Questões de Concurso
Nível superior
Foram encontradas 2.024.796 questões
Resolva questões gratuitamente!
Junte-se a mais de 4 milhões de concurseiros!
Ano: 2026
Banca:
FGV
Órgão:
DATAPREV
Prova:
FGV - 2026 - DATAPREV - Analista de Tecnologia da Informação – Inteligência da Informação |
Q4389069
Estatística
Sejam A e B dois eventos de um mesmo espaço amostral, tais que
P(A) > 0 e P(B) > 0.
De acordo com a teoria da probabilidade, analise os itens a seguir.
I. Se P(A) + P(B) > 1, então P(A ∩ B) > 0.
II. Se P(A ∪ B) = P(A) + P(B), então A e B não são independentes.
III. P(A|B)P(B) = P(B|A)P(A)
Está correto o que se afirma em
I. Se P(A) + P(B) > 1, então P(A ∩ B) > 0.
II. Se P(A ∪ B) = P(A) + P(B), então A e B não são independentes.
III. P(A|B)P(B) = P(B|A)P(A)
Está correto o que se afirma em
Ano: 2026
Banca:
FGV
Órgão:
DATAPREV
Prova:
FGV - 2026 - DATAPREV - Analista de Tecnologia da Informação – Inteligência da Informação |
Q4389068
Matemática
Projetos relacionados à inteligência de dados geralmente
envolvem elaboração de modelos que simplifiquem datasets de
alta dimensionalidade, permitindo identificação e extração de
informação de maior significância.
Nesse contexto, diversas ferramentas e métodos utilizados para
esses fins se fundamentam em conceitos basilares de álgebra
linear, tais como autovalores, autovetores e normas.
Considerando que uma matriz quadrada A de ordem n×n possui autovalores reais distintos λ1, λ2, ..., λn e matriz dos respectivos autovetores à direita unitários V=[v1, v2, ..., vn], e ainda um vetor coluna unitário u de ordem n, tem-se que
Considerando que uma matriz quadrada A de ordem n×n possui autovalores reais distintos λ1, λ2, ..., λn e matriz dos respectivos autovetores à direita unitários V=[v1, v2, ..., vn], e ainda um vetor coluna unitário u de ordem n, tem-se que
Ano: 2026
Banca:
FGV
Órgão:
DATAPREV
Prova:
FGV - 2026 - DATAPREV - Analista de Tecnologia da Informação – Inteligência da Informação |
Q4389067
Matemática
Uma curva S é formada pela interseção do plano z = ¾ x com o
cilindro elipsoidal reto x
2/16 + y
2/9 = 1 para todo z.
Sua área é
Sua área é
Ano: 2026
Banca:
FGV
Órgão:
DATAPREV
Prova:
FGV - 2026 - DATAPREV - Analista de Tecnologia da Informação – Inteligência da Informação |
Q4389066
Banco de Dados
No âmbito das tecnologias para Big Data, o Apache Hadoop e o
Apache Spark apresentam características distintas de execução e
tolerância a falhas.
Analise as afirmativas a seguir e assinale (V) para a verdadeira e (F) para a falsa.
( ) O Hadoop MapReduce grava dados intermediários em disco entre as fases de Map e Reduce, enquanto o Spark processa e retém dados preferencialmente na memória RAM.
( ) No Apache Spark, as transformações disparam imediatamente a computação física no cluster, enquanto as ações apenas registram as etapas no Grafo Acíclico Dirigido (DAG).
( ) A tolerância a falhas no HDFS ocorre pela replicação de blocos em múltiplos nós, enquanto no Spark ela se baseia no histórico de linhagem (lineage) para reconstituir partições perdidas.
As afirmativas são, respectivamente,
Analise as afirmativas a seguir e assinale (V) para a verdadeira e (F) para a falsa.
( ) O Hadoop MapReduce grava dados intermediários em disco entre as fases de Map e Reduce, enquanto o Spark processa e retém dados preferencialmente na memória RAM.
( ) No Apache Spark, as transformações disparam imediatamente a computação física no cluster, enquanto as ações apenas registram as etapas no Grafo Acíclico Dirigido (DAG).
( ) A tolerância a falhas no HDFS ocorre pela replicação de blocos em múltiplos nós, enquanto no Spark ela se baseia no histórico de linhagem (lineage) para reconstituir partições perdidas.
As afirmativas são, respectivamente,
Ano: 2026
Banca:
FGV
Órgão:
DATAPREV
Prova:
FGV - 2026 - DATAPREV - Analista de Tecnologia da Informação – Inteligência da Informação |
Q4389065
Programação
Um analista recebeu um arquivo com registros de atendimentos
contendo colunas de datas, categorias e valores numéricos, alguns
deles ausentes. Ele precisa selecionar os registros que atendam a
determinadas condições, tratar os valores ausentes de forma
distinta em cada coluna e calcular estatísticas resumidas dos
valores numéricos para cada categoria.
Assinale a opção que apresenta a estrutura de dados mais
apropriada para realizar, de forma integrada, operações de
filtragem de registros, tratamento de valores ausentes por coluna
e agrupamento com agregação.
Ano: 2026
Banca:
FGV
Órgão:
DATAPREV
Prova:
FGV - 2026 - DATAPREV - Analista de Tecnologia da Informação – Inteligência da Informação |
Q4389064
Programação
Uma equipe de ciência de dados está estruturando a entrega de
seus resultados: um aplicativo interativo para stakeholders não
técnicos, gráficos estatísticos para relatórios e rotinas de
agregação de dados compartilhadas com uma equipe parceira que
trabalha em R.
Sobre as ferramentas envolvidas, considere as afirmativas a seguir.
I. O Streamlit permite transformar um script de análise em Python em uma aplicação web interativa, sem exigir do desenvolvedor conhecimento de HTML, CSS ou JavaScript.
II. O Seaborn é uma biblioteca de visualização estatística independente do Matplotlib, funcionando sem depender de sua infraestrutura de renderização de gráficos.
III. O agrupamento de dados por uma variável categórica, seguido do cálculo de estatísticas resumidas, obtido em R com group_by() e summarise() do pacote dplyr, tem equivalente funcional em Python por meio do método groupby() do Pandas, combinado a funções de agregação.
Está correto o que se afirma em:
Sobre as ferramentas envolvidas, considere as afirmativas a seguir.
I. O Streamlit permite transformar um script de análise em Python em uma aplicação web interativa, sem exigir do desenvolvedor conhecimento de HTML, CSS ou JavaScript.
II. O Seaborn é uma biblioteca de visualização estatística independente do Matplotlib, funcionando sem depender de sua infraestrutura de renderização de gráficos.
III. O agrupamento de dados por uma variável categórica, seguido do cálculo de estatísticas resumidas, obtido em R com group_by() e summarise() do pacote dplyr, tem equivalente funcional em Python por meio do método groupby() do Pandas, combinado a funções de agregação.
Está correto o que se afirma em:
Ano: 2026
Banca:
FGV
Órgão:
DATAPREV
Prova:
FGV - 2026 - DATAPREV - Analista de Tecnologia da Informação – Inteligência da Informação |
Q4389063
Programação
Uma equipe de Ciência de Dados da DATAPREV avalia frameworks
de deep learning para dois projetos: um de pesquisa exploratória,
com necessidade de depurar a arquitetura da rede a cada iteração,
e outro já validado, a ser levado a produção com pipeline de
treinamento reprodutível.
Avalie as afirmativas a seguir.
I. O PyTorch utiliza grafos de computação dinâmicos, construídos durante a própria execução do código, o que facilita a depuração incremental do modelo, já que cada operação pode ser inspecionada logo após ser executada.
II. O ecossistema do TensorFlow oferece ferramentas nativas voltadas à implantação de modelos em diferentes ambientes de produção, como servidores dedicados e dispositivos com recursos computacionais limitados.
III. O uso de grafos de computação dinâmicos pelo PyTorch impede que modelos desenvolvidos nesse framework sejam utilizados para inferência em sistemas implantados para usuários finais.
Está correto o que se afirma em
Avalie as afirmativas a seguir.
I. O PyTorch utiliza grafos de computação dinâmicos, construídos durante a própria execução do código, o que facilita a depuração incremental do modelo, já que cada operação pode ser inspecionada logo após ser executada.
II. O ecossistema do TensorFlow oferece ferramentas nativas voltadas à implantação de modelos em diferentes ambientes de produção, como servidores dedicados e dispositivos com recursos computacionais limitados.
III. O uso de grafos de computação dinâmicos pelo PyTorch impede que modelos desenvolvidos nesse framework sejam utilizados para inferência em sistemas implantados para usuários finais.
Está correto o que se afirma em
Ano: 2026
Banca:
FGV
Órgão:
DATAPREV
Prova:
FGV - 2026 - DATAPREV - Analista de Tecnologia da Informação – Inteligência da Informação |
Q4389062
Engenharia de Software
A equipe de Engenharia de Dados de uma multinacional está
otimizando o pipeline de PLN de um sistema de atendimento ao
cliente em tempo real. O objetivo é classificar os chamados
recebidos em categorias de urgência e encaminhá-los ao suporte
técnico correto.
Durante o desenvolvimento do modelo de inteligência artificial, os
engenheiros debateram sobre o impacto de diferentes técnicas de
pré-processamento e vetorização na captura do significado
semântico e contextual das mensagens dos usuários.
Considerando os conceitos fundamentais de pré-processamento, vetorização e arquitetura de PLN aplicados a esse cenário, assinale a afirmativa correta.
Considerando os conceitos fundamentais de pré-processamento, vetorização e arquitetura de PLN aplicados a esse cenário, assinale a afirmativa correta.
Ano: 2026
Banca:
FGV
Órgão:
DATAPREV
Prova:
FGV - 2026 - DATAPREV - Analista de Tecnologia da Informação – Inteligência da Informação |
Q4389061
Noções de Informática
Um especialista foi contratado por uma multinacional do setor
logístico para desenvolver um sistema automatizado de inspeção
de qualidade. O objetivo é identificar pequenas fissuras e defeitos
superficiais em caixas de papelão que passam em alta velocidade
por uma esteira industrial.
Para resolver o problema, a equipe optou por utilizar uma Rede Neural Convolucional (CNN). Durante a etapa de arquitetura do modelo, os engenheiros precisam definir o papel de cada camada na extração de características.
Considerando o funcionamento interno de uma CNN aplicada a esse cenário industrial, assinale a afirmativa correta.
Para resolver o problema, a equipe optou por utilizar uma Rede Neural Convolucional (CNN). Durante a etapa de arquitetura do modelo, os engenheiros precisam definir o papel de cada camada na extração de características.
Considerando o funcionamento interno de uma CNN aplicada a esse cenário industrial, assinale a afirmativa correta.
Ano: 2026
Banca:
FGV
Órgão:
DATAPREV
Prova:
FGV - 2026 - DATAPREV - Analista de Tecnologia da Informação – Inteligência da Informação |
Q4389060
Engenharia de Software
Uma equipe de Ciência de Dados construiu uma rede neural
profunda para prever a taxa de cancelamento de clientes em uma
grande plataforma. Durante a fase de validação, os engenheiros
notaram que o modelo apresentava uma acurácia próxima de 99%
no conjunto de dados de treino, mas o desempenho despencava
para 62% no conjunto de testes. Para combater esse problema de
sobreajuste, a liderança técnica solicitou a aplicação de técnicas de
regularização baseadas na penalização da função de perda por
meio de normas (L1 e L2), visando melhorar a capacidade de
generalização do modelo e limitar o crescimento excessivo dos
pesos.
Considerando o comportamento e o impacto teórico das penalizações pela norma L1 (Lasso) e pela norma L2 (Decaimento de Pesos) nas redes neurais artificiais, assinale a afirmativa correta.
Considerando o comportamento e o impacto teórico das penalizações pela norma L1 (Lasso) e pela norma L2 (Decaimento de Pesos) nas redes neurais artificiais, assinale a afirmativa correta.
Ano: 2026
Banca:
FGV
Órgão:
DATAPREV
Prova:
FGV - 2026 - DATAPREV - Analista de Tecnologia da Informação – Inteligência da Informação |
Q4389059
Algoritmos e Estrutura de Dados
A equipe de IA de uma FinTech foi encarregada de refatorar o
pipeline de treinamento da rede neural responsável pela detecção
de fraudes em transações de cartão de crédito. Atualmente, o
sistema processa cerca de 50 milhões de transações diárias. No
relatório técnico entregue à diretoria, os engenheiros precisam
justificar a escolha da arquitetura de treinamento, detalhando as
vantagens e o papel de cada algoritmo envolvido na otimização da
rede.
Considerando o funcionamento, a eficiência computacional e as vantagens comparativas dos algoritmos de otimização, assinale a afirmativa correta.
Considerando o funcionamento, a eficiência computacional e as vantagens comparativas dos algoritmos de otimização, assinale a afirmativa correta.
Ano: 2026
Banca:
FGV
Órgão:
DATAPREV
Prova:
FGV - 2026 - DATAPREV - Analista de Tecnologia da Informação – Inteligência da Informação |
Q4389058
Estatística
No contexto do Aprendizado de Máquina não supervisionado, os
Modelos de Mistura Gaussiana (Gaussian Mixture Models)
representam uma abordagem probabilística para a tarefa de
agrupamento (clustering).
Acerca das características e do funcionamento dessa técnica, analise os itens a seguir. I. De acordo com a técnica, cada gaussiana no modelo de mistura possui três parâmetros principais: média, peso e matriz de covariância. II. O modelo calcula para cada instância a probabilidade de ela ter sido gerada por cada um dos componentes da mistura. III. Os agrupamentos gerados por essa técnica são matematicamente limitados a formatos esféricos, impossibilitando a modelagem de distribuições elípticas ou com volumes distintos no espaço de dados. Está correto o que se afirma em
Acerca das características e do funcionamento dessa técnica, analise os itens a seguir. I. De acordo com a técnica, cada gaussiana no modelo de mistura possui três parâmetros principais: média, peso e matriz de covariância. II. O modelo calcula para cada instância a probabilidade de ela ter sido gerada por cada um dos componentes da mistura. III. Os agrupamentos gerados por essa técnica são matematicamente limitados a formatos esféricos, impossibilitando a modelagem de distribuições elípticas ou com volumes distintos no espaço de dados. Está correto o que se afirma em
Ano: 2026
Banca:
FGV
Órgão:
DATAPREV
Prova:
FGV - 2026 - DATAPREV - Analista de Tecnologia da Informação – Inteligência da Informação |
Q4389057
Estatística
O algoritmo K-Means (K-Médias, em português), usado em
Aprendizado de Máquina, pode ser descrito como um método
Ano: 2026
Banca:
FGV
Órgão:
DATAPREV
Prova:
FGV - 2026 - DATAPREV - Analista de Tecnologia da Informação – Inteligência da Informação |
Q4389056
Estatística
O problema da alta dimensionalidade, comum em modelos de
Aprendizado de Máquina, pode ser tratado com técnicas de
redução de dimensionalidade.
Sobre esse assunto, analise as afirmativas a seguir e assinale (V)
para a verdadeira e (F) para a falsa.
( ) A redução de dimensionalidade tem como principal objetivo escolher dados apenas do espaço bidimensional.
( ) As técnicas de agregação são aplicadas para descartar parte dos atributos originais por meio da criação de grupos de atributos.
( ) A técnica de Análise de Componentes Principais (Principal Component Analysis) permite eliminar redundâncias geradas pela alta correlação entre as variáveis originais.
As afirmativas são, respectivamente,
( ) A redução de dimensionalidade tem como principal objetivo escolher dados apenas do espaço bidimensional.
( ) As técnicas de agregação são aplicadas para descartar parte dos atributos originais por meio da criação de grupos de atributos.
( ) A técnica de Análise de Componentes Principais (Principal Component Analysis) permite eliminar redundâncias geradas pela alta correlação entre as variáveis originais.
As afirmativas são, respectivamente,
Ano: 2026
Banca:
FGV
Órgão:
DATAPREV
Prova:
FGV - 2026 - DATAPREV - Analista de Tecnologia da Informação – Inteligência da Informação |
Q4389055
Algoritmos e Estrutura de Dados
Uma das métricas utilizadas no algoritmo K-NN (K-Nearest
Neighbors), no desenvolvimento de modelos de Aprendizado de
Máquina, é a distância de Minkowski, definida pela norma-p, onde
p é a ordem.
Nesse contexto, analise os itens a seguir.
I. Quando p = 1, a distância de Minkowski calcula o número de atributos diferentes entre dois vetores no espaço.
II. Quando p = 2, a distância de Minkowski calcula a distância euclidiana entre dois vetores no espaço.
III. Quando p = K, a distância de Minkowski calcula a distância média para os K vizinhos mais próximos.
Está correto o que se afirma em
Nesse contexto, analise os itens a seguir.
I. Quando p = 1, a distância de Minkowski calcula o número de atributos diferentes entre dois vetores no espaço.
II. Quando p = 2, a distância de Minkowski calcula a distância euclidiana entre dois vetores no espaço.
III. Quando p = K, a distância de Minkowski calcula a distância média para os K vizinhos mais próximos.
Está correto o que se afirma em
Ano: 2026
Banca:
FGV
Órgão:
DATAPREV
Prova:
FGV - 2026 - DATAPREV - Analista de Tecnologia da Informação – Inteligência da Informação |
Q4389054
Estatística
Um cientista de dados possui um conjunto de dados com
exatamente 1.500 amostras e decide avaliar seu modelo de
aprendizado de máquina utilizando a técnica de k-Fold CrossValidation (validação cruzada com k-repetições).
Considerando o funcionamento padrão dessa técnica, o número total de vezes em que o modelo será treinado e a quantidade exata de amostras utilizadas para treinamento em cada uma das rodadas (folds) de validação são, para k = 5, respectivamente,
Considerando o funcionamento padrão dessa técnica, o número total de vezes em que o modelo será treinado e a quantidade exata de amostras utilizadas para treinamento em cada uma das rodadas (folds) de validação são, para k = 5, respectivamente,
Ano: 2026
Banca:
FGV
Órgão:
DATAPREV
Prova:
FGV - 2026 - DATAPREV - Analista de Tecnologia da Informação – Inteligência da Informação |
Q4389053
Matemática
No desenvolvimento de modelos de Aprendizado de Máquina, a
análise do espaço de hipóteses é importante para compreender a
capacidade de generalização de um modelo.
Acerca dos conceitos de viés (bias), variância (variance) e dos fenômenos de subajuste (underfitting) e sobreajuste (overfitting), analise os itens a seguir:
I. Um viés alto pode ser provocado por restrições estruturais no próprio espaço de hipóteses, induzindo ao subajuste do modelo.
II. Uma das causas de sobreajuste do modelo é uma variância alta, prejudicando seu desempenho em novos dados mesmo quando o desempenho no treinamento é satisfatório.
III. O compromisso viés-variância (bias-variance trade-off) estabelece um dilema entre optar por hipóteses mais complexas com baixo viés ou hipóteses mais simples com baixa variância.
Está correto o que se afirma em
Acerca dos conceitos de viés (bias), variância (variance) e dos fenômenos de subajuste (underfitting) e sobreajuste (overfitting), analise os itens a seguir:
I. Um viés alto pode ser provocado por restrições estruturais no próprio espaço de hipóteses, induzindo ao subajuste do modelo.
II. Uma das causas de sobreajuste do modelo é uma variância alta, prejudicando seu desempenho em novos dados mesmo quando o desempenho no treinamento é satisfatório.
III. O compromisso viés-variância (bias-variance trade-off) estabelece um dilema entre optar por hipóteses mais complexas com baixo viés ou hipóteses mais simples com baixa variância.
Está correto o que se afirma em
Ano: 2026
Banca:
FGV
Órgão:
DATAPREV
Prova:
FGV - 2026 - DATAPREV - Analista de Tecnologia da Informação – Desenvolvimento de Software |
Q4389042
Segurança da Informação
Maria, que trabalha no departamento de TI de um órgão público,
faz parte de uma equipe que foi designada para adquirir novos
equipamentos de rede para serem integrados àqueles já
existentes no datacenter do órgão.
Com base em conceitos básicos de gestão de riscos em TI, analise as afirmativas a seguir.
I. As estratégias de gestão dos riscos que por ventura possam surgir em uma contratação/aquisição isolada não precisam estar integrados à Política de Gestão de Riscos da organização.
II. Identificação, análise e planejamento de respostas aos riscos são etapas do gerenciamento de riscos.
III. Os riscos identificados em uma contratação/aquisição devem estar registrados no Mapa de Gerenciamento de Riscos, todavia, as estratégias de mitigação não devem estar no Mapa.
Está correto o que se afirma em
Com base em conceitos básicos de gestão de riscos em TI, analise as afirmativas a seguir.
I. As estratégias de gestão dos riscos que por ventura possam surgir em uma contratação/aquisição isolada não precisam estar integrados à Política de Gestão de Riscos da organização.
II. Identificação, análise e planejamento de respostas aos riscos são etapas do gerenciamento de riscos.
III. Os riscos identificados em uma contratação/aquisição devem estar registrados no Mapa de Gerenciamento de Riscos, todavia, as estratégias de mitigação não devem estar no Mapa.
Está correto o que se afirma em
Ano: 2026
Banca:
FGV
Órgão:
DATAPREV
Prova:
FGV - 2026 - DATAPREV - Analista de Tecnologia da Informação – Desenvolvimento de Software |
Q4389033
Programação
Analise o código Java a seguir:
Considerando as regras da linguagem Java para expressões lambda, assinale a afirmativa correta.
Ano: 2026
Banca:
FGV
Órgão:
DATAPREV
Prova:
FGV - 2026 - DATAPREV - Analista de Tecnologia da Informação – Desenvolvimento de Software |
Q4389032
Programação
Um desenvolvedor de software da DATAPREV está definindo a
pilha tecnológica para um novo sistema corporativo desenvolvido
em Java.
Ao propor o uso de ferramentas de Mapeamento ObjetoRelacional (ORM) para a persistência de dados, surgiu um debate na equipe de arquitetura sobre as diferenças conceituais e de implementação entre a JPA e o Hibernate.
Considerando as características e a relação entre essas duas tecnologias, assinale a afirmativa correta.
Ao propor o uso de ferramentas de Mapeamento ObjetoRelacional (ORM) para a persistência de dados, surgiu um debate na equipe de arquitetura sobre as diferenças conceituais e de implementação entre a JPA e o Hibernate.
Considerando as características e a relação entre essas duas tecnologias, assinale a afirmativa correta.
Conheça nossos planos