Questões DATAPREV 2024 para ATI - Inteligência da Informação

Q3086062

Ano: 2024 Banca: FGV Órgão: DATAPREV Prova: FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |

Q3086062 Não definido

Sendo n um número natural, definimos a soma S = 1/1⋅2 + 1/2⋅3 + 1/3⋅4 + ⋯ + 1/n⋅(n+1) .

Se Q41.png (68×27) , com a e b naturais e a/b irredutível, então o valor de a + b será

A

2.

B

3.

C

4.

D

5.

E

7.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3086063

Ano: 2024 Banca: FGV Órgão: DATAPREV Prova: FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |

Q3086063 Não definido

Uma chapa de alumínio de formato circular é exposta a uma fonte de calor e sofre dilatação, de modo que seu raio cresce com velocidade constante de 0,01cm/s.
No instante em que o raio do disco atinge 2cm, a velocidade com que sua área cresce, em cm²/s, é

A

0,01π

B

0,02π

C

0,04π

D

0,08π

E

0,1π

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3086064

Ano: 2024 Banca: FGV Órgão: DATAPREV Prova: FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |

Q3086064 Não definido

Uma comissão é composta por analistas de diferentes áreas, sendo cinco em inteligência da informação, cinco em contabilidade, cinco em gestão econômico-financeira e cinco em engenharia. Dois analistas serão sorteados nessa comissão para ocupar as posições de presidente e vice-presidente.
A probabilidade de os analistas sorteados pertencerem à mesma área é

A

1/20

B

4/19

C

1/5

D

1/4

E

3/4

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3086065

Ano: 2024 Banca: FGV Órgão: DATAPREV Prova: FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |

Q3086065 Não definido

Considere o triângulo com vértices nos pontos Q44_1.png (70×56) Q44_2.png (82×53) e C (1,1, 1− ).

Sobre esse triângulo, é correto afirmar que

A

é retângulo em A.

B

é retângulo em B.

C

é retângulo em C.

D

todos os ângulos são agudos.

E

todos os ângulos são obtusos.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3086066

Ano: 2024 Banca: FGV Órgão: DATAPREV Prova: FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |

Q3086066 Não definido

Considere a transformação linear T: R³ → R² tal que T(−1,0,0) = (2,0), T(0,2,0) = (2,1) e T(0,0, −1) = (0, −1). Sendo T(x, y, z) = (ax + by + cz , dx + ey + fz) a expressão dessa transformação linear, o valor de a + b + c + d + e + f é

A

0.

B

1.

C

2.

D

3.

E

4.

Q3086067

Ano: 2024 Banca: FGV Órgão: DATAPREV Prova: FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |

Q3086067 Não definido

Uma urna contém 3 bolas vermelhas e 4 bolas azuis indistinguíveis, exceto pela cor. Três bolas serão retiradas dessa urna, sucessivamente e sem reposição.
Seja X a variável aleatória que representa a quantidade de bolas azuis retiradas da urna.
O valor esperado de X é

A

2,7

B

2,1

C

1,7

D

1,3

E

0,9

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3086068

Ano: 2024 Banca: FGV Órgão: DATAPREV Prova: FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |

Q3086068 Não definido

O limite

é igual a

A

1/4

B

1/2

C

1

D

2

E

4

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3086069

Ano: 2024 Banca: FGV Órgão: DATAPREV Prova: FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |

Q3086069 Não definido

De um ponto A, situado numa das margens de um rio, de 100 metros de largura, deseja-se levar energia elétrica ao ponto C situado na outra margem do rio, conforme ilustrado na figura a seguir:

Q48.png (362×175)

O fio a ser utilizado na água custa R$ 5,00 o metro, e o que será utilizado fora, R$ 3,00 o metro.
O menor gasto possível para ser feita essa ligação com os fios é igual a

A

R$ 2.950,00

B

R$ 3.175,00

C

R$ 3.400,00

D

R$ 3.625,00

E

R$ 3.850,00

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3086070

Ano: 2024 Banca: FGV Órgão: DATAPREV Prova: FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |

Q3086070 Não definido

O valor numérico de Q49.png (87×33)

é igual a

A

2 + 6 ln 3 − 3 ln 2

B

2 + 3 ln 3 − 3 ln 2

C

3 + 6 ln 3 − 3 ln 2

D

2 + 6 ln 3 − 6 ln 2

E

2 + 6 ln 3 − 3 ln 4

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3086071

Ano: 2024 Banca: FGV Órgão: DATAPREV Prova: FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |

Q3086071 Não definido

Considere os pontos A(1; 2; 3), B(4; 5; 6), C(7; 2; 1) e D(2; 4; 8), vértices de um tetraedro.
O volume deste tetraedro é igual a

A

24.

B

16.

C

12.

D

8.

E

4.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3086072

Ano: 2024 Banca: FGV Órgão: DATAPREV Prova: FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |

Q3086072 Não definido

Seja X uma variável aleatória discreta com a seguinte distribuição de probabilidade:

Q51.png (242×97)

A variância de X é igual a

A

5,9

B

0,61

C

2,3

D

5,29

E

0,66

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3086073

Ano: 2024 Banca: FGV Órgão: DATAPREV Prova: FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |

Q3086073 Não definido

A companhia aérea Flying to the Moon sabe que o peso das bagagens despachadas por passageiro é uma variável aleatória com média μ=20 kg e desvio padrão σ=5 kg. Em um voo com capacidade máxima de 100 passageiros, todos os assentos estão ocupados.
Observações:

• Considere que a distribuição da soma pode ser aproximada por uma distribuição normal; • Nomeando de Z a variável padronizada (escore-z), utilize a tabela a seguir, se julgar necessário.

Q52.png (163×150)

A probabilidade de que o peso total das bagagens neste voo exceda 2100 kg, e assim, ultrapasse o limite de segurança estabelecido, é igual a

A

97,72%

B

50%

C

0,9772%

D

2,28%

E

4,55%

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3086074

Ano: 2024 Banca: FGV Órgão: DATAPREV Prova: FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |

Q3086074 Não definido

Considere o seguinte conjunto de transações em uma loja de varejo:

Q53.png (231×173)

A partir desse conjunto de transações, produz-se a regra de associação R: Leite → Pão

Nesse contexto, é correto afirmar que a métrica de R que possui valor igual a 50% é

A

a confiança.

B

o F1 score.

C

a precisão.

D

o recall.

E

o suporte.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3086075

Ano: 2024 Banca: FGV Órgão: DATAPREV Prova: FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |

Q3086075 Não definido

Algoritmos de agrupamento podem ser classificados em diferentes categorias. Um algoritmo de agrupamento amplamente utilizado em aprendizado de máquina e mineração de dados é conhecido como K-Means.
O K-Means, em sua versão original, é classificado como um tipo de algoritmo

A

baseado em grade.

B

baseado em grafo.

C

hierárquico.

D

partitivo.

E

por densidade.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3086076

Ano: 2024 Banca: FGV Órgão: DATAPREV Prova: FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |

Q3086076 Não definido

O algoritmo de redução de dimensionalidade conhecido como Análise de Componentes Principais (PCA – Principal Component Analysis) possui características importantes.
Dada a escolha de um número k de componentes principais e um conjunto de dados X com cinco variáveis A, B, C, D e E, o PCA

A

adiciona a média de cada observação para cada dimensão de X, normalizando-a depois pelo desvio-padrão.

B

constrói a matriz de confusão a partir de X, multiplicando-a pelos autovalores de seus vetores originais.

C

escolhe k autovetores aleatórios do conjunto original de dados.

D

preserva as distâncias geodésicas entre os pontos do espaço original dos dados por redução não linear.

E

retorna k combinações lineares dos atributos do conjunto {A,B,C,D,E}.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3086077

Ano: 2024 Banca: FGV Órgão: DATAPREV Prova: FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |

Q3086077 Não definido

Considere o seguinte cenário: Uma empresa de telecomunicações está analisando os dados de uso de seus clientes, como frequência de chamadas, uso de dados móveis e envio de mensagens. Ela quer identificar grupos de clientes com comportamentos semelhantes para oferecer promoções personalizadas.
Em uma escolha por uma solução de aprendizado de máquina, o cientista de dados deve observar que, se o aprendizado for

A

híbrido, congregará as características dos modelos supervisionado e não supervisionado, em um modelo ensemble.

B

não supervisionado oferecerá opções como os algoritmos back propagation, K-means e C4.5.

C

não supervisionado demandará uma fase de pósprocessamento que envolve visualização e análise do modelo.

D

supervisionado considerará a abstração de um modelo de conhecimento da forma (entrada, saída desejada).

E

supervisionado, os algoritmos partirão dos dados, buscando relacionamento entre eles.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3086078

Ano: 2024 Banca: FGV Órgão: DATAPREV Prova: FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |

Q3086078 Não definido

Seja o código em R a seguir:

Q57.png (410×291)

Analisando o código apresentado, sem a necessidade de executá-lo, é correto deduzir que

A

a categoria "Móveis" apresentou a menor quantidade de unidades vendidas.

B

a estrutura do data frame inviabiliza o uso da função cor().

C

a função aggregate() revela que a categoria "Eletrônicos" tem o maior total de unidades vendidas.

D

existe uma correlação forte e negativa entre unidades vendidas e receita.

E

o coeficiente de correlação entre unidades vendidas e receita mostrará um valor positivo.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3086079

Ano: 2024 Banca: FGV Órgão: DATAPREV Prova: FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |

Q3086079 Não definido

Um conjunto de dados foi particionado em dois subconjuntos, sendo um de treinamento e outro de testagem, ambos utilizados exclusivamente para serem usados em seus objetivos originais (dados de treino para treinamento, e de teste para testagem).
Em relação ao ajuste e validação de modelos em aprendizado de máquina, um modelo sofre overfitting quando

A

apresenta bom desempenho nos dados de treinamento, mas tem baixo desempenho nos dados de teste.

B

é simples demais para capturar os padrões subjacentes nos dados.

C

minimiza o erro nos dados de treinamento e os de teste, aumentando a correlação entre esses dois conjuntos.

D

oferece uma matriz de confusão para um classificador detalhando seu desempenho.

E

relaciona-se aos altos viés e variância do conjunto de dados.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3086080

Ano: 2024 Banca: FGV Órgão: DATAPREV Prova: FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |

Q3086080 Não definido

A validação cruzada é uma importante técnica em aprendizado de máquina, usada para obter uma estimativa mais robusta do erro de generalização. Dessa forma, ela contribui para a construção de modelos mais confiáveis, permitindo uma avaliação mais precisa de sua capacidade preditiva em diferentes cenários.
Uma das características da validação cruzada com k conjuntos é que esse método

A

considera, na sua versão estratificada, a proporção de exemplos de cada classe quando da geração de subconjuntos mutuamente exclusivos.

B

divide aleatoriamente registros em treinamento e teste em proporções p e (1-p), respectivamente.

C

gera conjuntos cuja interseção é não vazia, utilizados a cada iteração como conjunto de treino e teste.

D

penaliza os conjuntos de treino com k sorteios aleatórios, de modo a torná-lo equilibrado frente ao conjunto de teste.

E

produz o conjunto de treinamento a partir de N sorteios aleatórios com reposição a partir dos dados originais.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Q3086081

Ano: 2024 Banca: FGV Órgão: DATAPREV Prova: FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |

Q3086081 Não definido

Support Vector Machines (SVMs) é um método de aprendizado de máquina que pode ser aplicado em áreas como reconhecimento de padrões, bioinformática e detecção de fraudes, devido à sua capacidade de lidar com dados complexos.
Nesse contexto, identificamos que o método SVM

A

adequa-se a problemas de agrupamento de dados multidimensionais.

B

apoia-se no princípio do “kernel trick”, que mapeia explicitamente dados não lineares em outros dados lineares.

C

define margem como sendo a maior saturação de erro (bias) suportada pelo algoritmo na geração de hiperplanos concorrentes.

D

inviabiliza o uso de abordagens para SVMs lineares com margens rígida e suave para utilização em SVMs não lineares em dados linearmente inseparáveis.

E

usa um mapeamento não linear para transformar os dados de treino originais em um espaço de dimensão superior.

Você errou! Resposta:

Acesse Comentários para encontrar explicações sobre a solução da questão.

Parabéns! Você acertou!

Aprenda mais ensinando outros alunos ao comentar esta questão.

Quer um estudo ilimitado?

Quer um estudo ilimitado?

Questões de Concurso Público DATAPREV 2024 para ATI - Inteligência da Informação

Foram encontradas 70 questões