Questão de Programação — Linguagens de programação — FGV 2026
- Código
- fg126166
- Banca
- FGV
- Órgão
- AL-GO
- Ano
- 2026
- Nível
- Superior
- Cargo
- Analista Legislativo - Analista de Sistemas
- AI, apenas.
- BII, apenas.
- CIII, apenas.
- DI e III, apenas.
- EI, II e III.
GabaritoC — III, apenas.
Gabarito: letra C. Apenas o item III está correto. O item I confunde recursão com definição de funções aninhadas; o item II comete imprecisões conceituais sobre o PCA e a scikit-learn. O item III descreve corretamente como bibliotecas Python (como Hugging Face Transformers e LangChain) integram LLMs.
A afirmação diz que "uma função recursiva tem um calling program com uma função definida dentro do corpo de outra função". Isso é falso. Em Python, uma função recursiva é aquela que chama a si mesma. A definição de uma função dentro de outra é uma função aninhada (nested function), que não tem relação direta com recursão. O calling program é o programa que invoca a função, não o local onde ela é definida. A banca tenta confundir os conceitos de recursão e aninhamento.
"O algoritmo de redução da dimensionalidade PCA, presente na biblioteca Scikit-Learn Library, é usado para decompor um conjunto de dados multivariado, podendo sua capacidade de estimar quantos componentes são necessários [...] ser determinada observando o Cálculo médio de Autovalores e Autovetores." Há dois problemas:
O PCA está disponível no scikit-learn (em sklearn.decomposition.PCA), mas a expressão "Cálculo médio de Autovalores e Autovetores" é imprecisa. A escolha do número de componentes é geralmente feita pela variância explicada acumulada, não por uma "média" de autovalores.
O PCA usa decomposição em autovalores e autovetores, mas não se calcula "médio". O item contém erro conceitual.
"Modelos de Large Language Models (LLMs) foram incorporados ao Python, por meio de camadas de abstração (bibliotecas), que estabeleceram facilidade de integração por meio de: Processamento matemático em GPU (Infraestrutura/Base), Download e execução de modelos opensource (Acesso a Modelos), Criação de fluxos de trabalho e agentes multitarefa (Orquestração) e conexão da IA com documentos e bases de dados (Integração de Dados)." Essa descrição corresponde a ecossistemas como Hugging Face transformers, accelerate, bitsandbytes para GPU, langchain para orquestração e llama_index para integração com dados. O item está correto.
Conclusão: Apenas o item III está correto, portanto o gabarito é a letra C.
Link permanente: /questoes/fg126166