Simulado Informática

Prévia do material em texto

Questão 1) - 0,83 ponto(s) 
 
Inteligência Artificial é um assunto que tem ganhado notoriedade a cada dia que passa e já não se trata mais de um tema 
futurístico, mas de algo que vivenciamos em nosso dia a dia. Uma das metodologias que envolve o tema é o aprendizado 
de máquina (machine learning), que consiste em estruturar algoritmos que criem memórias artificiais, possibilitando 
sistemas tomarem decisões baseadas em eventos passados. 
Podemos dividir o aprendizado de máquina em duas categorias: aprendizado supervisionado e não supervisionado. O 
primeiro trata-se 
 
A) de fazer o cruzamento das memórias artificiais que seriam armazenadas e algum banco de dados (ou arquivo de log) que 
contenha possíveis saídas de dados, gerando assim um aprendizado direcionado aos objetivos esperados. 
B) de apresentar uma gama de dados classificados sobre os quais já se conhece a saída correta - que precisa ser 
necessariamente semelhante ao conjunto apresentado, criando um elo entre entrada e saída. 
C) de analisar os logs gerados pelo algoritmo de aprendizado de máquina, possibilitando assim gerar memórias artificiais 
de maior consistência e próximas do objeto final esperado. 
D) de manter, mesmo que a intervalos controlados, uma equipe de apoio para monitorar os dados que trafegam pelo 
algoritmo, direcionando a linha do aprendizado de máquina de um sistema. 
E) de analisar e elencar os dados que trafegarão pelo algoritmo de aprendizado de máquina, ditando as diretrizes que 
formarão as memórias artificiais do sistema. 
 
Questão 2) - 0,83 ponto(s) 
Nos últimos anos, a expansão da internet e a facilidade de acesso a dispositivos móveis ocasionaram maior troca de 
informações, através de e-mails, redes sociais, entre outros, o que provocou um considerável aumento na produção de 
dados. Com isso, o particionamento de dados passou a ser utilizado como uma forma de auxílio para o gerenciamento dos 
dados armazenados nos servidores, de forma que o particionamento de dados é a forma de fragmentar ou particionar os 
dados em diferentes meios físicos. Ressalta-se que, para as empresas, apesar dos dados serem de grande importância, é 
importante que os mesmos sejam analisados, de forma a gerar informações que possam ser empregadas em estratégias e 
projetos, transformando, portanto, dados em informações significativas. 
BRANDÃO, Daniel dos Santos. Framework Big Data. Porto Alegre: SAGAH, 2020 (adaptado). 
Diante disso, considere a situação apresentada a seguir. 
Ludy é uma empresária e está migrando suas tecnologias tradicionais para o Big Data. O fator que motivou Ludy a optar 
por essa tecnologia foi o conceito dos Vs, no qual o termo Big Data foi baseado. 
Assim, considerando o que levou Ludy a utilizar o Big Data, julgue os itens a seguir. 
I. No conceito de volume, Ludy se motivou porque o volume é simplesmente a quantia de dados incluída nas informações 
que estão sendo analisadas. 
II. Quanto à velocidade, Ludy foi motivada porque esta se refere à capacidade de obter as informações (ou dados) de 
maneira rápida para que seja realizada a análise. 
III. No que se refere ao conceito de variedade, Ludy se motivou porque a variedade é a quantidade de fontes diferentes das 
quais as informações (ou dados) podem ser originadas (redes sociais, aplicativos, sistemas sensoriais e outras). 
É correto o que se afirma em 
 
A) II, apenas. 
B) I, apenas. 
C) I, II e III. 
D) I e III, apenas. 
E) II e III, apenas. 
 
Questão 3) - 0,83 ponto(s) 
O aprendizado de máquina é uma área da tecnologia da informação que tem sido amplamente desenvolvida nos últimos 
anos. Ela é responsável pela criação de algoritmos que aprendem através da experiência e, para isso, o algoritmo deve 
reconhecer padrões. Ele é utilizado por conseguir resolver problemas complexos e com quantidade elevada de dados. Dessa 
forma, a máquina passa a realizar testes e buscar soluções para os problemas apresentados, tentando se aproximar cada 
vez mais da solução esperada, de forma autônoma. Para que isso seja possível, conceitos de diversas outras áreas são 
utilizados, como, por exemplo, a estatística, a biologia, entre outras. 
LENZ, Maikon Lucian. Fundamentos de Aprendizagem de Máquina. Porto Alegre: SAGAH, 2020. 
Diante disso, considere a situação apresentada a seguir. 
Hélio é um profissional conceituado de Sistemas de Informação e de aprendizagem de máquina. Ele está criando um 
algoritmo baseado em aprendizado de máquina, visando detectar e filtrar mensagens de e-mail tipo spam, orientadas para 
a classificação de dados. 
Considerando o processo de realização deste algoritmo, avalie as asserções a seguir e a relação proposta entre elas. 
I. Na implementação do algoritmo, Hélio constatou que a rotulação de e-mail, como sendo do tipo spam, é uma dificuldade 
do ramo de inteligência artificial, especialmente, da área de aprendizado de máquina. 
PORQUE 
II. Hélio percebeu que não existe uma norma própria para determinar qual mensagem de e-mail pode ser rotulada como 
spam ou qual e-mail não pode ser considerado mensagem spam. 
A respeito dessas asserções, assinale a opção correta. 
A) As asserções I e II são proposições verdadeiras, e a II é uma justificativa da I. 
B) As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa da I. 
C) A asserção I é uma proposição falsa, e a II é uma proposição verdadeira. 
D) As asserções I e II são proposições falsas. 
E) A asserção I é uma proposição verdadeira, e a II é uma proposição falsa. 
 
Questão 4) - 0,83 ponto(s) 
Várias metodologias estão sendo utilizadas pelas empresas para a coleta de dados. Porém, quando se fala em Big Data, 
assume-se que, além de um grande volume de dados, devido às grandes proporções, eles não podem ser tratados com 
métodos tradicionais. Para isso, devem ser executados alguns passos, tais como obtenção, armazenamento, sistematização 
e análise dos dados. O termo Big Data é, muitas vezes, caracterizado por vertentes que, inclusive, são conhecidas como os 
Vs, responsáveis por contemplar de forma coerente os conceitos sobre essa tecnologia. 
Neste contexto, podem ser citados como vertentes do Big Data 
I. valor, volume e visão. 
II. valor, volume e velocidade. 
III. visão, variedade e veracidade. 
IV. volume, variedade e veracidade. 
V. volume, variedade e velocidade. 
É correto o que se afirma em 
A) II e III, apenas. 
B) I, III, IV e V, apenas. 
C) II, IV e V, apenas. 
D) I e II, apenas. 
E) I, II, III, IV e V. 
 
Questão 5) - 0,83 ponto(s) 
Quando o assunto é computação de alto desempenho, não é difícil pensarmos em servidores sofisticados e caros 
respondendo por este trabalho. No entanto, é possível obter resultados tão bons quanto ou superiores a partir de alguma 
solução de cluster - uma tecnologia capaz de fazer computadores mais simples trabalharem em conjunto, como se 
formassem uma máquina só. Cluster (ou clustering) é, em poucas palavras, o nome dado a um sistema que relaciona dois 
ou mais computadores para que estes trabalhem de maneira conjunta no intuito de processar uma tarefa. Estas máquinas 
dividem entre si as atividades de processamento e executam este trabalho de maneira simultânea. 
Disponível em: <https://www.infowester.com/cluster.php>. Acesso em: 14 de abr. de 2019. 
Em relação aos clusters, avalie as asserções a seguir e a relação proposta entre elas. 
I. Em um ambiente corporativo, uma estrutura de clusters de alta disponibilidade pode exigir várias máquinas, chamadas 
de nós, que trabalham em conjunto em prol de uma melhor performance. 
PORQUE 
II. Quando se mantém uma estrutura clusterizada, o desempenho médio de cada equipamento tende a diminuir, 
considerando que haverá compensação de memória e processamento entre as máquinas mais potentes para com as 
máquinas menos potentes. 
A respeito dessas asserções, assinale a opção correta. 
A) A asserção I é uma proposição verdadeira, e a II é uma proposição falsa. 
B) Asasserções I e II são proposições verdadeiras, mas a II não é uma justificativa da I. 
C) A asserção I é uma proposição falsa, e a II é uma proposição verdadeira. 
D) As asserções I e II são proposições verdadeiras, e a II é uma justificativa da I. 
E) As asserções I e II são proposições falsas. 
 
Questão 6) - 0,83 ponto(s) 
O principal benefício do BI (Business Intelligence) para uma empresa é sua capacidade de fornecer informações precisas, 
quando necessário (gestão desse conhecimento), incluindo uma visão em tempo real do desempenho corporativo geral e 
de suas partes individuais. Tais informações são uma necessidade para todos os tipos de decisão, para o planejamento 
estratégico e mesmo para a sobrevivência. 
Acerca do(s) benefício(s) do BI, julgue os itens a seguir em V (verdadeiro) ou F (falso): 
( ) economia de escala; 
( ) economia de tempo; 
( ) melhores decisões táticas; 
( ) melhores estratégias e planos; 
( ) geração de relatórios mais rápida e precisa. 
A ordem correta de preenchimento dos parênteses, de cima para baixo, é: 
A) F - V - V - V - V. 
B) V - V - V - V - F. 
C) V - F - V - V - V. 
D) F - V - V - V - F. 
E) F - F - F - F - V. 
 
Questão 7) - 0,83 ponto(s) 
Observe a imagem a seguir, que apresenta o escopo do Aprendizado Supervisionado. 
 
Fonte: Adaptado de Palma, 2017 
Disponível em: https://bit.ly/2Jggcsx 
 Com base na imagem e nas características de Aprendizado Supervisionado de Máquina, avalie os itens a seguir: 
I. Um indutor é um caso, um dado ou registro. 
II. Um exemplo é um programa de aprendizado ou algoritmo de indução, que tem como objetivo extrair um bom 
classificador. 
III. Uma classe ou Atributo-Meta é um tipo de atributo em que se pretende realizar previsões. 
IV. Um atributo descreve uma característica de um exemplo. 
É CORRETO o que se afirma em 
A) I e II, apenas. 
B) I, II e IV, apenas. 
C) III e IV, apenas. 
D) II, III e IV, apenas. 
E) II e III, apenas. 
 
Questão 8) - 0,83 ponto(s) 
As organizações são permeadas por decisões e informações. Com o aumento da competitividade, tomar as decisões mais 
acertadas passou a ser fundamental para o futuro das organizações. Com a tarefa de fornecer informações para decisões, 
os sistemas de Business Intelligence ganham cada dia mais espaço no portfólio de sistemas das empresas. 
BOTELHO, Fernando Rigo; RAZZOLINI FILHO, Edelvino. Conceituando o termo business intelligence: origem e principais 
objetivos. Revista Hispano-Americana de Sistemas, Cibernética e Informática (RISCI), v. 11, n. 1, 2014. 
Considerando as principais características da ferramenta de apoio à decisão, Business Intelligence, avalie as afirmações a 
seguir. 
I. Analisar grandes volumes de dados e democratizar o acesso a seu banco de dados. 
II. Grande facilidade na aplicação de filtros e fornecer informações estratégicas para tomada de decisão. 
III. Disponibilizar, em tempo real, relatórios customizados e monitoramento de métricas gerenciais. 
IV. Organização diária da informação através do contato com o cliente e foco na localização dos membros do mercado-alvo 
e as características distintas de cada local. 
É correto apenas o que se afirma em 
 
A) I, II e IV. 
B) I, III e IV. 
C) II, III e IV. 
D) I, II e III. 
E) I e II. 
 
Questão 9) - 0,83 ponto(s) 
Um cluster é formado por um conjunto de computadores e tem por objetivo fazer com que eles atuem conjuntamente no 
processamento de dados para tarefas que necessitam de uma grande carga de trabalho. Existem diferentes tipos de 
clusters, com funções específicas. O cluster que é utilizado em soluções críticas, que praticamente não param de funcionar 
e que exigem disponibilidade de, pelo menos, 99,999% do tempo a cada ano, é chamado de cluster de 
A) alto desempenho. 
B) alta disponibilidade. 
C) balanceamento de carga. 
D) alta distribuição. 
E) alta dependência. 
 
Questão 10) - 0,83 ponto(s) 
O modelo de Árvore de Decisão é um exemplo que pode ser aplicado em aprendizado indutivo. Para isso, utiliza-se um 
conjunto prévio de dados classificados para treinamento e um outro conjunto para testar sua classificação. Em cada nó 
interno da árvore, há um teste sobre determinado atributo e, nas folhas, há as classes. 
Considerando os paradigmas existentes de aprendizado, a Árvore de Decisão é um modelo que é classificado como 
A) baseado em exemplos. 
B) evolutivo. 
C) estatístico. 
D) conexionista. 
E) Simbólico 
 
Questão 11) - 0,83 ponto(s) 
O aprendizado de máquina é classificado em quatro tipos, sendo eles o aprendizado supervisionado, o não supervisionado, 
o semissupervisionado e o aprendizado por reforço, sendo este classificado de acordo com a forma como o sistema 
compreende se o modelo que está utilizando é mais ou menos adequado aos dados apresentados. Para que uma máquina 
consiga resolver questões complexas, por meio do aprendizado acumulado, é necessário que seja realizado seu 
treinamento, a fim de que ela atinja um desempenho satisfatório. Entretanto, outras fases também são importantes, como 
a fase de seleção e preparação de dados, a fim de adequá-lo ao modelo que será utilizado, além das fases de validação e 
ajuste. 
LENZ, Maikon Lucian. Fundamentos de aprendizagem de máquina. Porto Alegre: Sagah, 2020 (adaptado). 
Diante disso, considere a situação apresentada a seguir. 
Lidiane formou em Sistemas de Informação e fez uma especialização em Aprendizagem de Máquina. Ela está iniciando o 
desenvolvimento de algoritmos no segmento de aprendizados de máquina, porém ainda está em dúvida se ela inicia 
desenvolvimento em aprendizado supervisionado, não supervisionado ou por reforço. 
Acerca dos tipos de aprendizados de máquina disponíveis para escolha de Lidiane, julgue os itens a seguir. 
I. Lidiane poderá escolher os algoritmos baseados no aprendizado não supervisionado; nele a máquina tem a capacidade 
de aperfeiçoar o seu desempenho, porém ela depende que os valores de saída sejam informados. 
II. Lidiane poderá optar pelos algoritmos baseados no aprendizado supervisionado; nele a máquina deve aprender sobre a 
organização específica dos dados, reconhecendo similaridades ou dissimilaridades entre eles, permitindo realizar a 
separação entre as instâncias em conjuntos diferentes. 
III. Lidiane pode escolher desenvolver os algoritmos baseados no aprendizado por reforço, que, como o próprio nome do 
aprendizado propõe, tem o objetivo de reforçar ou aliviar os parâmetros do modelo por meio dos resultados que foram 
alcançados, de acordo com as recompensas ou punições que foram obtidas pelo agente, baseadas nas decisões tomadas 
por ele. 
É correto o que se afirma em 
A) I, apenas. 
B) I e II, apenas. 
C) III, apenas. 
D) II e III, apenas. 
E) I, II e III. 
 
Questão 12) - 0,83 ponto(s) 
No atual cenário, os grandes conjuntos de dados (big data) gerados pelas pessoas e empresas diariamente possuem um 
potencial de melhorias em diversos segmentos de negócios. Porém, a evolução das técnicas de análise é o gargalo que 
impede tomadas de decisões mais eficazes para os negócios. O processo de descoberta do conhecimento é uma abordagem 
que sistematiza em etapas a realização dessas análises. Uma das etapas da descoberta do conhecimento é a mineração de 
dados. Nessa etapa, é realizada a busca por padrões nos dados da base já transformada. A mineração de dados é 
considerada o núcleo do processo de KDD. 
Considerando as informações do texto acima, podemos afirmar que, na etapa de mineração de dados, podem ser utilizadas 
técnicas como 
(I) os algoritmos genéticos, que são técnicas de otimização baseadas em combinação genética e seleção natural. 
(II) a indução de regras, que consiste na extração baseada em regras preestabelecidas seguindo padrões específicos. 
(III) as redes neurais artificiais, que consistem em modelos preditivos não lineares que aprendem por meio do treinamento. 
(IV) a visualização de dados, que a partir de ferramentas que utilizamgráficos, torna possível a interpretação visual de 
relações complexas. 
(V) o método do vizinho mais próximo, que é a técnica que classifica cada registro em um conjunto de dados, combinando 
os registros mais semelhantes. 
É correto o que se afirma em 
 
A) II e III, apenas. 
B) I, II, III, IV e V. 
C) I, II, III e V, apenas. 
D) I e II, apenas. 
E) I, III, IV e V, apenas.