Selecionar segmento
Estude com questões de diferentes segmentos
Atenção: Isso limpará todos os campos já preenchidos no filtro!
Foram encontradas 2.544 questões
Resolva questões gratuitamente!
Junte-se a mais de 4 milhões de concurseiros!
Ano: 2026
Banca:
FGV
Órgão:
MPE-ES
Prova:
FGV - 2026 - MPE-ES - Agente Especializado - Cientista de Dados e Inteligência de Negócios |
Q4218187
Engenharia de Software
No contexto da IA Generativa, assinale a opção que melhor explica
o conceito de embedding.
Ano: 2026
Banca:
FGV
Órgão:
MPE-ES
Prova:
FGV - 2026 - MPE-ES - Agente Especializado - Cientista de Dados e Inteligência de Negócios |
Q4218186
Noções de Informática
Felipe estava construindo um chatbot com IA Generativa e LLM.
Visando melhorar as respostas fornecidas pelo chatbot, decidiu
empregar a Geração Aumentada de Recuperação (Retrieval
Augmented Generation - RAG).
Assinale a opção que melhor explica a escolha de Felipe pelo emprego da técnica RAG.
Assinale a opção que melhor explica a escolha de Felipe pelo emprego da técnica RAG.
Ano: 2026
Banca:
FGV
Órgão:
MPE-ES
Prova:
FGV - 2026 - MPE-ES - Agente Especializado - Cientista de Dados e Inteligência de Negócios |
Q4218185
Estatística
O cerne da obra de Mark Monmonier, “Como mentir com mapas”,
decorre de escolhas cartográficas, seja por omissão, simplificação
ou classificação, necessárias para representar fenômenos
complexos, mas que podem influenciar a interpretação do mapa.
No caso dos mapas temáticos, isso inclui a classificação de valores
numéricos ao longo de um intervalo contínuo.
Assinale a opção que indica o critério de classificação que divide as feições em classes que possuem a mesma frequência de registros.
Assinale a opção que indica o critério de classificação que divide as feições em classes que possuem a mesma frequência de registros.
Ano: 2026
Banca:
FGV
Órgão:
MPE-ES
Prova:
FGV - 2026 - MPE-ES - Agente Especializado - Cientista de Dados e Inteligência de Negócios |
Q4218184
Sistemas de Informação
No processamento de dados utilizando Python, a biblioteca
geopandas estende as capacidades da pandas. Embora ambas
compartilhem as estruturas de dados similares, certas operações
são exclusivas da análise espacial por exigirem operações
geométricas ou topológicas sobre objetos espaciais, normalmente
suportadas por um motor de geometria.
A operação que descreve a tarefa que exige o uso de capacidades da biblioteca geopandas, indisponíveis na pandas, mesmo que os dados de coordenadas estejam presentes como colunas numéricas no DataFrame, é a operação de
A operação que descreve a tarefa que exige o uso de capacidades da biblioteca geopandas, indisponíveis na pandas, mesmo que os dados de coordenadas estejam presentes como colunas numéricas no DataFrame, é a operação de
Ano: 2026
Banca:
FGV
Órgão:
MPE-ES
Prova:
FGV - 2026 - MPE-ES - Agente Especializado - Cientista de Dados e Inteligência de Negócios |
Q4218183
Matemática
A Decomposição em Valores Singulares (SVD) é uma ferramenta
largamente usada em análise de dados, apresentando uma rica
interpretação geométrica e espectral dos dados dispostos de
forma matricial.
A decomposição SVD consiste em fatorar qualquer matriz A, de dimensões m×n, no produto U∑VT , de forma que
A decomposição SVD consiste em fatorar qualquer matriz A, de dimensões m×n, no produto U∑VT , de forma que
Ano: 2026
Banca:
FGV
Órgão:
MPE-ES
Prova:
FGV - 2026 - MPE-ES - Agente Especializado - Cientista de Dados e Inteligência de Negócios |
Q4218182
Engenharia de Software
O treinamento de redes neurais profundas envolve o ajuste
iterativo dos pesos, com base no erro observado entre a saída
prevista e a saída esperada.
Esse processo é viabilizado pelo algoritmo de retropropagação, em conjunto com métodos de otimização que usam gradientes para minimizar a função de perda.
No contexto do treinamento de redes neurais, assinale a opção que indica o principal mecanismo da retropropagação.
Esse processo é viabilizado pelo algoritmo de retropropagação, em conjunto com métodos de otimização que usam gradientes para minimizar a função de perda.
No contexto do treinamento de redes neurais, assinale a opção que indica o principal mecanismo da retropropagação.
Ano: 2026
Banca:
FGV
Órgão:
MPE-ES
Prova:
FGV - 2026 - MPE-ES - Agente Especializado - Cientista de Dados e Inteligência de Negócios |
Q4218181
Engenharia de Software
Sobre o treinamento de redes neurais profundas, assinale a opção
que indica a principal finalidade da técnica conhecida como
dropout.
Ano: 2026
Banca:
FGV
Órgão:
MPE-ES
Prova:
FGV - 2026 - MPE-ES - Agente Especializado - Cientista de Dados e Inteligência de Negócios |
Q4218180
Estatística
No contexto de mineração de dados, um analista utilizou as
técnicas de regras de associação (como o algoritmo Apriori) para
identificar padrões de concorrência entre ilícitos em processos
administrativos.
Ao analisar a regra de associação {Desvio de Verba} → {Falsidade Ideológica}, foram obtidos os seguintes valores:
• Confiança = 0,80;
• Lift = 2,0.
Assinale a opção que apresenta a interpretação tecnicamente correta para o valor do Lift obtido.
Ao analisar a regra de associação {Desvio de Verba} → {Falsidade Ideológica}, foram obtidos os seguintes valores:
• Confiança = 0,80;
• Lift = 2,0.
Assinale a opção que apresenta a interpretação tecnicamente correta para o valor do Lift obtido.
Ano: 2026
Banca:
FGV
Órgão:
MPE-ES
Prova:
FGV - 2026 - MPE-ES - Agente Especializado - Cientista de Dados e Inteligência de Negócios |
Q4218179
Estatística
Um cientista de dados está desenvolvendo um modelo de
segmentação para classificar procedimentos com base em
características quantitativas.
Para garantir a comparabilidade entre variáveis, ele aplicou a padronização por escore z (z-score) em um conjunto de dados multivariados, de modo que todas as variáveis passassem a apresentar média 0 e desvio-padrão 1.
Após a padronização, verificou-se que os dados não apresentavam forte separação entre grupos naturais. Em seguida, foi aplicado o algoritmo K-means em Python:
from sklearn.preprocessing import StandardScaler
from sklearn.cluster import KMeans
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)
kmeans = KMeans(n_clusters=3, n_init=10, random_state=0)
kmeans.fit(X_scaled)
print(kmeans.cluster_centers_)
Observou-se que os centroides obtidos apresentam valores próximos de zero em todas as dimensões.
Considerando o contexto descrito, esse resultado ocorre porque
Para garantir a comparabilidade entre variáveis, ele aplicou a padronização por escore z (z-score) em um conjunto de dados multivariados, de modo que todas as variáveis passassem a apresentar média 0 e desvio-padrão 1.
Após a padronização, verificou-se que os dados não apresentavam forte separação entre grupos naturais. Em seguida, foi aplicado o algoritmo K-means em Python:
from sklearn.preprocessing import StandardScaler
from sklearn.cluster import KMeans
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)
kmeans = KMeans(n_clusters=3, n_init=10, random_state=0)
kmeans.fit(X_scaled)
print(kmeans.cluster_centers_)
Observou-se que os centroides obtidos apresentam valores próximos de zero em todas as dimensões.
Considerando o contexto descrito, esse resultado ocorre porque
Ano: 2026
Banca:
FGV
Órgão:
MPE-ES
Prova:
FGV - 2026 - MPE-ES - Agente Especializado - Cientista de Dados e Inteligência de Negócios |
Q4218172
Estatística
No âmbito de uma investigação sobre eficiência administrativa,
um analista de dados modelou a relação entre o tempo de
tramitação de procedimentos (Y, em dias) e o número de apensos
(X) utilizando uma técnica de Regressão Linear, cujo modelo se
apresenta na forma
O relatório de sumarização do modelo apresentou os seguintes parâmetros:
• Coeficiente de Intercepto: 15;
• Coeficiente Angular: 5.
Com base estritamente nos estimadores fornecidos, e assumindo que o valor de X = 8 pertence ao domínio de validade do modelo, a estimativa pontual para o valor esperado do tempo de tramitação dos procedimentos investigatórios é de
O relatório de sumarização do modelo apresentou os seguintes parâmetros:
• Coeficiente de Intercepto: 15;
• Coeficiente Angular: 5.
Com base estritamente nos estimadores fornecidos, e assumindo que o valor de X = 8 pertence ao domínio de validade do modelo, a estimativa pontual para o valor esperado do tempo de tramitação dos procedimentos investigatórios é de
Ano: 2026
Banca:
FGV
Órgão:
MPE-ES
Prova:
FGV - 2026 - MPE-ES - Agente Especializado - Cientista de Dados e Inteligência de Negócios |
Q4218171
Estatística
Para estimar um parâmetro associado a uma variável aleatória, foi
adotado o seguinte procedimento:
1. Inicialmente, foi definida uma distribuição de probabilidade para o parâmetro de interesse com base em conhecimento prévio, sem considerar os dados da amostra.
2. Em seguida, foram coletadas observações da variável aleatória e especificado um modelo estatístico que descreve como esses dados se relacionam com o parâmetro de interesse.
3. Depois disso, a distribuição inicialmente atribuída ao parâmetro foi revista à luz das informações fornecidas pela amostra observada.
4. Por fim, a partir da distribuição obtida após essa revisão, foram calculadas estimativas da média e da variância do parâmetro de interesse.
O procedimento descrito corresponde ao(à)
1. Inicialmente, foi definida uma distribuição de probabilidade para o parâmetro de interesse com base em conhecimento prévio, sem considerar os dados da amostra.
2. Em seguida, foram coletadas observações da variável aleatória e especificado um modelo estatístico que descreve como esses dados se relacionam com o parâmetro de interesse.
3. Depois disso, a distribuição inicialmente atribuída ao parâmetro foi revista à luz das informações fornecidas pela amostra observada.
4. Por fim, a partir da distribuição obtida após essa revisão, foram calculadas estimativas da média e da variância do parâmetro de interesse.
O procedimento descrito corresponde ao(à)
Ano: 2026
Banca:
FGV
Órgão:
MPE-ES
Prova:
FGV - 2026 - MPE-ES - Agente Especializado - Cientista de Dados e Inteligência de Negócios |
Q4218170
Estatística
Uma doença afeta uma certa porcentagem desconhecida de uma
população local. Um teste rápido possui probabilidade de 90% de
dar positivo, caso o paciente esteja doente (verdadeiro positivo),
e 30% de dar positivo, caso o paciente esteja saudável (falso
positivo).
Com base em uma amostra aleatória de tamanho relevante da população foi constatado que a probabilidade de um paciente que apresentou teste rápido positivo estar realmente doente é de 50%.
A porcentagem da população local afetada pela doença é de
Com base em uma amostra aleatória de tamanho relevante da população foi constatado que a probabilidade de um paciente que apresentou teste rápido positivo estar realmente doente é de 50%.
A porcentagem da população local afetada pela doença é de
Ano: 2026
Banca:
FGV
Órgão:
MPE-ES
Prova:
FGV - 2026 - MPE-ES - Agente Especializado - Cientista de Dados e Inteligência de Negócios |
Q4218169
Estatística
Analise a tabela a seguir.
Seja v uma amostra de uma variável aleatória gaussiana de média 0 e variância 1. A tabela mostra a probabilidade de v ser menor que alguns valores x entre 0,0 e 1,9.
Uma segunda variável aleatória w também é uma distribuição gaussiana, porém de média 1 e variância 4.
A probabilidade da soma de 16 amostras independentes de w ser maior que 24 é
Ano: 2026
Banca:
FGV
Órgão:
MPE-ES
Prova:
FGV - 2026 - MPE-ES - Agente Especializado - Cientista de Dados e Inteligência de Negócios |
Q4218168
Programação
Um cientista de dados foi incumbido de analisar o desempenho de
estudantes em um exame nacional, com o objetivo de investigar
possíveis desigualdades educacionais. Para isso, pretende
comparar as distribuições de notas considerando
simultaneamente o nível socioeconômico (baixo, médio e alto) e a
região geográfica (Norte, Nordeste, Sul, Sudeste e Centro-Oeste).
Sabe-se que a análise deve preservar a comparabilidade entre os grupos, permitindo identificar padrões estruturais de forma clara e consistente entre os subconjuntos de dados.
Considerando o uso da biblioteca ggplot2 na linguagem R, assinale a opção que apresenta a abordagem mais adequada para atender ao objetivo proposto.
Sabe-se que a análise deve preservar a comparabilidade entre os grupos, permitindo identificar padrões estruturais de forma clara e consistente entre os subconjuntos de dados.
Considerando o uso da biblioteca ggplot2 na linguagem R, assinale a opção que apresenta a abordagem mais adequada para atender ao objetivo proposto.
Ano: 2026
Banca:
FGV
Órgão:
MPE-ES
Prova:
FGV - 2026 - MPE-ES - Agente Especializado - Cientista de Dados e Inteligência de Negócios |
Q4218167
Banco de Dados
Um analista de dados do Ministério Público do Estado do Espírito
Santo está desenvolvendo um dashboard no Metabase para
acompanhar a evolução mensal de demandas administrativas
protocoladas, com possibilidade de análise por região de atuação
(comarcas).
Para isso, foi criada uma pergunta usando SQL nativo, conforme a consulta a seguir.
No painel, o analista deseja incluir um filtro de dashboard interativo de região, usando os recursos da interface (UI) do Metabase, de modo que esse filtro afete apenas esse gráfico específico, sem impactar os demais cartões do painel.
Com base no caso apresentado, considerando o funcionamento dos filtros em dashboards no Metabase, assinale a opção que apresenta a medida tecnicamente correta.
Para isso, foi criada uma pergunta usando SQL nativo, conforme a consulta a seguir.
No painel, o analista deseja incluir um filtro de dashboard interativo de região, usando os recursos da interface (UI) do Metabase, de modo que esse filtro afete apenas esse gráfico específico, sem impactar os demais cartões do painel.
Com base no caso apresentado, considerando o funcionamento dos filtros em dashboards no Metabase, assinale a opção que apresenta a medida tecnicamente correta.
Ano: 2026
Banca:
FGV
Órgão:
MPE-ES
Prova:
FGV - 2026 - MPE-ES - Agente Especializado - Cientista de Dados e Inteligência de Negócios |
Q4218165
Programação
No desenvolvimento de painéis interativos com o framework Shiny
(linguagem R), a gestão eficiente do grafo de reatividade é
fundamental para o desempenho da aplicação. Um profissional
deve selecionar a função reativa adequada para cada necessidade
de processamento no server.
Considere as seguintes funções e as definições a seguir:
1. reactive()
2. observe()
3. eventReactive()
( ) Cria uma expressão reativa que encapsula um cálculo, evitando recomputações desnecessárias e retornando um valor que pode ser utilizado por outras expressões reativas ou saídas (outputs).
( ) Cria um observador destinado a executar ações com efeitos colaterais (side effects), como gravação em banco de dados ou envio de notificações, não retornando valor reutilizável.
( ) Cria uma expressão reativa cujo valor é atualizado apenas quando ocorre um evento explícito (por exemplo, o clique de um botão), evitando atualizações desnecessárias causadas por outras entradas.
Assinale a opção que indica a relação correta, segundo a ordem apresentada.
Considere as seguintes funções e as definições a seguir:
1. reactive()
2. observe()
3. eventReactive()
( ) Cria uma expressão reativa que encapsula um cálculo, evitando recomputações desnecessárias e retornando um valor que pode ser utilizado por outras expressões reativas ou saídas (outputs).
( ) Cria um observador destinado a executar ações com efeitos colaterais (side effects), como gravação em banco de dados ou envio de notificações, não retornando valor reutilizável.
( ) Cria uma expressão reativa cujo valor é atualizado apenas quando ocorre um evento explícito (por exemplo, o clique de um botão), evitando atualizações desnecessárias causadas por outras entradas.
Assinale a opção que indica a relação correta, segundo a ordem apresentada.
Ano: 2026
Banca:
FGV
Órgão:
MPE-ES
Prova:
FGV - 2026 - MPE-ES - Agente Especializado - Cientista de Dados e Inteligência de Negócios |
Q4218162
Banco de Dados
Sobre Data Warehouse, analise as afirmativas a seguir e assinale
(V) para a verdadeira e (F) para a falsa.
( ) Data Warehouse é um tipo de banco de dados projetado para otimizar operações transacionais como inserção e atualização dos dados.
( ) Data Warehouse apresenta como característica ser variante no tempo, pois é projetado para o armazenamento de informações históricas.
( ) O modelo dimensional estrela tem a normalização como característica principal, garantindo uma maior consistência de dados.
As afirmativas são, respectivamente,
( ) Data Warehouse é um tipo de banco de dados projetado para otimizar operações transacionais como inserção e atualização dos dados.
( ) Data Warehouse apresenta como característica ser variante no tempo, pois é projetado para o armazenamento de informações históricas.
( ) O modelo dimensional estrela tem a normalização como característica principal, garantindo uma maior consistência de dados.
As afirmativas são, respectivamente,
Ano: 2026
Banca:
FGV
Órgão:
MPE-ES
Prova:
FGV - 2026 - MPE-ES - Agente Especializado - Cientista de Dados e Inteligência de Negócios |
Q4218161
Banco de Dados
Para subsidiar o suporte à decisão e à produção de inteligência
institucional, um determinado tribunal implementou uma solução
de integração de dados fundamentada no processo Extract,
Transform, Load (ETL).
Sobre o ETL, assinale a afirmativa correta.
Sobre o ETL, assinale a afirmativa correta.
Ano: 2026
Banca:
FGV
Órgão:
MPE-ES
Prova:
FGV - 2026 - MPE-ES - Agente Especializado - Cientista de Dados e Inteligência de Negócios |
Q4218160
Banco de Dados
No que se refere às funcionalidades e às características
fundamentais da tecnologia OLAP (Online Analytical Processing),
analise as afirmativas a seguir.
I. O modelo OLAP se concentra em dados individuais e transacionais, permitindo que transações cotidianas e comerciais do tipo CRUD sejam realizadas em tempo real.
II. O modelo OLAP permite aos usuários navegar em diferentes níveis de agregação.
III. Drill-down é uma operação OLAP que envolve a diminuição do detalhamento.
Está correto o que se afirma em
I. O modelo OLAP se concentra em dados individuais e transacionais, permitindo que transações cotidianas e comerciais do tipo CRUD sejam realizadas em tempo real.
II. O modelo OLAP permite aos usuários navegar em diferentes níveis de agregação.
III. Drill-down é uma operação OLAP que envolve a diminuição do detalhamento.
Está correto o que se afirma em
Ano: 2026
Banca:
FGV
Órgão:
MPE-ES
Prova:
FGV - 2026 - MPE-ES - Agente Especializado - Cientista de Dados e Inteligência de Negócios |
Q4218158
Banco de Dados
Em cenários onde o volume de dados pode comprometer o
desempenho das consultas, o comando EXPLAIN PLAN (ou similar,
dependendo do SGBD) é um recurso valioso para nortear as
decisões de um administrador ou desenvolvedor de banco de
dados.
Assinale a opção que apresenta a situação em que o uso do plano de execução é mais indicado para resolver um problema de performance.
Assinale a opção que apresenta a situação em que o uso do plano de execução é mais indicado para resolver um problema de performance.
Conheça nossos planos