Questões de Concurso

O tipo de criptografia que produz uma sequência única de caracteres a partir de um conjunto de dados é conhecido como 

Considere uma função f(x) contínua no intervalo [a, b] e que  f(a)f(b) < 0. Considere, ainda, a utilização do método da bissecção, para obtenção do zero real desta função, sabendo que o valor de x_K, em cada iteração K,  é dado por (a_K + b_K)/2.
Se na primeira iteração for constatado que 

f(a₀) < 0,  f(b₀) > 0  e  f(x₀) > 0 

e na segunda iteração 

f(a₁) < 0,  f(b₁) > 0  e  f(x₁) < 0, 

na aplicação deste método, devem ser feitas as seguintes atribuições para os novos limites dos intervalos: 

Considere uma árvore que contém todo e qualquer nó em um grafo, mais formalmente, uma spanning tree de um grafo G = (N, E) e um grafo G' = (N, E') tal que E' é um subconjunto de E, G' é conectado, G' não contém nenhum ciclo e G' contém todos os nós originais em G.

Se cada enlace tiver um custo associado e o custo de uma árvore for a soma dos custos dos enlaces, é correto afirmar que uma árvore cujo custo seja o mínimo entre todas as spanning trees é denominada: 

Algoritmos para assimilação de dados podem ser implementados de maneira eficiente e otimizada por meio de paralelização de processos.

O Parallel Data Assimilation Framework (PDAF) é um pacote de software que simplifica a implementação de métodos de assimilação, provendo versões totalmente paralelizadas de algoritmos, como por exemplo, diferentes versões dos Filtros de Kalman por conjunto (EnKF). Um dos requisitos de funcionamento do PDAF é o uso de um protocolo padronizado de comunicação para computação paralela.

O principal padrão de comunicação entre os processos paralelos executados em um sistema de memória distribuída, é denominado

As técnicas de aprendizado de máquina aplicadas à assimilação podem ser utilizadas de diversas maneiras para tratamento de dados. Um exemplo de processo que pode ser vantajoso para os algoritmos de assimilação é o de redução da dimensionalidade de um conjunto de dados, no qual se aplica treinamento não supervisionado para gerar representações “compactadas” das entradas originais. Esse processo permite a assimilação de dados no espaço latente, melhorando a eficiência de treinamento dos algoritmos.

Determinadas arquiteturas de rede neural são utilizadas para redução de dimensionalidade e para a geração de representações de dados no espaço latente, em que se destaca a arquitetura do tipo