Questões de Concurso
Para analista de tecnologia da informação
Foram encontradas 21.308 questões
Resolva questões gratuitamente!
Junte-se a mais de 4 milhões de concurseiros!
Ano: 2022
Banca:
OBJETIVA
Órgão:
PROCEMPA
Prova:
OBJETIVA - 2022 - PROCEMPA - Analista de Programação e Suporte de Sistemas Informatizados e Georreferenciados, Infraestruturas e Redes Computacionais: Ciência de Dados |
Q4347013
Banco de Dados
Considerando-se alguns dos comandos SQL, marcar C
para as afirmativas Certas, E para as Erradas e, após,
assinalar a alternativa que apresenta a sequência CORRETA:
(_) DROP DATABASE Procempa: duplica o Banco de Dados “Procempa”.
(_) CREATE TABLE Analistas (id INT PRIMARY KEY, cpf VARCHAR(50)): cria uma tabela chamada “Analistas”, a qual terá uma coluna “id” idêntica para todos os analistas (chave-primária) e uma coluna “cpf” que aceita no máximo 50 caracteres e somente do tipo número.
(_) ALTER TABLE Analistas ADD idade INT: promove uma alteração da tabela “Analistas” com a inserção de um novo campo (coluna) chamado “idade”.
(_) DROP DATABASE Procempa: duplica o Banco de Dados “Procempa”.
(_) CREATE TABLE Analistas (id INT PRIMARY KEY, cpf VARCHAR(50)): cria uma tabela chamada “Analistas”, a qual terá uma coluna “id” idêntica para todos os analistas (chave-primária) e uma coluna “cpf” que aceita no máximo 50 caracteres e somente do tipo número.
(_) ALTER TABLE Analistas ADD idade INT: promove uma alteração da tabela “Analistas” com a inserção de um novo campo (coluna) chamado “idade”.
Ano: 2022
Banca:
OBJETIVA
Órgão:
PROCEMPA
Prova:
OBJETIVA - 2022 - PROCEMPA - Analista de Programação e Suporte de Sistemas Informatizados e Georreferenciados, Infraestruturas e Redes Computacionais: Ciência de Dados |
Q4347012
Programação
No R, a função mean() calcula a média de um conjunto
de valores. Sendo assim, considerando-se as saídas dos
códigos indicados abaixo, numerar a 2ª coluna de acordo
com a 1ª e, após, assinalar a alternativa que apresenta a
sequência CORRETA:
(_) NA (_) 1 (_) 2
(_) NA (_) 1 (_) 2
Ano: 2022
Banca:
OBJETIVA
Órgão:
PROCEMPA
Prova:
OBJETIVA - 2022 - PROCEMPA - Analista de Programação e Suporte de Sistemas Informatizados e Georreferenciados, Infraestruturas e Redes Computacionais: Ciência de Dados |
Q4347011
Programação
Tendo em vista que vetores são estruturas muito
importantes em R, em relação ao caso abaixo, a saída do
código será:
Ano: 2022
Banca:
OBJETIVA
Órgão:
PROCEMPA
Prova:
OBJETIVA - 2022 - PROCEMPA - Analista de Programação e Suporte de Sistemas Informatizados e Georreferenciados, Infraestruturas e Redes Computacionais: Ciência de Dados |
Q4347010
Programação
No R, para obter subconjuntos de um vetor, é necessário
realizar operações de indexação. Isto é, associar ao vetor um
outro vetor de mesmo tamanho com os índices dos
elementos selecionados. Nesse sentido, para indexar
subconjuntos (subsets) de objetos no R, utiliza-se o
operador:
Ano: 2022
Banca:
OBJETIVA
Órgão:
PROCEMPA
Prova:
OBJETIVA - 2022 - PROCEMPA - Analista de Programação e Suporte de Sistemas Informatizados e Georreferenciados, Infraestruturas e Redes Computacionais: Ciência de Dados |
Q4347009
Banco de Dados
Considerando-se as funções DAX disponíveis no Power BI
Desktop, assinalar a fórmula que soma todos os números
contidos na coluna “Frete” da tabela “Vendas”:
Ano: 2022
Banca:
OBJETIVA
Órgão:
PROCEMPA
Prova:
OBJETIVA - 2022 - PROCEMPA - Analista de Programação e Suporte de Sistemas Informatizados e Georreferenciados, Infraestruturas e Redes Computacionais: Ciência de Dados |
Q4347008
Programação
Considerar o código Python abaixo:
A execução desse código exibe:
Ano: 2022
Banca:
OBJETIVA
Órgão:
PROCEMPA
Prova:
OBJETIVA - 2022 - PROCEMPA - Analista de Programação e Suporte de Sistemas Informatizados e Georreferenciados, Infraestruturas e Redes Computacionais: Ciência de Dados |
Q4347007
Banco de Dados
A Mineração de Dados é comumente classificada por sua
capacidade em realizar determinadas tarefas. Em uma
auditoria, por exemplo, separar comportamentos suspeitos,
é uma tarefa realizada pelo(a):
Ano: 2022
Banca:
OBJETIVA
Órgão:
PROCEMPA
Prova:
OBJETIVA - 2022 - PROCEMPA - Analista de Programação e Suporte de Sistemas Informatizados e Georreferenciados, Infraestruturas e Redes Computacionais: Ciência de Dados |
Q4347006
Estatística
Em relação ao modelo clássico de regressão linear,
assinalar a alternativa INCORRETA:
Ano: 2022
Banca:
OBJETIVA
Órgão:
PROCEMPA
Prova:
OBJETIVA - 2022 - PROCEMPA - Analista de Programação e Suporte de Sistemas Informatizados e Georreferenciados, Infraestruturas e Redes Computacionais: Ciência de Dados |
Q4347005
Estatística
Para ajustar um modelo de regressão logística, é
necessário estimar os parâmetros β0 e β1 do modelo. Para
isso, utiliza-se o método:
Ano: 2022
Banca:
OBJETIVA
Órgão:
PROCEMPA
Prova:
OBJETIVA - 2022 - PROCEMPA - Analista de Programação e Suporte de Sistemas Informatizados e Georreferenciados, Infraestruturas e Redes Computacionais: Ciência de Dados |
Q4347004
Estatística
Ao utilizar o algoritmo K-means, a forma mais simples de
verificarmos a “qualidade” dos clusters encontrados, a fim
de que se possa dizer o quão distantes estão os clusters dos
outros, é por meio da:
Ano: 2022
Banca:
OBJETIVA
Órgão:
PROCEMPA
Prova:
OBJETIVA - 2022 - PROCEMPA - Analista de Programação e Suporte de Sistemas Informatizados e Georreferenciados, Infraestruturas e Redes Computacionais: Ciência de Dados |
Q4347003
Programação
Redes neurais são uma classe de modelos que são construídos com camadas, entre as quais as mais comumente utilizadas incluem redes neurais convolucionais (CNN) e recorrentes (RNN). Funções de ativação (activation function) são usadas no fim de uma unidade escondida para introduzir complexidades não lineares ao modelo. Assinalar a alternativa que se refere à função de ativação que tem sido mais utilizada em Deep Learning, por facilitar o processo de treinamento, por não saturar a partir de um determinado ponto, e ser simplesmente a função identidade para valores positivos:
Ano: 2022
Banca:
OBJETIVA
Órgão:
PROCEMPA
Prova:
OBJETIVA - 2022 - PROCEMPA - Analista de Programação e Suporte de Sistemas Informatizados e Georreferenciados, Infraestruturas e Redes Computacionais: Ciência de Dados |
Q4347002
Noções de Informática
Em relação à arquitetura de Redes Neurais
Convolucionais e Recorrentes, assinalar a alternativa
CORRETA:
Ano: 2022
Banca:
OBJETIVA
Órgão:
PROCEMPA
Prova:
OBJETIVA - 2022 - PROCEMPA - Analista de Programação e Suporte de Sistemas Informatizados e Georreferenciados, Infraestruturas e Redes Computacionais: Ciência de Dados |
Q4347001
Estatística
Ao construir um classificador usando machine learning,
um desenvolvedor deve se perguntar o quão bom é seu
modelo para predição. Assim, ao treinar um modelo de
aprendizagem, algumas métricas podem ser utilizadas para
avaliação. Considerando a legenda abaixo, pode-se afirmar
que a Especificidade e a Precisão, são calculadas pelas
seguintes fórmulas, respectivamente:
VP: verdadeiros positivos; FN: falsos negativos; FP: falsos positivos; VN: verdadeiros negativos; P: precisão; S: sensibilidade; N: total de elementos.
VP: verdadeiros positivos; FN: falsos negativos; FP: falsos positivos; VN: verdadeiros negativos; P: precisão; S: sensibilidade; N: total de elementos.
Ano: 2022
Banca:
OBJETIVA
Órgão:
PROCEMPA
Prova:
OBJETIVA - 2022 - PROCEMPA - Analista de Programação e Suporte de Sistemas Informatizados e Georreferenciados, Infraestruturas e Redes Computacionais: Ciência de Dados |
Q4347000
Engenharia de Software
Existem diversas metodologias já desenvolvidas, e em
desenvolvimento, de modelos de classificação
supervisionada. Nesse sentindo, a melhor metodologia é
aquela que se ajusta melhor aos seus dados e que é capaz de
trazer as melhores respostas de acordo com o seu objetivo.
A vantagem e desvantagem listada abaixo nos itens I e II,
respectivamente, entre os diversos modelos de Classificação
Supervisionada, referem-se a:
I. Controle de Overfitting. II. Interpretabilidade das variáveis.
I. Controle de Overfitting. II. Interpretabilidade das variáveis.
Ano: 2022
Banca:
OBJETIVA
Órgão:
PROCEMPA
Prova:
OBJETIVA - 2022 - PROCEMPA - Analista de Programação e Suporte de Sistemas Informatizados e Georreferenciados, Infraestruturas e Redes Computacionais: Ciência de Dados |
Q4346999
Banco de Dados
Entre as principais tarefas de pré-processamento de
dados fortemente dependentes de domínio, assinalar a
alternativa que é exemplificada na situação descrita abaixo:
Uma empresa de cartão de crédito cujo banco de dados possuía um campo “gender” para armazenar o sexo de seus clientes. Alguns registros assumiam, entretanto, o valor B para esse atributo, o qual, posteriormente, descobriu-se que correspondia à informação Business. Originalmente, o sistema tinha sido projetado somente para cadastrar cartões para pessoas físicas, porém, quando cartões para empresas foram permitidos, não havia um campo específico para indicar que o cadastrado era uma empresa. Essa informação foi então armazenada no campo “gender”.
Uma empresa de cartão de crédito cujo banco de dados possuía um campo “gender” para armazenar o sexo de seus clientes. Alguns registros assumiam, entretanto, o valor B para esse atributo, o qual, posteriormente, descobriu-se que correspondia à informação Business. Originalmente, o sistema tinha sido projetado somente para cadastrar cartões para pessoas físicas, porém, quando cartões para empresas foram permitidos, não havia um campo específico para indicar que o cadastrado era uma empresa. Essa informação foi então armazenada no campo “gender”.
Ano: 2022
Banca:
OBJETIVA
Órgão:
PROCEMPA
Prova:
OBJETIVA - 2022 - PROCEMPA - Analista de Programação e Suporte de Sistemas Informatizados e Georreferenciados, Infraestruturas e Redes Computacionais: Ciência de Dados |
Q4346998
Engenharia de Software
A respeito dos conceitos de Deep Learning, analisar os
itens abaixo:
I. Redes profundas híbridas se destacam pela discriminação que é assistida, muitas vezes de forma significativa, com os resultados de redes profundas generativas ou não supervisionadas. Isso pode ser alcançado por meio de uma melhor otimização e regularização das redes profundas supervisionadas. A proposta dessa rede também pode ser alcançada quando critérios discriminativos para a aprendizagem supervisionada são usados para estimar os parâmetros em qualquer das redes profundas generativas ou não supervisionadas.
II. Em termos de topologia, para implementar uma RNA, deve-se definir diferentes variáveis, dentre as quais: o número de nós na camada de entrada, o número de camadas escondidas, o número de neurônios a serem colocados nessas camadas, e o número de neurônios na camada de saída.
III. As redes neurais com treinamento não supervisionado, os algoritmos de agrupamento e a mineração de dados com regras de associação possuem a grande vantagem de que não é necessário conhecer a classe de saída de cada item de dado e, alguns casos, nem a quantidade de classes de saída.
Está(ão) CORRETO(S):
I. Redes profundas híbridas se destacam pela discriminação que é assistida, muitas vezes de forma significativa, com os resultados de redes profundas generativas ou não supervisionadas. Isso pode ser alcançado por meio de uma melhor otimização e regularização das redes profundas supervisionadas. A proposta dessa rede também pode ser alcançada quando critérios discriminativos para a aprendizagem supervisionada são usados para estimar os parâmetros em qualquer das redes profundas generativas ou não supervisionadas.
II. Em termos de topologia, para implementar uma RNA, deve-se definir diferentes variáveis, dentre as quais: o número de nós na camada de entrada, o número de camadas escondidas, o número de neurônios a serem colocados nessas camadas, e o número de neurônios na camada de saída.
III. As redes neurais com treinamento não supervisionado, os algoritmos de agrupamento e a mineração de dados com regras de associação possuem a grande vantagem de que não é necessário conhecer a classe de saída de cada item de dado e, alguns casos, nem a quantidade de classes de saída.
Está(ão) CORRETO(S):
Ano: 2022
Banca:
OBJETIVA
Órgão:
PROCEMPA
Prova:
OBJETIVA - 2022 - PROCEMPA - Analista de Programação e Suporte de Sistemas Informatizados e Georreferenciados, Infraestruturas e Redes Computacionais: Ciência de Dados |
Q4346997
Engenharia de Software
As fases do CRISP-DM não são necessariamente
executadas em sequência, uma vez que durante o processo
podem ocorrer alterações e ser modificada a sequência. A
formação de hipóteses em cima do que se aprendeu com os
dados, é executada em qual fase do CRISP-DM?
Ano: 2022
Banca:
OBJETIVA
Órgão:
PROCEMPA
Prova:
OBJETIVA - 2022 - PROCEMPA - Analista de Programação e Suporte de Sistemas Informatizados e Georreferenciados, Infraestruturas e Redes Computacionais: Ciência de Dados |
Q4346996
Estatística
Considerar o histograma abaixo e assinalar o valor correspondente a Q2 sinalizado pela seta:
Ano: 2022
Banca:
OBJETIVA
Órgão:
PROCEMPA
Prova:
OBJETIVA - 2022 - PROCEMPA - Analista de Programação e Suporte de Sistemas Informatizados e Georreferenciados, Infraestruturas e Redes Computacionais: Ciência de Dados |
Q4346995
Estatística
Quando a relação linear entre variáveis resposta e
preditoras for compatível com um modelo linear (no caso de
uma relação polinomial, por exemplo), o uso de regressão
linear é conveniente e obtemos modelos com
interpretabilidade e poder preditivo satisfatórios. Uma
forma de determinar se a regressão foi bem sucedida em
explicar uma parcela significativa da variância de y é testar a
hipótese nula de que a proporção da variabilidade de y
explicada por x é igual a zero. Esse trabalho é realizado por
meio do:
Ano: 2022
Banca:
OBJETIVA
Órgão:
PROCEMPA
Prova:
OBJETIVA - 2022 - PROCEMPA - Analista de Programação e Suporte de Sistemas Informatizados e Georreferenciados, Infraestruturas e Redes Computacionais: Ciência de Dados |
Q4346994
Banco de Dados
A Modelagem de Dados é um instrumento de grande
importância na formatação de estruturas capazes de serem
implantadas e compreendidas pelos Sistemas Gerenciadores
de Banco de Dados. Analisar a sentença abaixo:
O Modelo multidimensional é uma técnica de modelagem conceitual de negócios, que facilita a investigação, o resumo e a organização de dados para a análise de negócios (1ª parte). O cubo é uma estrutura de dados multidimensional para analisar e recuperar dados (2ª parte). As hierarquias em dimensões e fórmulas são de primeira classe, ou seja, um cubo não duplica suas definições, o cubo pode ter qualquer n dimensões, também denotado de hipercubo ao invés de cubo, sendo que uma coleção de cubos é relacionada ao banco de dados multidimensional ou armazém de dados (Data Warehouse) multidimensional (3ª parte).
A sentença está:
O Modelo multidimensional é uma técnica de modelagem conceitual de negócios, que facilita a investigação, o resumo e a organização de dados para a análise de negócios (1ª parte). O cubo é uma estrutura de dados multidimensional para analisar e recuperar dados (2ª parte). As hierarquias em dimensões e fórmulas são de primeira classe, ou seja, um cubo não duplica suas definições, o cubo pode ter qualquer n dimensões, também denotado de hipercubo ao invés de cubo, sendo que uma coleção de cubos é relacionada ao banco de dados multidimensional ou armazém de dados (Data Warehouse) multidimensional (3ª parte).
A sentença está:
Conheça nossos planos