Seu próximo nível começa aqui
Com a Assinatura Ilimitada, você tem tudo que precisa para sua aprovação.
Com a Assinatura Ilimitada, você combina prática, teoria e método em uma única assinatura com tudo que você precisa para sua aprovação.
- Gran Questões
- Questões
Questões de Concurso sobre Pipeline
Disciplina
1
Assunto
1
Banca
Instituição
Cargo
Ano
Carreira
Área de formação
Escolaridade
Dificuldade
Comentários:
Professores
Alunos
Meus Comentários
Vídeo
Minhas questões:
Resolvidas
Não resolvidas
Certas
Erradas
Tipo de questão:
Certo e errado
Múltipla escolha
Incluir questões:
Anuladas
Desatualizadas
Questões:
Todas as questões
Filtro simplificado
Questões
Todas as questões
90
questões
encontradas
20
Mais recentes
Em pipelines de Inteligência Artificial (IA) Generativa com RAG (Retrieval-Augmented Generation), durante a preparação do corpus para indexação e recuperação, o chunking de documentos consiste em
A
resumir documentos, para reduzir o texto antes da geração de embeddings.
B
extrair e padronizar metadados, para filtrar resultados antes da busca vetorial.
C
normalizar texto e remover duplicatas, para melhorar a qualidade do corpus.
D
quantizar vetores de embeddings, para reduzir o armazenamento no índice vetorial.
E
dividir textos longos em segmentos menores, para indexação e recuperação.
Ano:
2026
O Jenkins é um servidor de automação usado para suportar práticas de Integração Contínua e Entrega Contínua (CI/CD). Um de seus recursos centrais é o Jenkins Pipeline, que permite a modelagem de ciclos de vida de entrega de software como código (Pipeline-as-Code), geralmente definidos em um arquivo chamado Jenkinsfile.
Nesse cenário, avalie as afirmativas a seguir e assinale (V) para a verdadeira e (F) para falsa.
( ) Não é possível utilizar shell script em um Jenkins Pipeline.
( ) Existem dois tipos de sintaxe para arquivos Jenkinsfile: Declarative e Scripted.
( ) É uma boa prática combinar as etapas (steps) de um Pipeline em etapas únicas sempre que possível, a fim de reduzir a sobrecarga gerada pelo próprio mecanismo de execução.
As afirmativas são, respectivamente,
A
F – V – V.
B
F – F – V.
C
F – V – F.
D
V – V – V.
E
V – F – F.
Acerca da estrutura e função do processador, o Hazard de Pipeline ocorre quando o pipeline, ou alguma parte dele, deve parar porque as condições não permitem a execução contínua. Tal parada do pipeline é também conhecida como:
A
Hazard de desvio.
B
Buffer de loops.
C
Múltiplos fluxos.
D
Previsão por opcode.
E
Bolha de pipeline.
Os gerenciadores de fluxo de trabalho gráficos como o Galaxy dão suporte à interação do usuário por meio de uma interface gráfica de usuário e permitem a criação de pipelines computacionais complexos sem que o usuário tenha experiência em programação.
C
Certo
E
Errado
Em um pipeline MLOps, varias etapas são seguidas para o desenvolvimento, implementação e monitoramento de modelos de Machine Learning. Com relação a este processo, especialmente considerando o uso de redes neurais transformer e suas características, as fases e procedimentos técnicos envolvidos no ciclo completo de MLOps são assim descritos:
A
No pipeline MLOps, as redes neurais transformer são aplicadas na fase de Design para realizar Feature Engineering e tuning de parâmetros. Na fase de Operações, implementa-se o modelo em produção através de pipelines automatizados, e, por fim, a fase Experimentação e Desenvolvimento é dedicada ao monitoramento de dados de produção.
B
No ciclo MLOps, os modelos transformer são implementados diretamente na fase de Operações para otimização em produção. A fase de Experimentação e Desenvolvimento é dedicada ao versionamento de dados e modelos e, na fase de Design, é realizado o monitoramento de desempenho do modelo e a coleta de dados para retreino futuro.
C
O pipeline MLOps começa com a fase de Operações, na qual são definidos os requisitos técnicos e estes são alinhados com os requisitos de negócio. Em seguida, na fase de Experimentação e Desenvolvimento, o modelo é colocado em produção utilizando práticas de CI/CD. A etapa final, Design, foca na criação de embeddings e ajuste de hiperparâmetros.
D
O ciclo de MLOps começa com a fase de Design, na qual são definidos os requisitos e alinhadas as necessidades de negócio. Na fase de Experimentação e Desenvolvimento, ocorre a construção do modelo, aplicação de Feature Engineering e tuning de parâmetros, podendo ser utilizadas redes neurais transformer para processar dados sequenciais com atenção contextual. Na etapa de Operações, o modelo é colocado em produção com pipelines de CI/CD e monitorado para ajuste continuo.
E
Durante a fase de Experimentação e Desenvolvimento, o alinhamento dos requisitos de negócio e os requisitos técnicos do modelo são realizados. Na fase de Design, faz-se o deploy do modelo com CI/CD, enquanto a fase de Operações se concentra em treinar modelos transformer com autoatenção para ajuste contextual.
Na etapa de ingestão de um pipeline de dados de Big Data, os dados de diversas fontes são coletados e transportados para um armazenamento centralizado.
C
Certo
E
Errado
No desenvolvimento de soluções de Inteligência Artificial para um tribunal, a equipe técnica precisa implementar modelos de Machlne Learnlng de forma integrada em pípelines de produçao, considerando práticas de MLOps para garantir a confiabilidade e a atualização contínua dos modelos implantados. Em um projeto que envolve a criaçao de um sistema de recomendaçao baseado em processamento de linguagem natural (NLP) e a identificação de anomalias para prevenção de fraudes, a configuração do pipeline de produção deve adotar estratégias que
A
estabeleçam fluxos de atualização baseados em monitoramento manual, com reavaliaÇôes periódicas dos modelos conduzidas conforme demandas operacionais pontuais.
B
concetrem os processos de ingestão, iransformaçao e treinamento em única etapa para facilitar manutenÇôes pontuais, mesmo que sem orquestraçao automatizada de reexecução completa.
C
integrem práticas de Contlnuous lntegratlon/ConUnuous Delivery (CI/CD) específicas para Machíne Learnlng, facilitando a atuallzação e monitoramento dos modelos em produção.
D
concentrem o processo de engenharia de atributos na maximização da variedade de entradas, isentando da aplicação de mecanismos de seleção baseados em relevância estatística ou impacto preditivo.
E
organizem as tarefas de recomendação e detecção de anomalias em pipelines serializados, utilizando fontes de dados independentes para evitar acoplamento excessivo entre os modelos.
Nextflow e Snakemake são gerenciadores de fluxo de trabalho baseados em DSL, que são linguagens de programação desenvolvidas para atender a uma necessidade específica em domínio específico.
C
Certo
E
Errado
São exemplos de ferramentas de pipelines de dados:
A
Excel e Power point.
B
Apache Airflow e AWS.
C
Excel e AWS.
D
Adobe photoshop e Power point.
E
Microsoft Word e AWS.
Uma equipe de cientistas de dados está desenvolvendo um pipeline de ETL (Extract, Transform, Load) para processar grandes volumes de dados diariamente. Para isso, eles decidiram utilizar o Apache Airflow para orquestrar e monitorar o fluxo de trabalho, garantindo a execução das tarefas na ordem correta e com tolerância a falhas.
No Apache Airflow, os DAGs (Directed Acyclic Graphs) são a estrutura principal usada para definir os workflows. Dentro de uma DAG, as tarefas são organizadas e executadas de acordo com suas dependências.
Assinale a alternativa que melhor descreve o funcionamento de um DAG no Apache Airflow.
A
Uma DAG é um conjunto de tarefas organizadas de forma sequencial, onde todas as tarefas devem ser executadas uma após a outra, sem paralelismo.
B
Uma DAG é um modelo de machine learning embutido no Airflow, usado para treinar redes neurais automaticamente, sem a necessidade de definir tarefas manualmente.
C
Uma DAG no Apache Airflow é um script em SQL que permite a execução direta de consultas em bancos de dados sem necessidade de programação em Python, pois o Apache Airflow é uma ferramenta exclusiva para SQL.
D
Uma DAG representa um modelo probabilístico baseado em inteligência artificial, que ajusta, dinamicamente, a execução das tarefas conforme os dados são processados.
E
Uma DAG define um conjunto de tarefas interdependentes, organizadas de forma acíclica, permitindo que algumas tarefas sejam executadas em paralelo, conforme suas dependências são resolvidas.
Uma Analista, que está criando um pipeline no GitLab CI/CD, deve criar o arquivo .gitlab-ci.yml na raiz do repositório e definir nesse arquivo
A
as pull requests e actions do pipeline.
B
as máquinas que executam os jobs do pipeline.
C
todas as versões anteriores do repositório.
D
os estágios (stages) e os jobs do pipeline.
E
as branches para novas funcionalidades.
Apache Kafka e RabbitMQ são duas tecnologias importantes no contexto de desenvolvimento de aplicações modernas quando se trata de pipeline de dados de streaming e mensageria.
A respeito dessas ferramentas, julgue as seguintes afirmativas:
I. O Kafka emprega um modelo de log particionado, o qual reúne abordagens de fila de mensagens e assinatura de publicação.
II. O RabbitMQ utiliza um protocolo binário via TCP.
III. O Kafka não permite que variados consumidores recebam a mesma mensagem, uma vez que são excluídas após consumo.
Está correto o que se afirma em
A
I, apenas.
B
II, apenas.
C
I e II, apenas.
D
II e III, apenas.
E
I, II e III.
Jenkins é uma plataforma de integração e entrega contínua. Nos arquivos Jenkinsfile, define-se um pipeline que segue uma hierarquia específica.
Considerando essa hierarquia, assinale a alternativa que apresenta a ordem correta, do nível mais alto ao mais baixo.
A
Pipeline > agent > stage > step > stages.
B
Pipeline > agent > steps > stage > stages.
C
Pipeline > agent > steps > stages > stage.
D
Pipeline > agent > stages > stage > steps.
E
Pipeline > agent > stages > steps > stage.
A Controladoria possui vários pipelines críticos que transportam dados de regulamentação fiscal. Uma mudança no schema da tabela de origem exigiu alterações no código SQL de transformação e nos metadados associados. A prática de DataOps exige que todas as alterações sejam rastreáveis e que seja possível reverter o pipeline para uma versão anterior de forma atômica.
No contexto do DataOps, assinale a opção que apresenta a combinação de práticas e ferramentas que garante a rastreabilidade de
I. código de transformação (SQL/ETL);
II. alterações no schema do DW; e
III. rollback, coordenação automatizada, em caso de falha de deployment.
A
Utilização de GIT para versionar o código do pipeline; aplicação de ferramentas de Versionamento de Banco de Dados para o schema; e orquestração CI/CD com estratégias de rollback automático.
B
Adoção de um Catálogo de Metadados para registrar o código de transformação; uso do Modelo Star Schema para o versionamento do schema; e restore do ambiente de Data Warehouse em caso de falha.
C
Implementação do Data Fabric e da técnica de Virtualização de Dados para evitar alterações no código de transformação; registro manual do schema no Glossário; e delegação da reversão ao Data Protection Officer.
D
Uso de Kubernetes para orquestrar os containers do pipeline; dependência do Modelo Entity-Relationship para rastrear o schema do DW; e execução de Subconsultas Correlacionadas para validar a transformação dos dados.
E
Aplicação de Self-Service Analytics para validar o código de transformação; utilização de TDD para o versionamento de schema do DW; e dependência de Triggers do SGBD para gerenciar a reversão atômica do deployment.
Pipeline é uma técnica utilizada na arquitetura de processadores para melhorar o desempenho. Corresponde à característica de um pipeline:
A
Melhora a segurança do processador.
B
Prejudica o desempenho do sistema operacional.
C
Diminui a quantidade de hardware do processador.
D
Aumenta o número de instruções executadas pelo processador.
Pipelines de dados apresentam uma única estrutura para o recebimento dos dados originados de uma fonte não confiável.
C
Certo
E
Errado
O pipeline de instruções consiste na execução concorrente das etapas de
A
busca de operando, codificação, busca de instrução e execução.
B
busca de operando, decodificação, busca de instrução e execução.
C
busca de instrução, codificação, busca de operando e execução.
D
busca de instrução, decodificação, busca de operando e execução.
Ano:
2024
Banca:
Instituto Quadrix - Quadrix
Nos processadores vetoriais, as operações entre elementos não podem ser paralelizadas ou executadas em pipeline.
C
Certo
E
Errado
Acerca da Organização Estruturada de Computadores, observe as afirmações abaixo e assinale a opção em que apresenta as afirmações VERDADEIRAS.
I. Nas CPUs, o conceito de pipelining promove o paralelismo no nível de processador.
II. O objetivo fundamental da memória cache é reduzir a latência computacional na tarefa de acesso aos dados.
III. Em uma memória primária, todas as células contêm o mesmo número de bits.
Se uma célula consistir em k bits, ela pode conter quaisquer das 2k diferentes combinações de bits.
A
Somente as alternativas I e III
B
Somente a alternativa II
C
Somente as alternativas II e III
D
Somente as alternativas I e II
E
I, II e III
Marque a alternativa que descreve para que serve a tag stages do pipeline em GitLab.
A
É utilizada para definir a ordem das diferentes etapas do pipeline de CI/CD.
B
É utilizada para definir quais branches do repositório serão utilizados para executar o pipeline.
C
É utilizada para definir variáveis de ambiente que serão utilizadas pelos jobs do pipeline.
D
É utilizada para definir os scripts de deploy que serão executados pelo pipeline.
Gerar simulado