Questões de Concurso Para tecnologia da informação

Trabalhando há muitos anos como técnica de laboratório da área de química em uma universidade brasileira, Paula está acostumada a lidar com fórmulas e cálculos diariamente. Nos seus afazeres diários no laboratório, Paula não dispensa o uso de planilhas eletrônicas que a auxiliam em suas tarefas.
A planilha mais recente criada por ela é uma que calcula a porcentagem dos elementos que compõem uma ração para cães da raça Shiba Inu que está sendo desenvolvida no laboratório. A planilha funciona da seguinte forma: ao digitar a quantidade em gramas de um determinado componente, a planilha calcula a porcentagem que esse componente representa na composição total da ração, conforme pode ser visto no exemplo a seguir:



Nesse exemplo, é possível identificar que os elementos cálcio e fósforo estão compondo, respectivamente, 3,76% e 1,25% do total de ração analisado, que foi de 399 gramas. É possível observar também que a fórmula utilizada para calcular a porcentagem arredonda o resultado para duas casas decimais no máximo.
Considerando que Paula utilizou o software de planilhas do Google configurado em português, qual foi a fórmula utilizada na célula C4 da planilha de exemplo e que gerou o resultado que está sendo mostrado? 

Chefe de um Departamento de Pesquisa de uma universidade americana, Natália lidera um grupo de pesquisa focado em identificar e medir reações químicas que acontecem no cérebro de ratos quando eles são submetidos a determinadas situações de estresse como choques elétricos.
O grupo de pesquisa liderado por Natália possui integrantes de vários países do mundo como Alemanha, Brasil, China e Índia. Muitos dos pesquisadores trabalham remotamente, nas universidades e nos institutos de pesquisa dos seus respectivos países e colaboram com dados obtidos em pesquisas locais.
Para integrar todo o conhecimento produzido pelo grupo, Natália utiliza documentos de texto do Google Docs e frequentemente necessita compartilhar esses documentos entre os pesquisadores e também com pessoas que não pertencem ao grupo de pesquisa, sendo que, nesse último caso, o acesso das pessoas é limitado à leitura do material.
Recentemente Natália passou pela seguinte situação: precisava compartilhar um relatório de pesquisa de tal forma que uma colaboradora de projeto no Brasil pudesse fazer alterações, um pesquisador alemão pudesse fazer sugestões sem alterar o conteúdo e um membro do conselho de ética no uso de animais em pesquisa tivesse acesso ao conteúdo sem permissões de editar nem de comentar.
A estratégia utilizada por Natália foi: na opção Compartilhar, adicionou o endereço de e-mail da colaboradora brasileira com nível de acesso X, adicionou o endereço de e-mail do pesquisador alemão com nível de acesso Y e adicionou o endereço de e-mail do membro do conselho de ética com nível de acesso Z.
Considerando as opções de compartilhamento de arquivos disponíveis no Google Docs configurado em português e compreendendo exatamente o objetivo da Natália, quais termos substituem, corretamente e na mesma sequência, os termos X, Y e Z, citados no texto, de forma a tornar a estratégia dela correta?

Artur, técnico de eletrônica em uma Instituição de Ensino Superior, tem, entre as suas atribuições, elaborar o pedido anual de cabos e condutores elétricos que suprem a instituição nas mais diversas áreas, permitindo que todos os equipamentos elétricos e eletrônicos sejam mantidos em funcionamento.
O documento que especifica os cabos e condutores elétricos a serem adquiridos pela instituição é enviado uma vez por ano ao Setor de Compras por meio de um e-mail cujo assunto é “Especificação de Cabos e Condutores Elétricos para Aquisição”.
No ano de 2024, como em todos os outros, Artur elaborou e enviou o pedido dentro do prazo, respeitando todas as normas estabelecidas pelo Setor de Compras. No entanto, assim que acabou de enviar o e-mail, Artur se lembrou de que a especificação de um dos cabos estava incorreta e precisaria ser corrigida.
Sem hesitar, Artur utilizou a opção Desfazer, recurso disponível no Gmail que aparece ao lado de Mensagem Enviada, no canto inferior esquerdo da tela, sempre que o usuário clica em Enviar. Essa opção, visível apenas durante alguns segundos após o envio, interrompe o disparo da mensagem e retorna para a tela de edição do e-mail.
Nas configurações do Gmail, é possível escolher um tempo determinado dentro do qual se pode cancelar o envio de uma mensagem. As opções disponíveis para período de cancelamento de envio, no Gmail, versão para computador, configurado em português, são: 

A servidora Marina, do Departamento de Análises Clínicas de uma Universidade, deseja obter a opinião de algumas colegas do departamento acerca do resultado de um exame realizado por ela. Marina costuma fazer isso sempre antes de homologar e entregar os resultados dos exames aos pacientes, de forma a encontrar e a remover, a tempo, possíveis erros técnicos nos laudos.
No entanto, dessa vez, Marina não quer que as colegas saibam que outras servidoras também estão sendo consultadas, de forma que cada uma delas entenda estar sendo a única a apreciar o resultado do exame além dela. Existe uma forma segura de fazer com que cada uma das colegas de Marina receba ao mesmo tempo e, individualmente, o resultado do exame para apreciação. E Marina consegue fazer isso enviando uma única mensagem de e-mail.
As colegas de departamento eleitas para apreciar o resultado em conjunto com Marina dessa vez foram as servidoras Claudia, Débora e Mônica. A Universidade onde todas elas trabalham utiliza como plataforma oficial de correio eletrônico o serviço do Google, conhecido como Gmail, configurado em português do Brasil.
Sabendo que Marina vai utilizar o e-mail institucional para enviar o resultado do exame para a apreciação das colegas, analise as alternativas disponíveis e marque aquela em que a forma de preencher o cabeçalho garante que cada uma das servidoras escolhidas:
• Receba corretamente o e-mail;
• Saiba que o e-mail foi enviado pela Marina;
• Tenha ciência de que Marina enviou uma cópia do e-mail para ela mesma;
• Não tenha ciência de que o mesmo e-mail foi enviado para outras colegas além de Marina. 

Considere a lista de processos computacionais abaixo.

1. Integração do modelo não-linear para frente no tempo.
2. Integração do modelo não-linear para trás no tempo.
3. Integração do modelo adjunto para frente no tempo.
4. Integração do modelo adjunto para trás no tempo.
5. Integração do modelo tangente linear no loop interno.
6. Integração do modelo tangente linear no loop externo.

Assinale a opção que apresenta os processos realizados em assimilação de dados 4DVAR incremental, com restrição forte, na sequência correta de execução.

A integração de técnicas de inteligência artificial e aprendizado de máquina com assimilação de dados pode aumentar a confiabilidade das previsões por introduzir modelos orientados a dados obtidos por meio de observações. A performance dos modelos de aprendizado de máquina pode ser medida por algumas métricas, como por exemplo a métrica Mean Absolute Error (MAE).

Considere um modelo de regressão usado para prever valores de uma variável, conforme a tabela a seguir. 




O MAE para o conjunto de dados representado na tabela será

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

Assimilação de dados profunda (Deep Data Assimilation - DDA) é uma técnica recente que integra aprendizado profundo e assimilação.

Utiliza-se uma rede neural recorrente para aprender o processo de assimilação, que por sua vez é treinada a partir dos estados de um sistema dinâmico e de seus resultados de assimilação correspondentes. Tais redes neurais recorrentes são implementadas com o uso de funções de ativação, que introduzem não linearidades às saídas dos neurônios das redes.

Assinale a opção que menos se adequa às características esperadas para funções de ativação.

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

Redes neurais artificiais são elementos fundamentais para o uso de técnicas de aprendizado de máquina. São constituídas por camadas de unidades de processamento, chamadas de neurônios.

Relacione os tipos de redes neurais listadas as seguir, às suas principais características.

1. Redes de Propagação Direta (feedforward).
2. Redes Neurais Recorrentes.
3. Redes de Funções de Base Radial.
4. Redes Auto-Organizáveis de Kohonen.
( ) Rede que possui realimentação, de forma que as saídas são direcionadas para as entradas, formando-se um loop.
( ) Rede em que os sinais fluem apenas em uma direção, da entrada para a saída, exceto quando em treinamento.
( ) Rede que é treinada com aprendizado não supervisionado, criando clusters dos dados de entrada.
( ) Rede usada para aproximar funções contínuas a partir de combinações lineares de Gaussianas.

Assinale a opção que indica a relação correta na ordem apresentada.

Recentemente, tem-se observado o aumento dos usos de algoritmos de Inteligência Artificial (IA) aplicados à assimilação de dados. Muitos algoritmos de IA em assimilação são baseados em redes neurais e redes neurais profundas, que necessitam de uma etapa de treinamento.

Essas etapas de treinamento nem sempre são de fácil execução. Por exemplo, há um fenômeno que ocorre quando um algoritmo é treinado e apresenta bom desempenho para um conjunto particular de dados usado para treinamento, mas falha ao prever respostas para dados de entrada não incluídos naquele conjunto.

A esse fenômeno dá-se o nome, em inglês, de

Em assimilação variacional, frequentemente são encontrados problemas inversos mal-postos, (ill-posed problems). Esses problemas podem ser convertidos em bem-postos (well-posed) pelo uso de técnicas de regularização. Um exemplo é o uso da regularização de Tikhonov, em que se adiciona um termo de regularização a um funcional a ser minimizado, evitando-se assim instabilidades numéricas durante o cálculo da solução.

Por exemplo: suponha que se busque um vetor x que resolva o sistema Hx = y, minimizando-se o funcional




em que  é a norma L² (isto é, um problema de mínimos quadrados mal-posto). Pode-se adicionar o termo de regularização de Tikhonov ao funcional, substituindo-o por




em que  , e I é a matriz identidade.

Considere um caso hipotético onde as variáveis H, y e α possuem os seguintes valores:




Neste caso, o vetor X que minimiza  é:

Relacione os algoritmos de otimização utilizados em assimilação de dados variacional com suas respectivas características correspondentes.

1. Método de Newton
2. Broyden-Fletcher-Goldfarb-Shanno (BFGS)
3. Gradiente Conjugado
( ) Determina pontos cada vez mais próximos das soluções dos problemas de otimização mudando a direção de busca a cada iteração.
( ) Requer o cálculo das expressões fechadas dos gradientes e matrizes Hessianas a cada iteração.
( ) Utiliza aproximações de matrizes Hessianas e suas inversas para reduzir a carga computacional a cada iteração.

Assinale a opção que indica a relação correta, segundo a ordem apresentada.

Métodos de assimilação de dados clássicos são tradicionalmente classificados em sequenciais ou variacionais. Os métodos variacionais guardam semelhanças com a teoria de controle ótimo, por sua vez desenvolvida a partir do estabelecimento dos fundamentos do cálculo variacional.

Com relação à formulação variacional de assimilação de dados, analise as afirmativas a seguir e assinale (V) para a verdadeira e (F) para a falsa.

( ) Trata-se da busca por estados dos sistemas que minimizam um funcional de custo, em geral definido como um erro quadrático entre observações e predições correspondentes àqueles estados, calculadas por modelos matemáticos.
( ) Envolve a necessidade de aplicação de técnicas de localização e/ou inflação de covariâncias para eliminar correlações espurias entre possíveis soluções de problemas de otimização.
( ) Baseia-se em otimizações com restrições dinâmicas fortes, introduzidas no problema por uso de multiplicadores de Largrange; ou fracas, introduzidas no problema como termos ponderados de penalidades.

As afirmativas são, respectivamente,

O problema de previsão numérica de tempo em escala global é de altíssima dimensionalidade, envolvendo, por exemplo, representações de estados com centenas de milhões de variáveis.

Essa alta dimensionalidade impõe grandes dificuldades para a aplicação de filtros de partículas (PF) em problemas de assimilação de dados com muitas observações independentes, porque nessas situações o número de partículas necessárias para representar as distribuições de probabilidade cresce exponencialmente.

Técnicas recentemente desenvolvidas que visam contornar essas dificuldades baseiam-se em combinar filtros de partículas e filtros de Kalman por conjunto (EnKF), criando-se soluções híbridas PF-EnKF.

Assinale a opção que indica a principal vantagem de se utilizar filtros híbridos PF-EnKF.

A reamostragem em filtros de partículas pode ser realizada por meio da criação de novas amostras retiradas das distribuições de probabilidade discretas correspondentes a conjuntos de partículas e suas configurações de pesos. No entanto, o fato de as novas amostras serem criadas exatamente nos mesmos pontos do espaço em que se localizam as partículas anteriores é inconveniente, pois facilita o empobrecimento das partículas (i.e., o chamado particle impoverishment).

Uma forma de produzir um novo conjunto de partículas em pontos distintos é substituir as distribuições discretas de probabilidade por aproximações contínuas e, somente então, realizar a reamostragem. A criação dessas aproximações se dá por meio de uma operação matemática entre a distribuição de probabilidade discreta e um kernel contínuo.

Nesse contexto, o processo de reamostragem em distribuições de probabilidade contínuas, que aproximam distribuições discretas correspondentes às configurações de partículas, é chamado de

Filtros de partículas são, em geral, implementados com o uso de reamostragem sequencial por importância. Essa reamostragem pode ser adaptativa, ocorrendo apenas quando a métrica denominada número efetivo de partículas é considerada muito baixa.

Considerando um filtro de partículas com N partículas cujos pesos são dados por w_(i) ,i = 1, … , N, a estimativa do número efetivo de partículas é dada por

Filtros de Partículas são implementações não paramétricas de filtros Bayesianos em que as distribuições de probabilidade não são explicitamente definidas, sendo, portanto, representadas por um conjunto de amostras provenientes delas próprias (denominadas partículas).

Com relação aos filtros de partículas, analise as afirmativas a seguir e assinale (V) para a verdadeira e (F) para a falsa.

( ) As partículas representam observações (ou medidas) obtidas por sensores aplicados ao sistema em análise, e a elas são associados pesos proporcionais às suas probabilidades de coincidirem com medidas correspondentes ao estado verdadeiro do sistema.
( ) Quando aplicados à assimilação de dados, a cada passo de assimilação, novos pesos são atribuídos às partículas. Caso não seja realizado nenhum processo de reamostragem, o conjunto de partículas costuma degenerar-se, com uma das partículas recebendo peso normalizado próximo de 1 e as outras partículas recebendo pesos normalizados próximos de 0.
( ) São capazes de representar distribuições de probabilidade multimodais, isto é, cujas densidades de probabilidade possuem mais de um máximo local.

As afirmativas são, respectivamente,

Considere o modelo não linear e o Filtro de Kalman por Conjunto (EnKF) detalhados na questão 04.

Para garantir estimativas de covariâncias não enviesadas, a matriz B pode ser calculada pela expressão:

Seja um modelo não linear dado por:




em que: x_k é um vetor de estados de n dimensões em um dado instante de tempo K; M e H são mapeamentos não-lineares de Rⁿ para Rⁿ e de R^m para R^m, respectivamente; q e r são vetores aleatórios gaussianos de média nula e covariância Q e R, respectivamente.

Considere a implementação de um Filtro de Kalman por Conjunto (Ensemble Kalman Filter - EnKF) com 1000 pontos representando possíveis estados. Cada um dos 1000 pontos é denotado x_t⁽ⁱ⁾, onde i é inteiro e varia de 1 a 1000.

Considere, ainda, que a média dos pontos do conjunto no instante k pode ser representada por , e que o ganho de Kalman no instante k é geralmente representado pelo produto de uma matriz A pela inversa de uma matriz B (K_k = AB⁻¹).

Considerando as condições enunciadas acima, para garantir estimativas de covariâncias não enviesadas, a matriz A pode ser calculada pela expressão: