INFORMATICA para concurso

Prévia do material em texto

Bloco 3: 50 Questões - Informática para Perito Área 1 (Estilo Cebraspe)
8. Noções de Programação: Linguagem Python, Low-Code/No-Code
101.(C) (E) Python é uma linguagem de programação de alto nível, interpretada, de propósito 
geral e amplamente utilizada em diversas áreas, incluindo desenvolvimento web, ciência de 
dados e inteligência artificial. 
102.(C) (E) Em Python, a indentação do código (espaços ou tabulações no início da linha) é 
puramente estética e não afeta a estrutura lógica do programa. 
103.(C) (E) O conceito de Low-Code refere-se a plataformas de desenvolvimento que 
permitem a criação de aplicações com pouca ou nenhuma codificação manual, utilizando 
interfaces visuais e componentes pré-construídos. 
104.(C) (E) As plataformas No-Code exigem que o usuário tenha um conhecimento 
aprofundado em linguagens de programação como Python ou Java para criar aplicações. 
105.(C) (E) Uma das vantagens do Low-Code/No-Code é a aceleração do desenvolvimento de 
aplicações e a democratização da criação de softwares para usuários sem formação técnica 
em programação. 
106.(C) (E) O Low-Code/No-Code é ideal para o desenvolvimento de aplicações complexas e 
de missão crítica que exigem alta personalização e controle granular sobre o código-fonte. 
107.(C) (E) Em Python, uma variável declarada dentro de uma função tem escopo global, 
podendo ser acessada e modificada de qualquer parte do programa. 
108.(C) (E) Em Python, a função print() é utilizada para exibir mensagens ou valores na 
tela do console. 
109.(C) (E) O paradigma de programação orientada a objetos é uma das principais 
características do Python, permitindo a criação de classes e objetos. 
110.(C) (E) Em Python, a sintaxe for i in range(5): criará um loop que executará o 
bloco de código 5 vezes, com i assumindo valores de 1 a 5. 
9. Metadados de Arquivos
111.(C) (E) Metadados de arquivos são dados que descrevem outros dados, fornecendo 
informações sobre o conteúdo, a origem, a data de criação, o autor e as permissões de um 
arquivo digital. 
112.(C) (E) A remoção de metadados de um arquivo não é relevante para a segurança da 
informação, pois esses dados são sempre inofensivos e não contêm informações sensíveis. 
113.(C) (E) Metadados podem ser encontrados em diversos tipos de arquivos, como imagens 
(EXIF), documentos (Microsoft Office, PDF) e arquivos de áudio/vídeo. 
114.(C) (E) Os metadados de uma imagem digital podem incluir informações sobre o modelo 
da câmera, a data e hora da captura, a localização GPS e as configurações da exposição. 
115.(C) (E) A análise de metadados é uma técnica forense digital importante para investigar a 
proveniência e a manipulação de arquivos em investigações. 
116.(C) (E) Ao compartilhar um documento digital, é crucial revisar e, se necessário, remover 
metadados que possam expor informações confidenciais ou pessoalmente identificáveis. 
117.(C) (E) O sistema operacional Windows armazena metadados básicos de arquivos, como 
nome, tamanho e data de modificação, mas não permite a visualização de metadados mais 
detalhados, como o autor de um documento. 
118.(C) (E) Ferramentas específicas são necessárias para visualizar e editar metadados de 
arquivos, pois essas informações não são acessíveis por meio das propriedades padrão do 
arquivo no sistema operacional. 
119.(C) (E) A alteração manual da data de modificação de um arquivo por um usuário mal-
intencionado é uma técnica que pode ser utilizada para adulterar metadados e dificultar a 
rastreabilidade. 
120.(C) (E) Metadados são sempre visíveis para o usuário final que abre o arquivo, não sendo 
possível que eles permaneçam ocultos ou sejam acessados apenas por ferramentas 
específicas. 
10. Noções de Aprendizado de Máquina, Mineração de Dados, Big Data e IA Generativa
121.(C) (E) Aprendizado de Máquina (Machine Learning) é um subcampo da Inteligência 
Artificial que permite aos sistemas aprenderem com dados, identificar padrões e tomar 
decisões com intervenção humana mínima. 
122.(C) (E) No aprendizado de máquina supervisionado, o modelo é treinado com um conjunto 
de dados que contém tanto as entradas quanto as saídas desejadas (rótulos), permitindo que 
ele aprenda a mapear entradas para saídas. 
123.(C) (E) A Mineração de Dados (Data Mining) é o processo de descobrir padrões, 
tendências e informações úteis em grandes conjuntos de dados, utilizando técnicas de 
estatística e inteligência artificial. 
124.(C) (E) A mineração de dados é utilizada exclusivamente para fins de marketing e 
publicidade, não tendo aplicabilidade em áreas como detecção de fraudes ou análise de 
saúde. 
125.(C) (E) Big Data refere-se a conjuntos de dados tão grandes e complexos que os métodos 
tradicionais de processamento de dados não conseguem lidar de forma eficiente. 
126.(C) (E) As características de Big Data são comumente descritas pelos "3 Vs": Volume, 
Velocidade e Variedade. 
127.(C) (E) A Velocidade em Big Data diz respeito à rapidez com que os dados são gerados, 
coletados e processados, em tempo real ou quase real. 
128.(C) (E) A Variedade em Big Data refere-se apenas aos dados estruturados provenientes de 
bancos de dados relacionais, excluindo dados não estruturados ou semiestruturados. 
129.(C) (E) A principal premissa do Big Data é que a análise de grandes volumes de dados 
pode revelar insights e padrões que seriam invisíveis em conjuntos de dados menores. 
130.(C) (E) IA Generativa é um tipo de Inteligência Artificial capaz de criar novos conteúdos, 
como texto, imagens, áudio e vídeo, a partir de dados de treinamento. 
131.(C) (E) Modelos de IA Generativa, como o ChatGPT ou DALL-E, são treinados para 
apenas replicar informações existentes, sem capacidade de criar conteúdo original. 
132.(C) (E) A IA Generativa se baseia em redes neurais complexas, como os modelos de 
transformadores, para entender padrões e gerar novas saídas coerentes e criativas. 
133.(C) (E) Uma das aplicações da IA Generativa é a criação de protótipos de design, roteiros 
para filmes e músicas, acelerando processos criativos. 
134.(C) (E) A mineração de dados foca na extração de conhecimento de bases de dados, 
enquanto o aprendizado de máquina se dedica à construção de modelos que aprendem a 
partir de dados. 
135.(C) (E) A capacidade de um modelo de aprendizado de máquina de se adaptar a novos 
dados sem ser explicitamente programado é uma das suas principais características. 
136.(C) (E) O conceito de "overfitting" em aprendizado de máquina ocorre quando o modelo 
aprende demais os dados de treinamento, incluindo ruídos, e perde a capacidade de 
generalizar para novos dados. 
137.(C) (E) Em Big Data, o termo "data lake" refere-se a um repositório centralizado que 
armazena dados brutos em seu formato nativo, sem a necessidade de um esquema 
predefinido. 
138.(C) (E) A aplicação de Big Data no setor de segurança pública pode incluir a análise de 
padrões de criminalidade e a previsão de áreas de risco. 
139.(C) (E) Modelos de IA Generativa necessitam de um volume considerável de dados de 
treinamento para gerar resultados de alta qualidade e relevância. 
140.(C) (E) A ética e os vieses nos dados de treinamento são preocupações relevantes na IA 
Generativa, pois podem ser replicados ou amplificados nas saídas geradas. 
Gabarito Comentado - Bloco 3
8. Noções de Programação: Linguagem Python, Low-Code/No-Code
101.(C) (E) Python é uma linguagem de programação de alto nível, interpretada, de propósito 
geral e amplamente utilizada em diversas áreas, incluindo desenvolvimento web, ciência de 
dados e inteligência artificial. 
• Resposta: Certo 
• Comentário: Python é conhecida por sua sintaxe legível e versatilidade, sendo uma das 
linguagens mais populares e com vasta aplicação. 
102.(C) (E) Em Python, a indentação do código (espaços ou tabulações no início da linha) é 
puramente estética e não afeta a estrutura lógica do programa. 
• Resposta: Errado 
• Comentário: Em Python, a indentação é crucial para definir blocos de código(como 
dentro de funções, loops e condicionais). Um erro de indentação resulta em erro de sintaxe. 
Essa é uma característica fundamental do Python e uma pegadinha comum. 
110.(C) (E) O conceito de Low-Code refere-se a plataformas de desenvolvimento que 
permitem a criação de aplicações com pouca ou nenhuma codificação manual, utilizando 
interfaces visuais e componentes pré-construídos. 
• Resposta: Certo 
• Comentário: Low-Code visa acelerar o desenvolvimento permitindo que desenvolvedores 
experientes e mesmo "desenvolvedores cidadãos" construam aplicações mais rapidamente 
com menos código. 
104.(C) (E) As plataformas No-Code exigem que o usuário tenha um conhecimento 
aprofundado em linguagens de programação como Python ou Java para criar aplicações. 
• Resposta: Errado 
• Comentário: Plataformas No-Code são projetadas para permitir que usuários sem 
conhecimento de programação criem aplicações, utilizando interfaces totalmente visuais 
de arrastar e soltar. A afirmação inverte a premissa do No-Code. 
105.(C) (E) Uma das vantagens do Low-Code/No-Code é a aceleração do desenvolvimento de 
aplicações e a democratização da criação de softwares para usuários sem formação técnica 
em programação. 
• Resposta: Certo 
• Comentário: Essa é a principal proposta de valor dessas abordagens: agilizar a entrega de 
soluções e permitir que mais pessoas participem do processo de desenvolvimento. 
106.(C) (E) O Low-Code/No-Code é ideal para o desenvolvimento de aplicações complexas e 
de missão crítica que exigem alta personalização e controle granular sobre o código-fonte. 
• Resposta: Errado 
• Comentário: Embora úteis para muitas aplicações, Low-Code/No-Code podem ter 
limitações em termos de personalização extrema e integração com sistemas legados muito 
específicos. Para aplicações de alta complexidade e missão crítica, o desenvolvimento 
tradicional com controle granular sobre o código-fonte ainda é frequentemente preferível. 
107.(C) (E) Em Python, uma variável declarada dentro de uma função tem escopo global, 
podendo ser acessada e modificada de qualquer parte do programa. 
• Resposta: Errado 
• Comentário: Variáveis declaradas dentro de uma função em Python têm escopo local por 
padrão. Elas só são acessíveis dentro daquela função. Para ter escopo global, precisariam ser
declaradas explicitamente com a palavra-chave global (o que é desencorajado para boas 
práticas). 
108.(C) (E) Em Python, a função print() é utilizada para exibir mensagens ou valores na 
tela do console. 
• Resposta: Certo 
• Comentário: A função print() é uma das funções básicas mais usadas em Python para 
saída de dados. 
109.(C) (E) O paradigma de programação orientada a objetos é uma das principais 
características do Python, permitindo a criação de classes e objetos. 
• Resposta: Certo 
• Comentário: Python é uma linguagem multiparadigma, e a Programação Orientada a 
Objetos (POO) é um dos paradigmas que ela suporta fortemente. 
110.(C) (E) Em Python, a sintaxe for i in range(5): criará um loop que executará o 
bloco de código 5 vezes, com i assumindo valores de 1 a 5. 
• Resposta: Errado 
• Comentário: A função range(5) gera uma sequência de números de 0 a 4. Portanto, o 
loop executará 5 vezes, mas os valores de i serão 0, 1, 2, 3, 4, e não de 1 a 5. 
9. Metadados de Arquivos
111.(C) (E) Metadados de arquivos são dados que descrevem outros dados, fornecendo 
informações sobre o conteúdo, a origem, a data de criação, o autor e as permissões de um 
arquivo digital. 
• Resposta: Certo 
• Comentário: Essa é a definição precisa de metadados, que são informações sobre o arquivo 
em si, e não o conteúdo do arquivo. 
112.(C) (E) A remoção de metadados de um arquivo não é relevante para a segurança da 
informação, pois esses dados são sempre inofensivos e não contêm informações sensíveis. 
• Resposta: Errado 
• Comentário: Metadados podem conter informações sensíveis, como dados de 
geolocalização em fotos, nomes de autores e empresas em documentos, ou até mesmo dados
de revisão que foram "escondidos". Remover metadados é extremamente relevante para a 
privacidade e segurança da informação. 
113.(C) (E) Metadados podem ser encontrados em diversos tipos de arquivos, como imagens 
(EXIF), documentos (Microsoft Office, PDF) e arquivos de áudio/vídeo. 
• Resposta: Certo 
• Comentário: Metadados são ubíquos e presentes em quase todos os formatos de arquivo 
digitais, cada um com seus padrões específicos (ex: EXIF para imagens, ID3 para MP3). 
114.(C) (E) Os metadados de uma imagem digital podem incluir informações sobre o modelo 
da câmera, a data e hora da captura, a localização GPS e as configurações da exposição. 
• Resposta: Certo 
• Comentário: As informações EXIF (Exchangeable Image File Format) em imagens digitais 
são um excelente exemplo de metadados ricos e potencialmente sensíveis. 
115.(C) (E) A análise de metadados é uma técnica forense digital importante para investigar a 
proveniência e a manipulação de arquivos em investigações. 
• Resposta: Certo 
• Comentário: Em perícias, metadados são cruciais para estabelecer cronologias, identificar 
criadores/modificadores e verificar a autenticidade de documentos e mídias. 
116.(C) (E) Ao compartilhar um documento digital, é crucial revisar e, se necessário, remover 
metadados que possam expor informações confidenciais ou pessoalmente identificáveis. 
• Resposta: Certo 
• Comentário: A remoção de metadados antes do compartilhamento público é uma prática de 
segurança e privacidade recomendada para evitar vazamento de informações. 
117.(C) (E) O sistema operacional Windows armazena metadados básicos de arquivos, como 
nome, tamanho e data de modificação, mas não permite a visualização de metadados mais 
detalhados, como o autor de um documento. 
• Resposta: Errado 
• Comentário: O Windows, através das propriedades de um arquivo (clicando com o botão 
direito e selecionando "Propriedades", e depois na aba "Detalhes"), permite sim visualizar 
metadados mais detalhados, incluindo autor, última edição, entre outros, dependendo do tipo
de arquivo. 
118.(C) (E) Ferramentas específicas são necessárias para visualizar e editar metadados de 
arquivos, pois essas informações não são acessíveis por meio das propriedades padrão do 
arquivo no sistema operacional. 
• Resposta: Errado 
• Comentário: Embora ferramentas específicas ofereçam maior granularidade e automação, 
muitos metadados básicos e alguns detalhes já podem ser visualizados e até editados (em 
certos formatos) diretamente pelas propriedades do arquivo no sistema operacional (como 
visto na questão 117) ou por softwares como o próprio Microsoft Office. 
119.(C) (E) A alteração manual da data de modificação de um arquivo por um usuário mal-
intencionado é uma técnica que pode ser utilizada para adulterar metadados e dificultar a 
rastreabilidade. 
• Resposta: Certo 
• Comentário: Manipular as datas de criação, modificação e acesso de arquivos é uma 
técnica comum para tentar encobrir rastros ou alterar a linha do tempo de eventos em 
investigações. 
120.(C) (E) Metadados são sempre visíveis para o usuário final que abre o arquivo, não sendo 
possível que eles permaneçam ocultos ou sejam acessados apenas por ferramentas 
específicas. 
• Resposta: Errado 
• Comentário: Metadados podem ser ocultos ou incorporados de forma que não são 
imediatamente visíveis ao abrir um arquivo normalmente, exigindo ferramentas 
especializadas ou a inspeção das propriedades do arquivo para serem acessados. 
10. Noções de Aprendizado de Máquina, Mineração de Dados, Big Data e IA Generativa
121.(C) (E) Aprendizado de Máquina (Machine Learning) é um subcampo da Inteligência 
Artificial que permite aos sistemas aprenderem com dados, identificar padrões e tomar 
decisões com intervenção humana mínima. 
• Resposta: Certo 
• Comentário: Essa é a definição central de Machine Learning, onde o foco está em capacitar
sistemas a aprenderem e melhorarem o desempenho em tarefas sem serem explicitamenteprogramados para cada cenário. 
122.(C) (E) No aprendizado de máquina supervisionado, o modelo é treinado com um conjunto 
de dados que contém tanto as entradas quanto as saídas desejadas (rótulos), permitindo que 
ele aprenda a mapear entradas para saídas. 
• Resposta: Certo 
• Comentário: O aprendizado supervisionado é caracterizado pelo uso de dados "rotulados" 
(com as respostas corretas), o que permite ao modelo aprender a generalizar. 
123.(C) (E) A Mineração de Dados (Data Mining) é o processo de descobrir padrões, 
tendências e informações úteis em grandes conjuntos de dados, utilizando técnicas de 
estatística e inteligência artificial. 
• Resposta: Certo 
• Comentário: Mineração de Dados é o processo de extrair conhecimento de grandes 
volumes de dados, muitas vezes usando algoritmos de aprendizado de máquina. 
124.(C) (E) A mineração de dados é utilizada exclusivamente para fins de marketing e 
publicidade, não tendo aplicabilidade em áreas como detecção de fraudes ou análise de 
saúde. 
• Resposta: Errado 
• Comentário: A mineração de dados tem uma vasta aplicabilidade em diversas áreas, 
incluindo finanças (detecção de fraudes), medicina (diagnóstico de doenças), segurança, 
ciência e muito mais. A afirmação de uso "exclusivo" torna a assertiva falsa. 
125.(C) (E) Big Data refere-se a conjuntos de dados tão grandes e complexos que os métodos 
tradicionais de processamento de dados não conseguem lidar de forma eficiente. 
• Resposta: Certo 
• Comentário: Big Data é sobre o desafio e a oportunidade de trabalhar com dados em uma 
escala e complexidade que superam as capacidades de ferramentas convencionais. 
126.(C) (E) As características de Big Data são comumente descritas pelos "3 Vs": Volume, 
Velocidade e Variedade. 
• Resposta: Certo 
• Comentário: Os 3 Vs são o modelo mais aceito para definir o Big Data, embora outros Vs 
(Veracidade, Valor) também sejam frequentemente citados. 
127.(C) (E) A Velocidade em Big Data diz respeito à rapidez com que os dados são gerados, 
coletados e processados, em tempo real ou quase real. 
• Resposta: Certo 
• Comentário: A velocidade é crucial, especialmente em aplicações como detecção de fraudes
ou análise de tráfego, onde decisões precisam ser tomadas rapidamente. 
128.(C) (E) A Variedade em Big Data refere-se apenas aos dados estruturados provenientes de 
bancos de dados relacionais, excluindo dados não estruturados ou semiestruturados. 
• Resposta: Errado 
• Comentário: A Variedade é justamente a característica que engloba dados de diferentes 
formatos e fontes, incluindo texto, áudio, vídeo, dados de redes sociais (dados não 
estruturados e semiestruturados), e não apenas dados estruturados de bancos relacionais. 
129.(C) (E) A principal premissa do Big Data é que a análise de grandes volumes de dados 
pode revelar insights e padrões que seriam invisíveis em conjuntos de dados menores. 
• Resposta: Certo 
• Comentário: O valor do Big Data reside na capacidade de extrair inteligência e correlações 
de conjuntos de dados massivos que não seriam detectáveis com abordagens tradicionais. 
130.(C) (E) IA Generativa é um tipo de Inteligência Artificial capaz de criar novos conteúdos, 
como texto, imagens, áudio e vídeo, a partir de dados de treinamento. 
• Resposta: Certo 
• Comentário: Essa é a essência da IA Generativa: a capacidade de produzir conteúdo 
original que se assemelha aos dados com os quais foi treinada. 
131.(C) (E) Modelos de IA Generativa, como o ChatGPT ou DALL-E, são treinados para 
apenas replicar informações existentes, sem capacidade de criar conteúdo original. 
• Resposta: Errado 
• Comentário: O objetivo e a principal característica da IA Generativa é justamente a criação
de conteúdo original e novo, e não apenas a replicação. Eles são treinados para entender 
padrões e estruturas para gerar novas instâncias. 
132.(C) (E) A IA Generativa se baseia em redes neurais complexas, como os modelos de 
transformadores, para entender padrões e gerar novas saídas coerentes e criativas. 
• Resposta: Certo 
• Comentário: Modelos de transformadores (como os usados em GPT e DALL-E) são a 
arquitetura dominante por trás da IA Generativa, permitindo que ela processe e gere 
sequências complexas. 
133.(C) (E) Uma das aplicações da IA Generativa é a criação de protótipos de design, roteiros 
para filmes e músicas, acelerando processos criativos. 
• Resposta: Certo 
• Comentário: A IA Generativa tem grande potencial para auxiliar e acelerar processos 
criativos em diversas indústrias. 
134.(C) (E) A mineração de dados foca na extração de conhecimento de bases de dados, 
enquanto o aprendizado de máquina se dedica à construção de modelos que aprendem a 
partir de dados. 
• Resposta: Certo 
• Comentário: Embora relacionados e frequentemente usados em conjunto, a mineração de 
dados é mais focada na "descoberta" de informações, enquanto o aprendizado de máquina é 
sobre a "capacidade de aprender" e prever/classificar. 
135.(C) (E) A capacidade de um modelo de aprendizado de máquina de se adaptar a novos 
dados sem ser explicitamente programado é uma das suas principais características. 
• Resposta: Certo 
• Comentário: A adaptabilidade e a capacidade de aprender com novas informações são o 
cerne do aprendizado de máquina. 
136.(C) (E) O conceito de "overfitting" em aprendizado de máquina ocorre quando o modelo 
aprende demais os dados de treinamento, incluindo ruídos, e perde a capacidade de 
generalizar para novos dados. 
• Resposta: Certo 
• Comentário: Overfitting é um problema comum em ML onde o modelo se torna tão bom 
nos dados de treinamento que falha em performar bem em dados não vistos, o que é um 
indicador de um modelo fraco. 
137.(C) (E) Em Big Data, o termo "data lake" refere-se a um repositório centralizado que 
armazena dados brutos em seu formato nativo, sem a necessidade de um esquema 
predefinido. 
• Resposta: Certo 
• Comentário: Data lakes são flexíveis e permitem armazenar todos os tipos de dados sem a 
necessidade de uma estrutura pré-definida, contrastando com os data warehouses que 
exigem dados estruturados. 
138.(C) (E) A aplicação de Big Data no setor de segurança pública pode incluir a análise de 
padrões de criminalidade e a previsão de áreas de risco. 
• Resposta: Certo 
• Comentário: A análise de grandes volumes de dados pode fornecer insights valiosos para 
otimizar a segurança pública, identificando tendências e auxiliando na tomada de decisões 
estratégicas. 
139.(C) (E) Modelos de IA Generativa necessitam de um volume considerável de dados de 
treinamento para gerar resultados de alta qualidade e relevância. 
• Resposta: Certo 
• Comentário: A qualidade e a diversidade dos dados de treinamento são cruciais para o 
desempenho e a capacidade de generalização dos modelos de IA Generativa. 
140.(C) (E) A ética e os vieses nos dados de treinamento são preocupações relevantes na IA 
Generativa, pois podem ser replicados ou amplificados nas saídas geradas. 
• Resposta: Certo 
• Comentário: Vieses presentes nos dados de treinamento podem levar a modelos de IA 
Generativa que produzem resultados tendenciosos ou discriminatórios, tornando a ética e o 
gerenciamento de vieses uma área crítica de pesquisa e desenvolvimento.