Questões de Concurso para Analista de Tecnologia da Informação

Q3088218

Ano: 2024 Banca: FGV Órgão: DATAPREV Prova: FGV - 2024 - DATAPREV - ATI - Arquitetura, Engenharia e Sustentação Tecnológica |

Q3088218 Redes de Computadores

O Protocolo de Transferência de Arquivos (FTP) é um dos métodos amplamente utilizados para transferir arquivos entre dispositivos em uma rede.
O protocolo FTP apresenta diversas características listadas a seguir, exceto uma. Assinale-a

A

Implementar o modelo cliente-servidor.

B

Inserir endereços IP no corpo do pacote para uso do receptor.

C

Oferecer confidencialidade no envio de informações.

D

Ser derivado do protocolo HTTPS.

E

Utilizar duas portas para estabelecer a comunicação.

Incorreta. Gabarito oficial da banca:

Salve essa questão em um caderno para revisar depois. Adicionar a um caderno

teste

Parabéns! Você acertou!

Mantenha o ritmo! Salve no caderno para revisar depois. Adicionar a um caderno

teste

Q3088217

Ano: 2024 Banca: FGV Órgão: DATAPREV Prova: FGV - 2024 - DATAPREV - ATI - Arquitetura, Engenharia e Sustentação Tecnológica |

Q3088217 Redes de Computadores

Sobre topologias de redes de computadores, assinale a opção indica uma escolha topológica que apresenta como desvantagem a possibilidade de indisponibilidade de toda a rede, na hipótese de falha de uma estação crítica.

A

Barra.

B

Concorrente.

C

Paralela.

D

Estrela.

E

Totalmente ligada.

Incorreta. Gabarito oficial da banca:

Veja esse conteúdo explicado passo a passo em nossos cursos. Buscar curso

teste

Parabéns! Você acertou!

Mandou bem! Revise esse tema nos nossos cursos. Buscar curso

teste

Q3086091

Ano: 2024 Banca: FGV Órgão: DATAPREV Prova: FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |

Q3086091 Banco de Dados

Em um sistema de banco de dados relacional, o script de comandos SQL a seguir especificado foi submetido à execução:
Q70.png (283×218)

A análise do script permite-nos afirmar que a sua execução produzirá um resultado.
Assinale a opção que indica esse resultado.

A

A criação de uma nova coluna “atr4” ao final da execução do script, com as duas tuplas do estado da tabela contendo o valor zero como conteúdo desse novo atributo criado.

B

A criação de uma nova restrição de integridade “atr4” ao final da execução do script, que demanda que valores não nulos sejam inicialmente preenchidos com o valor zero.

C

O comando ALTER TABLE apresentará erro, pois a especificação da linguagem SQL não permite um novo atributo em uma tabela com especificação de não nulo.

D

O comando INSERT não será executado, já que a segunda tupla especificada contém valor nulo no atributo atr3, que necessita ser maior que zero.

E

Um erro sintático de construção do comando ALTER TABLE, pela ausência da especificação da palavra reservada COLUMN após a palavra reservada ADD.

Incorreta. Gabarito oficial da banca:

Veja como esse erro impacta seu desempenho geral. Ver estatísticas

teste

Parabéns! Você acertou!

Esse acerto melhora seu desempenho! Veja suas estatísticas

teste

Q3086090

Ano: 2024 Banca: FGV Órgão: DATAPREV Prova: FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |

Q3086090 Banco de Dados

No âmbito de normalização de bancos de dados relacionais, há o conceito de dependência com a seguinte especificação: “para o esquema de uma relação R, uma restrição que demanda que cada estado r de R apresente uma decomposição de junção não aditiva e não trivial para cada decomposição R_i de R, em que o valor de i varie entre 1 e n, sendo n o número de decomposições de R”.
Esse conceito de dependência, considerando um valor de n maior que dois (n>2), integra a definição da

A

2ª forma normal (2FN).

B

3ª forma normal (3FN).

C

4ª forma normal (4FN).

D

5ª forma normal (5FN).

E

forma normal Boyce-Codd (FNBC).

Incorreta. Gabarito oficial da banca:

Salve essa questão em um caderno para revisar depois. Adicionar a um caderno

teste

Parabéns! Você acertou!

Mantenha o ritmo! Salve no caderno para revisar depois. Adicionar a um caderno

teste

Q3086089

Ano: 2024 Banca: FGV Órgão: DATAPREV Prova: FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |

Q3086089 Banco de Dados

Um dos conceitos associados a coleções de objetos de dados e/ou arquivos de sistemas de bancos de dados NoSQL é o de sharding.
Nesse contexto, uma das características de sharding refere-se

A

ao armazenamento de múltiplos itens com timestamps.

B

à conciliação de gravação em operações conflitantes.

C

a não exigência de um esquema prévio de dados.

D

a oferta de uma linguagem de consulta menos poderosa.

E

ao particionamento horizontal dos dados entre nós do sistema.

Incorreta. Gabarito oficial da banca:

Veja esse conteúdo explicado passo a passo em nossos cursos. Buscar curso

teste

Parabéns! Você acertou!

Mandou bem! Revise esse tema nos nossos cursos. Buscar curso

teste

Q3086088

Ano: 2024 Banca: FGV Órgão: DATAPREV Prova: FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |

Q3086088 Sistemas Operacionais

O Apache Spark é uma ferramenta amplamente utilizada para processamento de grandes volumes de dados.
Assinale a opção que o descreve corretamente, assim como suas capacidades e suas funcionalidades.

A

O Apache Spark é um sistema de armazenamento distribuído de arquivos que gerencia grandes volumes de dados por meio de replicação e fragmentação, com foco na segurança e no versionamento dos arquivos.

B

O Apache Spark é um framework de computação distribuída que permite o processamento rápido de grandes volumes de dados, suportando operações em tempo real e por lote, além de fornecer bibliotecas para machine learning e gráficos.

C

O Apache Spark é uma plataforma de análise de dados especializada em bancos de dados relacionais, permitindo consultas SQL em tempo real e fornecendo ferramentas de visualização integradas.

D

O Apache Spark é um sistema de gerenciamento de filas que prioriza a execução de tarefas paralelas em ambientes distribuídos, garantindo que as tarefas sejam executadas de acordo com a capacidade da infraestrutura.

E

O Apache Spark é um sistema de controle de versões distribuído que facilita o gerenciamento colaborativo de projetos de dados e código, permitindo a reversão de alterações e o controle detalhado de permissões.

Incorreta. Gabarito oficial da banca:

Treine mais com um simulado focado no seu concurso. Criar simulado

teste

Parabéns! Você acertou!

Está mandando bem! Treine mais em um simulado completo. Criar simulado

teste

Q3086087

Ano: 2024 Banca: FGV Órgão: DATAPREV Prova: FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |

Q3086087 Sistemas Operacionais

O Apache Hadoop é uma plataforma amplamente utilizada no processamento de grandes volumes de dados. Ele se destaca por sua arquitetura distribuída e capacidade de lidar com grandes conjuntos de dados de forma eficiente.
Com base nas capacidades e funcionalidades do Hadoop, assinale a opção que = descreve corretamente seu funcionamento e aplicação prática.

A

O Hadoop é uma plataforma de banco de dados relacional, que utiliza o SQL para gerenciar grandes volumes de dados de maneira centralizada.

B

O Hadoop possui uma arquitetura distribuída, composta principalmente pelo HDFS (Hadoop Distributed File System) e o MapReduce, permitindo o processamento de grandes volumes de dados de maneira escalável e paralela.

C

O principal componente do Hadoop é o NoSQL, que possibilita o armazenamento de dados não estruturados em um único servidor, sem a necessidade de distribuição.

D

O Hadoop foi projetado para pequenas empresas que possuem volumes reduzidos de dados e não requerem processamento paralelo, destacando-se por sua simplicidade de uso.

E

O Hadoop se limita ao armazenamento de dados em clusters locais, não sendo compatível com ambientes de computação em nuvem ou distribuídos globalmente.

Incorreta. Gabarito oficial da banca:

Errou um tema comum da banca? Veja o que mais costuma cair no Raio-X. Ver raio-X

teste

Parabéns! Você acertou!

Essa questão segue o padrão da banca! Veja o que mais costuma cair. Ver raio-X

teste

Q3086086

Ano: 2024 Banca: FGV Órgão: DATAPREV Prova: FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |

Q3086086 Programação

Considere o seguinte código em R:

Q65.png (317×137)

É correto afirmar que

A

carrega a biblioteca "ggplot2", carrega o dataset "mpg" e cria um gráfico de barras mostrando a relação entre as variáveis displ e hwy.

B

carrega a biblioteca "ggplot2", carrega o dataset "mpg" e cria um gráfico de pontos mostrando a relação entre as variáveis displ e hwy.

C

cria um histograma da variável displ usando o dataset "mpg".

D

carrega a biblioteca "dplyr", carrega o dataset "mpg" e cria um gráfico de pontos mostrando a relação entre as variáveis displ e hwy.

E

carrega a biblioteca "ggplot2", carrega o dataset "mpg", mas o código contém um erro, então não gera nenhum gráfico.

Incorreta. Gabarito oficial da banca:

Compare seu desempenho com quem faz o mesmo concurso. Ver concorrência

teste

Parabéns! Você acertou!

Compare seu desempenho com quem faz o mesmo concurso. Ver concorrência

teste

Q3086085

Ano: 2024 Banca: FGV Órgão: DATAPREV Prova: FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |

Q3086085 Programação

Considere o seguinte código que tenta criar e treinar uma rede neural simples com TensorFlow e Keras. Observe o erro que pode ocorrer ao tentar executá-lo (desconsidere questões de indentação do Pythone):
Q64.png (333×145)

Com base no código, assinale a opção que indica o erro que levaria a uma falha na execução.

A

O modelo não pode ser compilado porque não possui uma função de métrica definida no método compile.

B

O código falhará, pois x_train e y_train não foram definidos ou carregados.

C

O método Dense precisa especificar a função de ativação sigmoid na última camada.

D

O código apresenta erro na função de perda, que deveria ser definida como categorical_crossentropy.

E

A função Sequential deveria ter os parâmetros explicitamente definidos como layers=[].

Incorreta. Gabarito oficial da banca:

Esse erro também aparece no seu Resumão. Veja o que melhorar

teste

Parabéns! Você acertou!

Esse acerto está no seu Resumão. Ver Resumão da semana

teste

Q3086084

Ano: 2024 Banca: FGV Órgão: DATAPREV Prova: FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |

Q3086084 Programação

Considere o código Python abaixo, que utiliza as bibliotecas Pandas e Matplotlib:

Q63.png (307×131)

Com base no código fornecido, assinale a opção que descreve corretamente a sua função.

A

Cria um DataFrame, plota um gráfico de barras verticais com os dados das colunas 'A' e 'B', e exibe o gráfico gerado.

B

Cria um DataFrame, plota um gráfico de dispersão com os dados das colunas 'A' e 'B', e exibe o gráfico gerado.

C

Cria uma série de tempo e plota um gráfico de linha com os valores da série 'A'.

D

Cria um DataFrame, plota um gráfico de barras verticais empilhadas com os dados das colunas 'A' e 'B', e exibe o gráfico gerado.

E

Utiliza o Streamlit para criar uma interface gráfica que exibe um gráfico com os dados das colunas 'A' e 'B'.

Q3086083

Ano: 2024 Banca: FGV Órgão: DATAPREV Prova: FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |

Q3086083 Algoritmos e Estrutura de Dados

Seja o conjunto de dados X apresentado a seguir, em que os atributos “P” e “Q” são preditores, e o atributo “Classe” é o atributo-alvo:

Q62.png (255×118)

Queremos classificar uma nova amostra x=(5.0, 5.0) utilizando o algoritmo clássico dos k vizinhos mais próximos (k-NN), utilizando a distância euclidiana para a determinação de vizinhanças.
Com base nesse algoritmo, e considerando os valores aproximados de √2 ≈ 1,414 e √3 ≈ 2,236, o k-NN retorna como categoria de x

A

a classe A para k=2, pois, como houve empate, a escolha aleatória tende para o início de X.

B

a classe B para k=1, pois a distância para o ponto (4.0, 5.0) é a menor de todas.

C

a classe C para k=1, já que a distância para o ponto (1.0, 1.0) foi eleita por votação.

D

a classe D para k=3, pela aplicação do critério da distância ponderada nas três classes empatada.

E

a nenhuma classe, já que o algoritmo k-NN não opera em conjuntos com dados categóricos.

Incorreta. Gabarito oficial da banca:

Salve essa questão em um caderno para revisar depois. Adicionar a um caderno

teste

Parabéns! Você acertou!

Mantenha o ritmo! Salve no caderno para revisar depois. Adicionar a um caderno

teste

Q3086082

Ano: 2024 Banca: FGV Órgão: DATAPREV Prova: FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |

Q3086082 Banco de Dados

Os modelos de dados desempenham um papel fundamental no processo de ETL (Extração, Transformação e Carga), pois são responsáveis por estruturar e organizar as informações de maneira eficiente e consistente. Eles garantem que os dados extraídos de diferentes fontes sejam integrados corretamente, facilitando a transformação e preparação para a análise posterior.
No contexto de modelos de dados em ETL, existe o conceito de tabela de fatos sem fato (factless fact), que se caracteriza por

A

anotar falhas em transações intermediárias.

B

apresentar ausência de medidas.

C

registrar somente medidas que anulam os registros originais de dados.

D

representar um intervalo de tempo regularmente repetido.

E

revelar medições instantâneas em um ponto específico no tempo e espaço.

Incorreta. Gabarito oficial da banca:

Veja esse conteúdo explicado passo a passo em nossos cursos. Buscar curso

teste

Parabéns! Você acertou!

Mandou bem! Revise esse tema nos nossos cursos. Buscar curso

teste

Q3086081

Ano: 2024 Banca: FGV Órgão: DATAPREV Prova: FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |

Q3086081 Engenharia de Software

Support Vector Machines (SVMs) é um método de aprendizado de máquina que pode ser aplicado em áreas como reconhecimento de padrões, bioinformática e detecção de fraudes, devido à sua capacidade de lidar com dados complexos.
Nesse contexto, identificamos que o método SVM

A

adequa-se a problemas de agrupamento de dados multidimensionais.

B

apoia-se no princípio do “kernel trick”, que mapeia explicitamente dados não lineares em outros dados lineares.

C

define margem como sendo a maior saturação de erro (bias) suportada pelo algoritmo na geração de hiperplanos concorrentes.

D

inviabiliza o uso de abordagens para SVMs lineares com margens rígida e suave para utilização em SVMs não lineares em dados linearmente inseparáveis.

E

usa um mapeamento não linear para transformar os dados de treino originais em um espaço de dimensão superior.

Incorreta. Gabarito oficial da banca:

Treine mais com um simulado focado no seu concurso. Criar simulado

teste

Parabéns! Você acertou!

Está mandando bem! Treine mais em um simulado completo. Criar simulado

teste

Q3086080

Ano: 2024 Banca: FGV Órgão: DATAPREV Prova: FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |

Q3086080 Engenharia de Software

A validação cruzada é uma importante técnica em aprendizado de máquina, usada para obter uma estimativa mais robusta do erro de generalização. Dessa forma, ela contribui para a construção de modelos mais confiáveis, permitindo uma avaliação mais precisa de sua capacidade preditiva em diferentes cenários.
Uma das características da validação cruzada com k conjuntos é que esse método

A

considera, na sua versão estratificada, a proporção de exemplos de cada classe quando da geração de subconjuntos mutuamente exclusivos.

B

divide aleatoriamente registros em treinamento e teste em proporções p e (1-p), respectivamente.

C

gera conjuntos cuja interseção é não vazia, utilizados a cada iteração como conjunto de treino e teste.

D

penaliza os conjuntos de treino com k sorteios aleatórios, de modo a torná-lo equilibrado frente ao conjunto de teste.

E

produz o conjunto de treinamento a partir de N sorteios aleatórios com reposição a partir dos dados originais.

Incorreta. Gabarito oficial da banca:

Errou um tema comum da banca? Veja o que mais costuma cair no Raio-X. Ver raio-X

teste

Parabéns! Você acertou!

Essa questão segue o padrão da banca! Veja o que mais costuma cair. Ver raio-X

teste

Q3086079

Ano: 2024 Banca: FGV Órgão: DATAPREV Prova: FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |

Q3086079 Engenharia de Software

Um conjunto de dados foi particionado em dois subconjuntos, sendo um de treinamento e outro de testagem, ambos utilizados exclusivamente para serem usados em seus objetivos originais (dados de treino para treinamento, e de teste para testagem).
Em relação ao ajuste e validação de modelos em aprendizado de máquina, um modelo sofre overfitting quando

A

apresenta bom desempenho nos dados de treinamento, mas tem baixo desempenho nos dados de teste.

B

é simples demais para capturar os padrões subjacentes nos dados.

C

minimiza o erro nos dados de treinamento e os de teste, aumentando a correlação entre esses dois conjuntos.

D

oferece uma matriz de confusão para um classificador detalhando seu desempenho.

E

relaciona-se aos altos viés e variância do conjunto de dados.

Incorreta. Gabarito oficial da banca:

Compare seu desempenho com quem faz o mesmo concurso. Ver concorrência

teste

Parabéns! Você acertou!

Compare seu desempenho com quem faz o mesmo concurso. Ver concorrência

teste

Q3086078

Ano: 2024 Banca: FGV Órgão: DATAPREV Prova: FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |

Q3086078 Programação

Seja o código em R a seguir:

Q57.png (410×291)

Analisando o código apresentado, sem a necessidade de executá-lo, é correto deduzir que

A

a categoria "Móveis" apresentou a menor quantidade de unidades vendidas.

B

a estrutura do data frame inviabiliza o uso da função cor().

C

a função aggregate() revela que a categoria "Eletrônicos" tem o maior total de unidades vendidas.

D

existe uma correlação forte e negativa entre unidades vendidas e receita.

E

o coeficiente de correlação entre unidades vendidas e receita mostrará um valor positivo.

Incorreta. Gabarito oficial da banca:

Esse erro também aparece no seu Resumão. Veja o que melhorar

teste

Parabéns! Você acertou!

Esse acerto está no seu Resumão. Ver Resumão da semana

teste

Q3086077

Ano: 2024 Banca: FGV Órgão: DATAPREV Prova: FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |

Q3086077 Banco de Dados

Considere o seguinte cenário: Uma empresa de telecomunicações está analisando os dados de uso de seus clientes, como frequência de chamadas, uso de dados móveis e envio de mensagens. Ela quer identificar grupos de clientes com comportamentos semelhantes para oferecer promoções personalizadas.
Em uma escolha por uma solução de aprendizado de máquina, o cientista de dados deve observar que, se o aprendizado for

A

híbrido, congregará as características dos modelos supervisionado e não supervisionado, em um modelo ensemble.

B

não supervisionado oferecerá opções como os algoritmos back propagation, K-means e C4.5.

C

não supervisionado demandará uma fase de pósprocessamento que envolve visualização e análise do modelo.

D

supervisionado considerará a abstração de um modelo de conhecimento da forma (entrada, saída desejada).

E

supervisionado, os algoritmos partirão dos dados, buscando relacionamento entre eles.

Incorreta. Gabarito oficial da banca:

Veja como esse erro impacta seu desempenho geral. Ver estatísticas

teste

Parabéns! Você acertou!

Esse acerto melhora seu desempenho! Veja suas estatísticas

teste

Q3086076

Ano: 2024 Banca: FGV Órgão: DATAPREV Prova: FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |

Q3086076 Engenharia de Software

O algoritmo de redução de dimensionalidade conhecido como Análise de Componentes Principais (PCA – Principal Component Analysis) possui características importantes.
Dada a escolha de um número k de componentes principais e um conjunto de dados X com cinco variáveis A, B, C, D e E, o PCA

A

adiciona a média de cada observação para cada dimensão de X, normalizando-a depois pelo desvio-padrão.

B

constrói a matriz de confusão a partir de X, multiplicando-a pelos autovalores de seus vetores originais.

C

escolhe k autovetores aleatórios do conjunto original de dados.

D

preserva as distâncias geodésicas entre os pontos do espaço original dos dados por redução não linear.

E

retorna k combinações lineares dos atributos do conjunto {A,B,C,D,E}.

Incorreta. Gabarito oficial da banca:

Salve essa questão em um caderno para revisar depois. Adicionar a um caderno

teste

Parabéns! Você acertou!

Mantenha o ritmo! Salve no caderno para revisar depois. Adicionar a um caderno

teste

Q3086075

Ano: 2024 Banca: FGV Órgão: DATAPREV Prova: FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |

Q3086075 Algoritmos e Estrutura de Dados

Algoritmos de agrupamento podem ser classificados em diferentes categorias. Um algoritmo de agrupamento amplamente utilizado em aprendizado de máquina e mineração de dados é conhecido como K-Means.
O K-Means, em sua versão original, é classificado como um tipo de algoritmo

A

baseado em grade.

B

baseado em grafo.

C

hierárquico.

D

partitivo.

E

por densidade.

Incorreta. Gabarito oficial da banca:

Veja esse conteúdo explicado passo a passo em nossos cursos. Buscar curso

teste

Parabéns! Você acertou!

Mandou bem! Revise esse tema nos nossos cursos. Buscar curso

teste

Q3086074

Ano: 2024 Banca: FGV Órgão: DATAPREV Prova: FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |

Q3086074 Banco de Dados

Considere o seguinte conjunto de transações em uma loja de varejo:

Q53.png (231×173)

A partir desse conjunto de transações, produz-se a regra de associação R: Leite → Pão

Nesse contexto, é correto afirmar que a métrica de R que possui valor igual a 50% é

A

a confiança.

B

o F1 score.

C

a precisão.

D

o recall.

E

o suporte.

Incorreta. Gabarito oficial da banca:

Treine mais com um simulado focado no seu concurso. Criar simulado

teste

Parabéns! Você acertou!

Está mandando bem! Treine mais em um simulado completo. Criar simulado

teste

Foram encontradas 21.288 questões

Resolva questões gratuitamente!

, continue estudando de graça!