Questões de Concurso Comentadas para analista - tecnologia da informação

Foram encontradas 2.975 questões

Resolva questões gratuitamente!

Junte-se a mais de 4 milhões de concurseiros!

www.qconcursos.com
Q1754003
Programação Java , Linguagens de programação ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados |
Q1754003 Programação
Sobre a linguagem de programação JAVA, julgue o próximo item.
O polimorfismo ocorre quando a mesma operação é construída em uma mesma classe ou quando o método da subclasse sobrepõe-se ao método da superclasse.
Alternativas
Q1754002
Programação Java , Linguagens de programação ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados |
Q1754002 Programação
Sobre a linguagem de programação JAVA, julgue o próximo item.
A compilação de um programa JAVA para ambiente Windows gera um programa com extensão EXE, o qual é executado pelo sistema operacional.
Alternativas
Q1754001
Programação Linguagens de programação , Python ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados |
Q1754001 Programação
A respeito da linguagem de programação Python, julgue o item a seguir.
Listas são coleções alteráveis de qualquer tipo de objeto — como, por exemplo, outras listas — capazes de gerar um efeito top-down sem limite de níveis.
Alternativas
Q1754000
Programação Linguagens de programação , Python ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados |
Q1754000 Programação
A respeito da linguagem de programação Python, julgue o item a seguir.
As tuplas, embora sejam semelhantes às listas, estão limitadas a, no máximo, cinco níveis.
Alternativas
Q1753999
Banco de Dados Data Mining ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados |
Q1753999 Banco de Dados
    Determinado parâmetro β será estimado recursivamente com a ajuda de um método de otimização matemática com base em uma função objetivo g(β). Para essa estimação, a base de dados de treinamento consistirá de n observações.
Considerando essa situação hipotética, julgue os itens que se seguem.
Em cada iteração na estimação do parâmetro β, o método do gradiente descendente requer n observações da base de treinamento, ao passo que o método do gradiente descendente estocástico utiliza uma observação selecionada aleatoriamente dessa base de treinamento.
Alternativas
Q1753998
Banco de Dados Data Mining ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados |
Q1753998 Banco de Dados
    Determinado parâmetro β será estimado recursivamente com a ajuda de um método de otimização matemática com base em uma função objetivo g(β). Para essa estimação, a base de dados de treinamento consistirá de n observações.
Considerando essa situação hipotética, julgue os itens que se seguem.
Entre as condições ideais relativas à função objetivo g(β) para a aplicação do método do gradiente descendente incluem-se convexidade, continuidade e diferenciabilidade.
Alternativas
Q1753997
Banco de Dados Banco de Dados ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados |
Q1753997 Banco de Dados
    Determinado parâmetro β será estimado recursivamente com a ajuda de um método de otimização matemática com base em uma função objetivo g(β). Para essa estimação, a base de dados de treinamento consistirá de n observações.
Considerando essa situação hipotética, julgue os itens que se seguem.
O método do gradiente descendente é equivalente ao método de Newton-Raphson, no qual o incremento, para a estimação do parâmetro β, depende da primeira e da segunda derivada da função objetivo g(β).
Alternativas
Q1753996
Banco de Dados Banco de Dados , Data Mining ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados |
Q1753996 Banco de Dados
    Determinado parâmetro β será estimado recursivamente com a ajuda de um método de otimização matemática com base em uma função objetivo g(β). Para essa estimação, a base de dados de treinamento consistirá de n observações.
Considerando essa situação hipotética, julgue os itens que se seguem.
O gradiente descendente em lote é um método probabilístico de otimização no qual, para cada iteração, encontram-se L × n observações geradas mediante amostragem (com reposição) da base de dados de treinamento (em que L representa o número de lotes, com L > 1).
Alternativas
Q1753995
Banco de Dados Metadados e Metainformação ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados |
Q1753995 Banco de Dados
    Dados ausentes são muito comuns em aplicações que envolvem preenchimentos de formulários. Para o seu tratamento estatístico, encontra-se, na literatura, uma taxonomia para o mecanismo gerador de dados ausentes que os classifica em tipos como MAR (missing at random), MCAR (missing completely at random) e MNAR (missing not at random).
Considerando essas informações, julgue os itens subsequentes, relativos ao tratamento de dados ausentes.  
Para o tratamento estatístico de valores ausentes do tipo MCAR, é suficiente preencher com zeros as lacunas existentes em um conjunto de dados.
Alternativas
Q1753994
Banco de Dados Metadados e Metainformação ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados |
Q1753994 Banco de Dados
    Dados ausentes são muito comuns em aplicações que envolvem preenchimentos de formulários. Para o seu tratamento estatístico, encontra-se, na literatura, uma taxonomia para o mecanismo gerador de dados ausentes que os classifica em tipos como MAR (missing at random), MCAR (missing completely at random) e MNAR (missing not at random).
Considerando essas informações, julgue os itens subsequentes, relativos ao tratamento de dados ausentes.  
Os dados ausentes do tipo MAR são aqueles que dependem de fatores — ou variáveis — observáveis, como, por exemplo, o horário de preenchimento de um formulário.
Alternativas
Q1753993
Banco de Dados Big Data ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados |
Q1753993 Banco de Dados
    Dados ausentes são muito comuns em aplicações que envolvem preenchimentos de formulários. Para o seu tratamento estatístico, encontra-se, na literatura, uma taxonomia para o mecanismo gerador de dados ausentes que os classifica em tipos como MAR (missing at random), MCAR (missing completely at random) e MNAR (missing not at random).
Considerando essas informações, julgue os itens subsequentes, relativos ao tratamento de dados ausentes.  
Geralmente, os dados ausentes do tipo MNAR são ignoráveis por não haver relação entre o processo gerador de dados ausentes e os parâmetros que são objeto de estudo estatístico.
Alternativas
Q1753992
Banco de Dados Data Mining ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados |
Q1753992 Banco de Dados
No que se refere a técnicas de regressão, técnicas de agrupamento e aprendizado profundo, julgue os item seguinte. 
O modelo de regressão linear é suscetível à multicolinearidade, a qual diz respeito ao fato de o erro da predição permanecer estável, dentro de um intervalo de confiança aceitável, à medida que os valores de entrada mudam.
Alternativas
Q1753991
Comunicação Social Tecnologias na Comunicação e Atualidades , Machine Learning ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados |
Q1753991 Comunicação Social
No que se refere a técnicas de regressão, técnicas de agrupamento e aprendizado profundo, julgue os item seguinte. 
Uma máquina de Boltzmann instanciada em um determinado contexto identifica os seus objetos e as suas características e classificações bem como reforça os padrões aprendidos e monitora os padrões desconhecidos.
Alternativas
Q1753989
Comunicação Social Tecnologias na Comunicação e Atualidades , Machine Learning ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados |
Q1753989 Comunicação Social
Sobre as técnicas de classificação em aprendizado de máquina, julgue o item a seguir.
Em razão de seu bom desempenho, o algoritmo SVM (support vector machines) é invariante à escala dimensional dos conjuntos de dados, o que torna dispensável a padronização e o pré-processamento dos dados.
Alternativas
Q1753988
Banco de Dados BI (Business Intelligence) ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados |
Q1753988 Banco de Dados
Sobre as técnicas de classificação em aprendizado de máquina, julgue o item a seguir.
Devido ao fato de pressupor independência entre atributos, o algoritmo Naive Bayes é capaz de realizar, com precisão, o treinamento de um modelo com uma quantidade reduzida de amostras.
Alternativas
Q1753987
Banco de Dados Data Mining ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados |
Q1753987 Banco de Dados
Sobre as técnicas de classificação em aprendizado de máquina, julgue o item a seguir.
As árvores de decisão apresentam significativa independência dos dados de treinamento, o que garante forte estabilidade dos caminhos em caso de mudanças nos dados.
Alternativas
Q1753986
Direito Digital Lei nº 13.709 de 2018 - Lei Geral de Proteção de Dados Pessoais (LGPD) , Tratamento de Dados Pessoais ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Provas: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados | CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Desenvolvimento de Sistemas |
Q1753986 Direito Digital
Acerca de privacidade e proteção de dados pessoais, julgue o item subsequente.
O tratamento de dados pessoais previsto na LGPD poderá ser feito quando necessário para o atendimento dos interesses legítimos do controlador, exceto nas situações em que prevalecerem direitos e liberdades fundamentais do titular que exijam a proteção dos dados pessoais.
Alternativas
Q1753985
Direito Digital Lei nº 13.709 de 2018 - Lei Geral de Proteção de Dados Pessoais (LGPD) , Segurança, Boas Práticas e Fiscalização ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Provas: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados | CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Desenvolvimento de Sistemas |
Q1753985 Direito Digital
Acerca de privacidade e proteção de dados pessoais, julgue o item subsequente.
Em caso de infração à LGPD cometida por agente de tratamento de dados, um dos critérios para a aplicação da sanção administrativa ao infrator é a sua condição econômica.
Alternativas
Q1753984
Legislação Federal Lei nº 12.527 de 2011 - Lei de Acesso à Informação e Decreto nº 7.724 de 2012 ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Provas: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados | CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Desenvolvimento de Sistemas |
Q1753984 Legislação Federal
Acerca de privacidade e proteção de dados pessoais, julgue o item subsequente.
Informações classificadas como ultrassecretas deverão ficar com acesso restrito por vinte e cinco anos, contados a partir de sua produção.
Alternativas
Q1753983
Legislação Federal Lei nº 12.527 de 2011 - Lei de Acesso à Informação e Decreto nº 7.724 de 2012 ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Provas: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados | CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Desenvolvimento de Sistemas |
Q1753983 Legislação Federal
Acerca de privacidade e proteção de dados pessoais, julgue o item subsequente.
Pessoa física que violar a LAI ao usar informações às quais ela teve acesso em razão de vínculo com o poder público poderá ser penalizada com declaração de inidoneidade para licitar ou contratar com a administração pública.
Alternativas
Respostas
841: C
842: E
843: C
844: E
845: C
846: C
847: E
848: E
849: E
850: C
851: E
852: E
853: C
854: E
855: C
856: E
857: C
858: C
859: C
860: C
www.qconcursos.com