Questões de Concurso Público Prefeitura de Princesa - SC 2026 para Tesoureiro
Foram encontradas 10 questões
Ano: 2026
Banca:
AMEOSC
Órgão:
Prefeitura de Princesa - SC
Prova:
AMEOSC - 2026 - Prefeitura de Princesa - SC - Tesoureiro |
Q4128880
Português
Texto associado
Material inspirado no cérebro pode cortar o consumo
de energia da IA em 70%
Vista por muitos como a tecnologia definidora do século
21, a inteligência artificial (IA) enfrenta um obstáculo
crucial: o consumo explosivo de energia do hardware
que a sustenta. Custo ambiental que cresce cerca de
30% ao ano, esse dado ameaçador pressiona cientistas
e empresas a pesquisarem arquiteturas computacionais
mais eficientes.
Uma das principais apostas para reverter a trajetória de
consumo energético crescente da IA — a chamada
computação neuromórfica — projeta hardware inspirado
no cérebro humano. É que, em vez de separar
processamento e memória, o órgão processa e
armazena informações em um só lugar.
Em um estudo recente, publicado na revista Science
Adventures, pesquisadores da University of Cambridge,
no Reino Unido, apresentam uma nova arquitetura de
memristor — dispositivo investigado há cerca de 15 anos
como substituto das sinapses em chips de IA — com
desempenho energético sem precedentes na categoria.
A novidade está especificamente no material usado: um óxido semicondutor avançado que se auto-organiza
internamente para controlar a passagem de corrente.
Como resultado, o dispositivo opera com correntes
extremamente baixas, reduzindo drasticamente o
consumo e superando as limitações atuais.
A abordagem neuromórfica proposta no estudo elimina
um dos principais culpados pelo desperdício energético
— o chamado "gargalo de Von Neumann" — problema
de "engarrafamento" que ocorre em computadores
porque o processador (CPU) e a memória (RAM) são
componentes separados, trocando informações entre si
por meio de um único canal.
O componente central do memristor é um óxido de
háfnio, composto já presente nos chips modernos,
enriquecido com estrôncio e titânio. Depositado sobre
outra camada metálica em duas etapas — a primeira
sem oxigênio, a segunda com — esse filme forma
naturalmente uma fronteira elétrica entre duas regiões de
cargas opostas, que é o coração do dispositivo.
Em vez de criar e romper filamentos condutores — como
fazem os memristores convencionais, com desgaste e
variabilidade —, o novo material altera sua resistência de
forma suave e gradual, deslocando a altura de uma
barreira de energia na junção. O resultado é um controle
analógico muito mais preciso.
Isso é fundamental, pois, embora um transistor
convencional também consuma mais com correntes
maiores, ele não precisa "lembrar" estados anteriores. Já
o memristor precisa mudar de estado e manter esse
estado, e cada mudança tem um custo energético.
Em uma rede neural com milhões de operações por
segundo, esse custo se multiplica rapidamente. No caso
das arquiteturas propostas no estudo — que integram
processamento e memória no mesmo elemento — a
literatura científica aponta um potencial de redução
superior a 70% no consumo energético dos sistemas de
IA atuais.
Em testes de laboratório, o dispositivo mostrou que não
só consome pouca energia, como também aguenta ser
atualizado muitas vezes e consegue manter o que
aprendeu por tempo suficiente — duas condições
essenciais para funcionar como uma sinapse artificial.
Os memristores também foram capazes de imitar o modo
como o cérebro humano aprende. "São as propriedades
necessárias para um hardware capaz de aprender e se
adaptar, não apenas armazenar bits", afirma em um
comunicado o autor principal do estudo, Babak Bakhit.
A descoberta também chama atenção fora do
laboratório: o material é compatível com os processos de
fabricação CMOS já amplamente usados pela indústria
de semicondutores. Isso abre caminho para sua adoção
pela indústria sem a necessidade de mudanças
profundas nas linhas de produção.
Apesar do potencial, a tecnologia enfrenta um obstáculo
prático: o processo atual exige temperaturas em torno de
700 °C, acima das tolerâncias usuais dos processos
padrão da indústria de semicondutores. Segundo Bakhit,
a equipe já trabalha em estratégias para reduzir a temperatura "e colocar esses dispositivos em um chip".
https://www.cnnbrasil.com.br/tecnologia/material-inspirado-no-cerebropode-cortar-o-consumo-de-energia-da-ia-em-70/
O texto apresenta um panorama sobre os desafios
enfrentados pela inteligência artificial contemporânea,
destacando não apenas avanços tecnológicos, mas
também limitações estruturais relevantes. Nesse
contexto, a discussão sobre consumo energético assume
papel central na análise das perspectivas futuras da
área. Considerando essa abordagem, identifique a
alternativa que expressa o problema inicial que motivou o
desenvolvimento da pesquisa apresentada.
Ano: 2026
Banca:
AMEOSC
Órgão:
Prefeitura de Princesa - SC
Prova:
AMEOSC - 2026 - Prefeitura de Princesa - SC - Tesoureiro |
Q4128881
Português
Texto associado
Material inspirado no cérebro pode cortar o consumo
de energia da IA em 70%
Vista por muitos como a tecnologia definidora do século
21, a inteligência artificial (IA) enfrenta um obstáculo
crucial: o consumo explosivo de energia do hardware
que a sustenta. Custo ambiental que cresce cerca de
30% ao ano, esse dado ameaçador pressiona cientistas
e empresas a pesquisarem arquiteturas computacionais
mais eficientes.
Uma das principais apostas para reverter a trajetória de
consumo energético crescente da IA — a chamada
computação neuromórfica — projeta hardware inspirado
no cérebro humano. É que, em vez de separar
processamento e memória, o órgão processa e
armazena informações em um só lugar.
Em um estudo recente, publicado na revista Science
Adventures, pesquisadores da University of Cambridge,
no Reino Unido, apresentam uma nova arquitetura de
memristor — dispositivo investigado há cerca de 15 anos
como substituto das sinapses em chips de IA — com
desempenho energético sem precedentes na categoria.
A novidade está especificamente no material usado: um óxido semicondutor avançado que se auto-organiza
internamente para controlar a passagem de corrente.
Como resultado, o dispositivo opera com correntes
extremamente baixas, reduzindo drasticamente o
consumo e superando as limitações atuais.
A abordagem neuromórfica proposta no estudo elimina
um dos principais culpados pelo desperdício energético
— o chamado "gargalo de Von Neumann" — problema
de "engarrafamento" que ocorre em computadores
porque o processador (CPU) e a memória (RAM) são
componentes separados, trocando informações entre si
por meio de um único canal.
O componente central do memristor é um óxido de
háfnio, composto já presente nos chips modernos,
enriquecido com estrôncio e titânio. Depositado sobre
outra camada metálica em duas etapas — a primeira
sem oxigênio, a segunda com — esse filme forma
naturalmente uma fronteira elétrica entre duas regiões de
cargas opostas, que é o coração do dispositivo.
Em vez de criar e romper filamentos condutores — como
fazem os memristores convencionais, com desgaste e
variabilidade —, o novo material altera sua resistência de
forma suave e gradual, deslocando a altura de uma
barreira de energia na junção. O resultado é um controle
analógico muito mais preciso.
Isso é fundamental, pois, embora um transistor
convencional também consuma mais com correntes
maiores, ele não precisa "lembrar" estados anteriores. Já
o memristor precisa mudar de estado e manter esse
estado, e cada mudança tem um custo energético.
Em uma rede neural com milhões de operações por
segundo, esse custo se multiplica rapidamente. No caso
das arquiteturas propostas no estudo — que integram
processamento e memória no mesmo elemento — a
literatura científica aponta um potencial de redução
superior a 70% no consumo energético dos sistemas de
IA atuais.
Em testes de laboratório, o dispositivo mostrou que não
só consome pouca energia, como também aguenta ser
atualizado muitas vezes e consegue manter o que
aprendeu por tempo suficiente — duas condições
essenciais para funcionar como uma sinapse artificial.
Os memristores também foram capazes de imitar o modo
como o cérebro humano aprende. "São as propriedades
necessárias para um hardware capaz de aprender e se
adaptar, não apenas armazenar bits", afirma em um
comunicado o autor principal do estudo, Babak Bakhit.
A descoberta também chama atenção fora do
laboratório: o material é compatível com os processos de
fabricação CMOS já amplamente usados pela indústria
de semicondutores. Isso abre caminho para sua adoção
pela indústria sem a necessidade de mudanças
profundas nas linhas de produção.
Apesar do potencial, a tecnologia enfrenta um obstáculo
prático: o processo atual exige temperaturas em torno de
700 °C, acima das tolerâncias usuais dos processos
padrão da indústria de semicondutores. Segundo Bakhit,
a equipe já trabalha em estratégias para reduzir a temperatura "e colocar esses dispositivos em um chip".
https://www.cnnbrasil.com.br/tecnologia/material-inspirado-no-cerebropode-cortar-o-consumo-de-energia-da-ia-em-70/
Embora o texto apresente avanços relevantes no campo
da computação neuromórfica, também evidencia
limitações práticas que ainda precisam ser superadas
para viabilizar sua aplicação em larga escala.
Considerando essa perspectiva, identifique o principal
desafio atual para a implementação industrial da
tecnologia descrita.
Ano: 2026
Banca:
AMEOSC
Órgão:
Prefeitura de Princesa - SC
Prova:
AMEOSC - 2026 - Prefeitura de Princesa - SC - Tesoureiro |
Q4128882
Português
Texto associado
Material inspirado no cérebro pode cortar o consumo
de energia da IA em 70%
Vista por muitos como a tecnologia definidora do século
21, a inteligência artificial (IA) enfrenta um obstáculo
crucial: o consumo explosivo de energia do hardware
que a sustenta. Custo ambiental que cresce cerca de
30% ao ano, esse dado ameaçador pressiona cientistas
e empresas a pesquisarem arquiteturas computacionais
mais eficientes.
Uma das principais apostas para reverter a trajetória de
consumo energético crescente da IA — a chamada
computação neuromórfica — projeta hardware inspirado
no cérebro humano. É que, em vez de separar
processamento e memória, o órgão processa e
armazena informações em um só lugar.
Em um estudo recente, publicado na revista Science
Adventures, pesquisadores da University of Cambridge,
no Reino Unido, apresentam uma nova arquitetura de
memristor — dispositivo investigado há cerca de 15 anos
como substituto das sinapses em chips de IA — com
desempenho energético sem precedentes na categoria.
A novidade está especificamente no material usado: um óxido semicondutor avançado que se auto-organiza
internamente para controlar a passagem de corrente.
Como resultado, o dispositivo opera com correntes
extremamente baixas, reduzindo drasticamente o
consumo e superando as limitações atuais.
A abordagem neuromórfica proposta no estudo elimina
um dos principais culpados pelo desperdício energético
— o chamado "gargalo de Von Neumann" — problema
de "engarrafamento" que ocorre em computadores
porque o processador (CPU) e a memória (RAM) são
componentes separados, trocando informações entre si
por meio de um único canal.
O componente central do memristor é um óxido de
háfnio, composto já presente nos chips modernos,
enriquecido com estrôncio e titânio. Depositado sobre
outra camada metálica em duas etapas — a primeira
sem oxigênio, a segunda com — esse filme forma
naturalmente uma fronteira elétrica entre duas regiões de
cargas opostas, que é o coração do dispositivo.
Em vez de criar e romper filamentos condutores — como
fazem os memristores convencionais, com desgaste e
variabilidade —, o novo material altera sua resistência de
forma suave e gradual, deslocando a altura de uma
barreira de energia na junção. O resultado é um controle
analógico muito mais preciso.
Isso é fundamental, pois, embora um transistor
convencional também consuma mais com correntes
maiores, ele não precisa "lembrar" estados anteriores. Já
o memristor precisa mudar de estado e manter esse
estado, e cada mudança tem um custo energético.
Em uma rede neural com milhões de operações por
segundo, esse custo se multiplica rapidamente. No caso
das arquiteturas propostas no estudo — que integram
processamento e memória no mesmo elemento — a
literatura científica aponta um potencial de redução
superior a 70% no consumo energético dos sistemas de
IA atuais.
Em testes de laboratório, o dispositivo mostrou que não
só consome pouca energia, como também aguenta ser
atualizado muitas vezes e consegue manter o que
aprendeu por tempo suficiente — duas condições
essenciais para funcionar como uma sinapse artificial.
Os memristores também foram capazes de imitar o modo
como o cérebro humano aprende. "São as propriedades
necessárias para um hardware capaz de aprender e se
adaptar, não apenas armazenar bits", afirma em um
comunicado o autor principal do estudo, Babak Bakhit.
A descoberta também chama atenção fora do
laboratório: o material é compatível com os processos de
fabricação CMOS já amplamente usados pela indústria
de semicondutores. Isso abre caminho para sua adoção
pela indústria sem a necessidade de mudanças
profundas nas linhas de produção.
Apesar do potencial, a tecnologia enfrenta um obstáculo
prático: o processo atual exige temperaturas em torno de
700 °C, acima das tolerâncias usuais dos processos
padrão da indústria de semicondutores. Segundo Bakhit,
a equipe já trabalha em estratégias para reduzir a temperatura "e colocar esses dispositivos em um chip".
https://www.cnnbrasil.com.br/tecnologia/material-inspirado-no-cerebropode-cortar-o-consumo-de-energia-da-ia-em-70/
O desenvolvimento do novo memristor representa um
avanço significativo em relação às tecnologias
anteriores, especialmente no que diz respeito à eficiência
energética e ao controle operacional. Considerando as
informações apresentadas, identifique o principal
diferencial do novo material utilizado nesse dispositivo.
Ano: 2026
Banca:
AMEOSC
Órgão:
Prefeitura de Princesa - SC
Prova:
AMEOSC - 2026 - Prefeitura de Princesa - SC - Tesoureiro |
Q4128883
Português
Texto associado
Material inspirado no cérebro pode cortar o consumo
de energia da IA em 70%
Vista por muitos como a tecnologia definidora do século
21, a inteligência artificial (IA) enfrenta um obstáculo
crucial: o consumo explosivo de energia do hardware
que a sustenta. Custo ambiental que cresce cerca de
30% ao ano, esse dado ameaçador pressiona cientistas
e empresas a pesquisarem arquiteturas computacionais
mais eficientes.
Uma das principais apostas para reverter a trajetória de
consumo energético crescente da IA — a chamada
computação neuromórfica — projeta hardware inspirado
no cérebro humano. É que, em vez de separar
processamento e memória, o órgão processa e
armazena informações em um só lugar.
Em um estudo recente, publicado na revista Science
Adventures, pesquisadores da University of Cambridge,
no Reino Unido, apresentam uma nova arquitetura de
memristor — dispositivo investigado há cerca de 15 anos
como substituto das sinapses em chips de IA — com
desempenho energético sem precedentes na categoria.
A novidade está especificamente no material usado: um óxido semicondutor avançado que se auto-organiza
internamente para controlar a passagem de corrente.
Como resultado, o dispositivo opera com correntes
extremamente baixas, reduzindo drasticamente o
consumo e superando as limitações atuais.
A abordagem neuromórfica proposta no estudo elimina
um dos principais culpados pelo desperdício energético
— o chamado "gargalo de Von Neumann" — problema
de "engarrafamento" que ocorre em computadores
porque o processador (CPU) e a memória (RAM) são
componentes separados, trocando informações entre si
por meio de um único canal.
O componente central do memristor é um óxido de
háfnio, composto já presente nos chips modernos,
enriquecido com estrôncio e titânio. Depositado sobre
outra camada metálica em duas etapas — a primeira
sem oxigênio, a segunda com — esse filme forma
naturalmente uma fronteira elétrica entre duas regiões de
cargas opostas, que é o coração do dispositivo.
Em vez de criar e romper filamentos condutores — como
fazem os memristores convencionais, com desgaste e
variabilidade —, o novo material altera sua resistência de
forma suave e gradual, deslocando a altura de uma
barreira de energia na junção. O resultado é um controle
analógico muito mais preciso.
Isso é fundamental, pois, embora um transistor
convencional também consuma mais com correntes
maiores, ele não precisa "lembrar" estados anteriores. Já
o memristor precisa mudar de estado e manter esse
estado, e cada mudança tem um custo energético.
Em uma rede neural com milhões de operações por
segundo, esse custo se multiplica rapidamente. No caso
das arquiteturas propostas no estudo — que integram
processamento e memória no mesmo elemento — a
literatura científica aponta um potencial de redução
superior a 70% no consumo energético dos sistemas de
IA atuais.
Em testes de laboratório, o dispositivo mostrou que não
só consome pouca energia, como também aguenta ser
atualizado muitas vezes e consegue manter o que
aprendeu por tempo suficiente — duas condições
essenciais para funcionar como uma sinapse artificial.
Os memristores também foram capazes de imitar o modo
como o cérebro humano aprende. "São as propriedades
necessárias para um hardware capaz de aprender e se
adaptar, não apenas armazenar bits", afirma em um
comunicado o autor principal do estudo, Babak Bakhit.
A descoberta também chama atenção fora do
laboratório: o material é compatível com os processos de
fabricação CMOS já amplamente usados pela indústria
de semicondutores. Isso abre caminho para sua adoção
pela indústria sem a necessidade de mudanças
profundas nas linhas de produção.
Apesar do potencial, a tecnologia enfrenta um obstáculo
prático: o processo atual exige temperaturas em torno de
700 °C, acima das tolerâncias usuais dos processos
padrão da indústria de semicondutores. Segundo Bakhit,
a equipe já trabalha em estratégias para reduzir a temperatura "e colocar esses dispositivos em um chip".
https://www.cnnbrasil.com.br/tecnologia/material-inspirado-no-cerebropode-cortar-o-consumo-de-energia-da-ia-em-70/
Ao longo do texto, a computação neuromórfica é
apresentada como uma alternativa promissora às
arquiteturas tradicionais de computação. Essa
abordagem se inspira em características específicas do
funcionamento do cérebro humano para superar
limitações existentes. Com base nessa informação,
identifique a principal diferença estrutural entre o modelo
neuromórfico e o modelo computacional tradicional.
Ano: 2026
Banca:
AMEOSC
Órgão:
Prefeitura de Princesa - SC
Prova:
AMEOSC - 2026 - Prefeitura de Princesa - SC - Tesoureiro |
Q4128884
Português
Considerando os princípios da predicação verbal na
língua portuguesa, analise a oração a seguir quanto à
relação estabelecida entre o verbo e seus
complementos. Observe atentamente a estrutura
sintática da oração e a presença de termos que
completam o sentido do verbo.
"O professor explicou a matéria aos alunos durante a aula expositiva."
Assinale a alternativa que indica corretamente a transitividade verbal do verbo presente na oração:
"O professor explicou a matéria aos alunos durante a aula expositiva."
Assinale a alternativa que indica corretamente a transitividade verbal do verbo presente na oração:
Ano: 2026
Banca:
AMEOSC
Órgão:
Prefeitura de Princesa - SC
Prova:
AMEOSC - 2026 - Prefeitura de Princesa - SC - Tesoureiro |
Q4128885
Português
Leia atentamente as afirmativas a seguir, considerando
as regras de uso da crase na norma culta da língua
portuguesa. Analise cada enunciado quanto à
adequação desse uso, observando também os contextos
em que a crase não deve ocorrer. Em seguida,
identifique em quais afirmativas o emprego da crase está
correto em todas as ocorrências apresentadas.
I.Fui à escola resolver pendências e retornei à secretaria para finalizar o atendimento.
II.Entreguei o documento à ela e pedi que encaminhasse à direção imediatamente.
III.Chegaremos àquele local às 14h e permaneceremos lá até às 16h conforme combinado.
IV.O relatório foi redigido à pressas e encaminhado à coordenação do projeto.
V.Referiu-se àquilo que ocorreu ontem à noite durante a reunião extraordinária.
Em quais afirmativas há o emprego correto da crase em todas as ocorrências?
I.Fui à escola resolver pendências e retornei à secretaria para finalizar o atendimento.
II.Entreguei o documento à ela e pedi que encaminhasse à direção imediatamente.
III.Chegaremos àquele local às 14h e permaneceremos lá até às 16h conforme combinado.
IV.O relatório foi redigido à pressas e encaminhado à coordenação do projeto.
V.Referiu-se àquilo que ocorreu ontem à noite durante a reunião extraordinária.
Em quais afirmativas há o emprego correto da crase em todas as ocorrências?
Ano: 2026
Banca:
AMEOSC
Órgão:
Prefeitura de Princesa - SC
Prova:
AMEOSC - 2026 - Prefeitura de Princesa - SC - Tesoureiro |
Q4128886
Português
Considerando a classificação das orações subordinadas
substantivas na língua portuguesa, analise a estrutura
sintática da oração a seguir, observando a relação
estabelecida entre a oração principal e a subordinada:
"O diretor afirmou que os resultados seriam divulgados ainda nesta semana."
Assinale a alternativa que classifica corretamente a oração subordinada destacada:
"O diretor afirmou que os resultados seriam divulgados ainda nesta semana."
Assinale a alternativa que classifica corretamente a oração subordinada destacada:
Ano: 2026
Banca:
AMEOSC
Órgão:
Prefeitura de Princesa - SC
Prova:
AMEOSC - 2026 - Prefeitura de Princesa - SC - Tesoureiro |
Q4128887
Português
Analise as afirmativas a seguir com atenção às normas
de colocação pronominal. Em seguida, identifique aquela
em que ocorre corretamente o emprego de ênclise:
Ano: 2026
Banca:
AMEOSC
Órgão:
Prefeitura de Princesa - SC
Prova:
AMEOSC - 2026 - Prefeitura de Princesa - SC - Tesoureiro |
Q4128888
Português
Considere as regras de regência nominal na norma culta
da língua portuguesa, observando que determinados
nomes exigem preposições específicas para estabelecer
relações sintáticas adequadas. Analise atentamente as
alternativas a seguir, levando em conta os padrões
formais exigidos pela gramática normativa. Em seguida,
identifique em qual alternativa há erro no emprego da
regência nominal.
Ano: 2026
Banca:
AMEOSC
Órgão:
Prefeitura de Princesa - SC
Prova:
AMEOSC - 2026 - Prefeitura de Princesa - SC - Tesoureiro |
Q4128889
Português
Leia atentamente as afirmativas a seguir, considerando
os vícios de linguagem presentes na língua portuguesa.
Analise cada oração quanto à sua estrutura sintática e
ao emprego adequado das relações de concordância e
regência. Em seguida, identifique aquelas em que ocorre
especificamente o vício de linguagem denominado
solecismo:.
I.Nós fomos no teatro assistir à apresentação principal.
II.Ele entrou para dentro da sala sem bater na porta.
III.Haviam muitos alunos interessados na palestra daquele professor.
IV.A menina viu o amigo dela saindo com seu irmão na esquina.
V.Fazem dois anos que não visito aquela cidade histórica.
Em quais afirmativas há ocorrência de solecismo?
I.Nós fomos no teatro assistir à apresentação principal.
II.Ele entrou para dentro da sala sem bater na porta.
III.Haviam muitos alunos interessados na palestra daquele professor.
IV.A menina viu o amigo dela saindo com seu irmão na esquina.
V.Fazem dois anos que não visito aquela cidade histórica.
Em quais afirmativas há ocorrência de solecismo?
Conheça nossos planos