sobre as afirmativas acima, pode-se dizer que:
ID34343.A ID34HN43.1 ID985433230 ID852495_23 _ID423243.1 ID2544343.97 ID1.1
Considerando a função definida na linguagem de programação Python, informe quantos argumentos são necessários passar para a função:
def funcao(a,*n,b=2, c=4):
return a+sum(n)+b+c
MIZRAHI, Victorine Viviane. Treinamento em linguagem C. 2. ed. São Paulo: Pearson Prentice Hall, 2008, p. 259.
Qual é o conceito envolvido nesse processo?
(1) C. (2) Python. (3) ARM.
( ) Assembly ou de montagem. ( ) Orientada a objetos. ( ) Procedural. ( ) De alto nível.