Questões de Concurso

Julgue o próximo item, a respeito de bancos de dados relacionais e não relacionais. 

O modelo relacional, embora seja eficiente para operações de leitura e escrita simples, pode se tornar ineficiente em situações que exijam processamento de grandes volumes de dados semiestruturados, como logs ou eventos. Já o modelo orientado a documentos é mais flexível para consultas complexas que envolvam múltiplas junções entre documentos, oferecendo melhor desempenho em comparação ao modelo relacional.

Julgue o próximo item, a respeito de bancos de dados relacionais e não relacionais. 

Bancos de dados NO-SQL são mais adequados para situações em que os dados tenham de ser altamente consistentes e transacionais, uma vez que sua estrutura flexível permite validações de integridade referencial e controles complexos de relacionamento entre os dados. 

Julgue os próximos itens, a respeito de bancos de dados relacionais e não relacionais. 

Em algumas implementações de bancos de dados relacionais, como PostgreSQL, é possível criar atributos do tipo array, o que permite armazenar múltiplos valores em uma única coluna, contradizendo o princípio original do modelo relacional de não permitir atributos multivalorados, pois cada coluna de uma tabela deve armazenar apenas um valor por atributo. 

Julgue o próximo item, a respeito de bancos de dados relacionais e não relacionais. 

Bancos de dados do tipo colunar oferecem alta escalabilidade devido à sua capacidade de particionar dados verticalmente, o que permite a distribuição eficiente das colunas em múltiplos nós em ambientes distribuídos. 

Com base no cenário apresentado, julgue o item a seguir. 

Para a correta implementação do projeto físico do banco de dados, serão necessárias duas tabelas de associação.

Julgue o item que se segue, relativo às estruturas de dados em árvores. 

A B-Tree apresenta complexidade O(log n) para operações de busca, inserção e remoção, assim como a árvore binária de busca balanceada (AVL). No entanto, a B-Tree é mais eficiente em sistemas gerenciadores de bancos de dados, devido a sua estrutura otimizada para acesso em disco, armazenando múltiplas chaves por nó e minimizando o número de acessos ao disco. 

Julgue o item que se segue, relativo às estruturas de dados em árvores. 

Para um dígrafo D (V, E) conexo, em que cada vértice possua pelo menos uma aresta de saída, ao se aplicar a busca em profundidade a partir de um vértice , todos os vértices de serão visitados. 

Julgue o próximo item, relativo a matemática computacional e ciência da computação aplicada. 

Ao se comparar os algoritmos de busca linear e de busca binária em um array ordenado com elementos, verifica-se que a busca binária tem complexidade temporal O(log n), enquanto a busca linear tem complexidade temporal O(n). 

Julgue o próximo item, relativo a matemática computacional e ciência da computação aplicada. 

Para o autômato finito determinístico identificado por M =  ({a,b},{q0,q1,q2,q3 }, , q0,{q3}), em que  é dada pela tabela seguinte, é correta a afirmação: o autômato aceita a cadeia 'abba'.

Julgue o próximo item, relativo a matemática computacional e ciência da computação aplicada.

Em uma árvore B (B-Tree) de ordem , cada nó pode ter, no máximo, m − 1 chaves e m filhos. A raiz tem pelo menos duas subárvores, a não ser que seja uma folha. Nela, todas as folhas estão no mesmo nível; além disso, ela mantém seus nós balanceados para garantir operações de busca, inserção e remoção. Essa estrutura é amplamente utilizada em bancos de dados, pois reduz o tempo de acesso aos dados amazenados em discos.  

A respeito de visão computacional com redes neurais convolucionais (CNN), de classificação de imagens e de processamento de linguagem natural (PLN), julgue o item seguinte. 

Na classificação de imagens, o objetivo principal é atribuir um rótulo (classe) a cada pixel da imagem, delimitando e identificando diferentes objetos ou regiões, ao passo que, na segmentação de imagens, o objetivo é atribuir um único rótulo à imagem como um todo, indicando seu conteúdo principal.

A respeito de visão computacional com redes neurais convolucionais (CNN), de classificação de imagens e de processamento de linguagem natural (PLN), julgue o item seguinte. 

A operação de convolução nas CNN envolve a aplicação de filtros (kernels) sobre blocos da matriz de pixels de uma imagem de entrada. Cada filtro gera um mapa de características ao realizar operações que capturam padrões locais específicos, como bordas e texturas. Esse processo resulta em uma transformação que não preserva necessariamente a posição espacial das informações relevantes da imagem, mas é fundamental para a redução da dimensionalidade dos dados. 

A respeito de visão computacional com redes neurais convolucionais (CNN), de classificação de imagens e de processamento de linguagem natural (PLN), julgue o item seguinte. 

PLN é um campo da inteligência artificial voltado a capacitar máquinas na compreensão, interpretação e geração da linguagem humana. Aplicações como chatbots, tradutores automáticos e análise de sentimentos são exemplos de aplicações dessa tecnologia. Contudo, modelos recentes, como o Gemini e o GPT, embora compartilhem algumas similaridades com o PLN, têm sua base fundamental na aplicação de aprendizado profundo, uma abordagem que dispensa a necessidade de regras linguísticas explícitas e se concentra na identificação de padrões complexos em grandes conjuntos de dados.

Julgue o próximo item, relativo a aprendizado de máquina e BI (Business Intelligence). 

O algoritmo de agrupamento K-means — baseado em centroides, que divide um conjunto de dados em grupos semelhantes com base na distância entre seus centroides — pode ser utilizado para, a partir de uma base de dados de uma rede social, identificar comunidades de usuários com interesses comuns em determinados assuntos. 

Julgue o próximo item, relativo a aprendizado de máquina e BI (Business Intelligence). 

Random forest é um método de aprendizado de conjunto que combina várias árvores de decisão para formar um modelo mais robusto e preciso. Tal método pode ser usado tanto para resolver problemas de regressão (por exemplo, prever o valor de uma ação) quanto para realizar classificação (por exemplo, compra válida, fraude). 

Julgue o próximo item, relativo a aprendizado de máquina e BI (Business Intelligence). 

A arquitetura de BI que utiliza ROLAP (processamento analítico online relacional) implementa as consultas por meio de um banco de dados em cubos de forma consolidada; nessa estrutura ROLAP, os dados são armazenados de forma multidimensional, permitindo que os usuários finais realizem drill up ou drill down na hierarquia (por exemplo, que eles vejam os lucros das vendas por ano, depois por trimestre).

Julgue o próximo item, relativo à análise de dados. 

Considere o código a seguir, que utiliza NumPy.

import numpy as np

data = np.array([1, 5, 3, 4, 2, 6, 7])

print(data[::2])

Após a execução desse código, o resultado será o seguinte.

[1 3 2 7] 

Julgue o próximo item, relativo à análise de dados. 

Considere o código a seguir, que utiliza Pandas. 

import pandas as pd

data = {'nome':

['bicicleta','avião','helicóptero'],

'categoria':['terrestre','aéreo','aéreo']}

df = pd.DataFrame(data)

df = df.pop('nome')

print(df)

Após a execução desse código, o resultado será o seguinte.

0      terrestre

1      aéreo

2      aéreo

Name: categoria, dtype: object 

Julgue o próximo item, relativo à análise de dados. 

Considere o código a seguir, que utiliza Pandas. 

import pandas as pd

Nome = ['João-', 'Paulo-']

Sobrenome = ['Lucas', 'Matheus']

list_of_tuples = list(zip(Nome, Sobrenome))

df = pd.DataFrame(list_of_tuples)

print(df) 

Após a execução desse código, o resultado será o seguinte. 

              0 1 

u   João-Lucas

1   Paulo-Matheus 

Julgue o próximo item, a respeito de escritório de projetos, ITIL 4 e gestão de processos. 

No modelo em BPMN a seguir, as tarefas Cook Pasta, Stir-fry Steak e Prepare Salad requerem interação humana e devem ser executadas de forma simultânea, obrigatoriamente.