Questões de Programação - Linguagens de programação para Concurso

Considere o seguinte código de um componente funcional do React Native:

function printTheme(props) {  const theme = useState(props?.index?0:1);
 try { console.log(theme); }  catch (e) { console.log(e); }
 return <Text>{theme}</Text>; }

Considere feitas as importações necessárias.

Ao ser utilizado em uma aplicação React Native, o componente acima apresentará:

A analista Glenda precisa adicionar uma biblioteca de código fechado a um projeto Java com Maven. A biblioteca possui um conjunto de funções criptográficas implementadas por uma empresa terceirizada. A empresa disponibilizou a biblioteca por meio de um Java Archive (JAR) que não foi construído pelo Maven.
Para que o Maven adicione ao repositório local o JAR da empresa terceirizada, a analista deve executar a seguinte meta do maveninstall-plugin: 

O analista Anderson foi incumbido de introduzir o suporte a paralelismo na aplicação Java NetTRF. Conforme documentação do Java Development Kit usado na NetTRF, Anderson pode implementar threads virtuais ou threads de plataforma. Enquanto um tipo de thread é escalonado diretamente pelo sistema operacional (SO), o outro é escalonado pelo próprio Java runtime (JRE). Para fins de simplicidade, o analista deve escolher apenas um tipo de thread. Na NetTRF, cada thread deve ter uma pilha de chamadas de baixa profundidade.
Para permitir o maior número possível de threads na NetTRF, dadas as condições, Anderson deve implementar threads:

Considere o seguinte código em JavaScript:

const array = ["T", "R", "F", 1]
array.splice(0, 0, '>')
console.log(array.filter(v=>!!v))

Ao ser executado, o código acima exibirá na saída do console:

A analista Ana está implementando um script para deep learning utilizando o Python e o PyTorch. Considere o seguinte trecho do script de Ana:

import torch import torch.nn.functional as F

input = torch.randn(3, 5, requires_grad=True)

target = torch.tensor([1, 2, 0])

loss_fn = F.nll_loss loss = loss_fn(F.log_softmax(input, dim=1), target)

print(loss)


Ao ser executado, o trecho do script acima irá: