Curso
Programação orientada a objetos em Python
4 h
101.1K
Se você está procurando uma nova oportunidade na área de desenvolvimento de software ou análise de dados, ou se é um gerente de contratação que vai entrevistar um candidato para uma vaga na sua empresa, é essencial conhecer as perguntas e respostas comuns em entrevistas de programação.
Preparar essas perguntas costuma ser um processo difícil e demorado, tanto para o empregador quanto para o candidato.
Neste artigo, vamos ver 24 perguntas e respostas essenciais sobre programação para quem tá começando, já tem um pouco de experiência e também para quem é mais avançado. Essas perguntas e respostas vão te ajudar a se preparar melhor para a entrevista e saber o que esperar do seu entrevistador/entrevistado.
Perguntas básicas para entrevistas sobre programação
Vamos começar com algumas das perguntas mais fáceis e comuns em entrevistas de programação.
1. O que é uma variável na programação?
As variáveis são elementos fundamentais na programação. Uma variável é basicamente um recipiente que guarda dados, e seu valor pode ser alterado durante a execução de um programa. As linguagens de programação modernas suportam vários tipos de variáveis, cada uma projetada para tipos de dados e casos de uso específicos.
Se você quer saber tudo sobre variáveis, nosso curso Introdução ao Python é um ótimo lugar para começar.
2. Explique os tipos de dados com exemplos
Na programação, os tipos de dados são os tipos de valores que as variáveis podem armazenar. Cada tipo de dado vem com propriedades associadas, que são essenciais para saber quais operações matemáticas, relacionais ou lógicas podem ser realizadas.
Por exemplo, em Python, existem vários tipos de dados numéricos, incluindo inteiros, que armazenam números inteiros, e flutuantes, que armazenam valores com pontos decimais. Também tem strings, que guardam sequências organizadas de caracteres entre aspas simples ou duplas.
integer_var = 25
float_var = 10.2
String_var = "Welcome to DataCamp"Dá uma olhada no nosso artigo separado pra descobrir os tipos de dados Python mais comuns.
3. Explique a diferença entre linguagens compiladas e interpretadas.
A principal diferença entre linguagens compiladas e interpretadas é como as instruções, também conhecidas como algoritmos, são traduzidas para código de máquina (ou seja, código binário). As linguagens compiladas são traduzidas antes da execução, enquanto as linguagens interpretadas são traduzidas durante a execução.
Isso faz com que as linguagens compiladas sejam mais adequadas para tarefas complexas que exigem velocidade, como o rastreamento de tráfego em tempo real em carros autônomos. Mas, linguagens compiladas, tipo C e C++, costumam ser mais difíceis de entender e trabalhar do que linguagens interpretadas, tipo Python.
4. O que são condicionais e loops?
As instruções condicionais, geralmente chamadas de instruções if-else, são usadas para executar certos blocos de código com base em condições específicas. Essas instruções ajudam a controlar o fluxo de um algoritmo, fazendo com que ele se comporte de maneira diferente em situações diferentes.
Já um loop na programação é uma sequência de código que fica repetindo até chegar a uma certa condição, o que ajuda a reduzir horas de trabalho para segundos. Os loops mais comuns são os loops for e os loops while. Você pode saber mais sobre eles no nosso tutorial separado sobre loops.
5. Qual é a diferença entre uma matriz e uma lista ligada?
Matrizes e listas ligadas estão entre as estruturas de dados mais importantes. São estruturas que guardam informações usando estratégias diferentes.
Uma matriz guarda elementos em locais de memória contíguos, ou seja, cada elemento é guardado em um local de memória adjacente a outro. Além disso, o tamanho de uma matriz não pode ser alterado e é declarado antes.
Matriz. Fonte
Já as listas encadeadas usam ponteiros pra guardar o endereço de memória do próximo elemento, como mostra a figura abaixo.
Lista encadeada. Fonte
No geral, as matrizes são preferíveis quando é necessário acessar elementos rapidamente e a memória é uma preocupação, enquanto as listas vinculadas são melhores em casos de inserções e exclusões frequentes.
6. Explique recursão com um exemplo
Na programação, recursão é quando uma função chama a si mesma. Um ótimo exemplo de recursão é uma função criada para calcular o fatorial de um número. Lembre-se de que o fatorial de um número inteiro não negativo n é o produto de todos os números inteiros positivos menores ou iguais a n.
def factorial(n):
if n < 2:
return 1
else:
return n * factorial(n-1)
factorial(5)
>>> 120
Curte funções recursivas? Dá uma olhada no nosso Guia para entender funções recursivas em Python pra começar.
7. O que são ponteiros e como funcionam?
Um ponteiro é uma variável que guarda o endereço de memória de outra variável como seu valor. Usados normalmente em estruturas de dados como listas encadeadas, os ponteiros permitem acesso à memória de baixo nível, alocação dinâmica de memória e muitas outras funcionalidades.
8. O que é a notação Big-O e por que ela é importante?
A notação Big-O é uma notação matemática usada para descrever a complexidade dos algoritmos. A Notação Big O mede a complexidade do pior caso de um algoritmo. Ele leva em conta a complexidade temporal, ou seja, o tempo que um algoritmo leva para ser executado completamente, e a complexidade espacial, o espaço extra de memória que um algoritmo precisa. Neste tutorial, vamos explicar os fundamentos da notação Big O.
Perguntas de entrevista sobre programação intermediária
Nesta seção, vamos falar sobre as perguntas mais comuns para candidatos que estão se preparando para cargos de nível médio e já têm alguma experiência.
Perguntas de entrevista sobre programação orientada a objetos
9. Quais são os quatro pilares da OOP?
A programação orientada a objetos é um jeito de pensar que foca nos objetos. A OOP se baseia nos quatro pilares a seguir:
- Abstração. A abstração na OOP nos permite lidar com a complexidade, escondendo detalhes desnecessários do usuário. Isso permite que o usuário implemente uma lógica mais complexa sobre a abstração fornecida, sem precisar entender ou mesmo pensar em toda a complexidade oculta.
- Encapsulamento. Esse processo de juntar seus dados e comportamento em um objeto definido por uma classe é chamado de encapsulamento.
- Herança. Essa propriedade permite a criação de novas classes que mantêm a funcionalidade das classes pai.
- Polimorfismo. Polimorfismo é um conceito que permite usar o mesmo nome para diferentes métodos que têm comportamentos diferentes dependendo da entrada.
Tem vários recursos pra aprender a usar a programação orientada a objetos, tipo o curso OOP em Python do DataCamp, o curso OOP em R e o tutorial OOP em Java.
10. Explique a diferença entre classe e objeto.
Na programação orientada a objetos, os dados e métodos são organizados em objetos que são definidos pela sua classe. As classes são feitas pra ditar como cada objeto deve se comportar, e então os objetos são criados dentro dessa classe.
11. O que é polimorfismo e como ele é implementado em Java/Python?
Na OOP, o polimorfismo permite usar o mesmo nome para métodos diferentes que têm comportamentos diferentes dependendo da entrada. Isso é normalmente usado junto com herança.
Por exemplo, digamos que temos uma classe pai chamada Shape que tem um método para calcular a área da forma. Você pode ter duas classes filhas, Círculo e Quadrado. Embora cada uma tenha o método chamado Área, a definição desse método será diferente para cada forma. Dá uma olhada nos métodos para calcular a área das diferentes formas no bloco de código abaixo.
# Define the parent class Shape
class Shape:
# Initialize the attributes for the shape
def __init__(self, name):
self.name = name
# Define a generic method for calculating the area
def area(self):
print(f"The area of {self.name} is unknown.")
# Define the child class Circle that inherits from Shape
class Circle(Shape):
# Initialize the attributes for the circle
def __init__(self, name, radius):
# Call the parent class constructor
super().__init__(name)
self.radius = radius
# Override the area method for the circle
def area(self):
# Use the formula pi * r^2
area = 3.14 * self.radius ** 2
print(f"The area of {self.name} is {area}.")
# Define the child class Square that inherits from Shape
class Square(Shape):
# Initialize the attributes for the square
def __init__(self, name, side):
# Call the parent class constructor
super().__init__(name)
self.side = side
# Override the area method for the square
def area(self):
# Use the formula s^2
area = self.side ** 2
print(f"The area of {self.name} is {area}.")12. Explique a diferença entre herança e composição.
Tanto a herança quanto a composição são técnicas usadas na OOP para melhorar a reutilização do código. O primeiro é o jeito de criar uma nova classe a partir de uma classe que já existe, pegando todas as propriedades e métodos dela. Isso envolve criar objetos complexos juntando partes simples, em vez de herdar de uma classe base.
No geral, a composição tem várias vantagens em relação à herança, como mais flexibilidade, menos complexidade e melhor manutenção.
Perguntas de entrevista sobre programação funcional
13. O que é programação funcional?
Na ciência da computação, a programação funcional é um paradigma de programação em que os programas são construídos aplicando e combinando funções. É um subtipo do paradigma de programação declarativa.
A programação funcional se destaca por ser fácil de rastrear e prever. Isso porque as funções usadas são imutáveis, ou seja, não podem ser alteradas. As funções são definidas, geralmente em uma seção separada do código (ou às vezes em um arquivo diferente), e depois usadas em todo o código conforme necessário. Esse atributo facilita saber o que está rolando em uma parte do código, já que a função funciona da mesma forma e é chamada da mesma maneira em todos os lugares.
Ainda tá confuso sobre as diferenças entre programação funcional e OOP? Dá uma olhada no nosso guia separado pra esclarecer as coisas.
14. Qual é a diferença entre programação imperativa e declarativa?
Em termos de paradigmas de programação, existem duas grandes categorias nas quais se enquadram muitos dos paradigmas comumente usados: programação imperativa e declarativa.
Em um nível mais alto, a programação imperativa é uma categoria de paradigmas em que o programador define as instruções exatas que o programa deve seguir passo a passo. O foco está em como executar o programa. Esse estilo de paradigma de programação pode ser pensado em termos de um fluxograma, onde o programa segue um determinado caminho com base em entradas específicas. A maioria das linguagens de programação mais conhecidas usa a programação imperativa.
Já a programação declarativa é uma categoria de paradigmas em que o programador define a lógica do programa, mas não dá detalhes sobre os passos exatos que o programa deve seguir. O foco está no que o programa deve executar, e não exatamente como. Esse tipo de programação é menos comum, mas pode ser usado em situações em que as regras são definidas e o caminho exato para a solução não é conhecido. Um exemplo pode ser resolver um quebra-cabeça numérico como o Sudoku.
Tem muito mais pra falar sobre paradigmas de programação. É por isso que não podemos perder essa chance de recomendar nosso Curso de Introdução aos Paradigmas de Programação.
15. O que são funções puras e por que são importantes?
As funções puras são um componente essencial da programação funcional. Simplesmente, uma função pura é um processo que recebe valores de entrada e retorna valores de saída com base apenas nos valores de entrada. Funções puras não têm “efeitos colaterais”, ou seja, não mexem com outras variáveis do programa, não gravam em arquivos e não alteram as informações guardadas em um banco de dados.
A natureza das funções puras faz delas as melhores amigas dos programadores. Primeiro, elas são muito fáceis de depurar, pois qualquer função pura com o mesmo conjunto de parâmetros sempre retornará o mesmo valor.
Pelo mesmo motivo, funções puras são mais fáceis de paralelizar, ao contrário das funções impuras, que podem interferir de tal forma que você obtém resultados diferentes em execuções diferentes, porque elas atualizam ou leem variáveis mutáveis em uma ordem diferente.
16. Explique as funções de ordem superior com um exemplo.
Na programação funcional, diferente das funções puras, uma função de ordem superior é uma função que pega uma ou mais funções como argumentos (ou seja, um parâmetro procedural, que é um parâmetro de um procedimento que é ele mesmo um procedimento), retorna uma função ou ambos.
Um exemplo comum de função de alta ordem é o ` map()` do Python. Comum em muitas linguagens de programação funcional, o método ` map() ` pega como argumentos uma função `f` e uma coleção de elementos e devolve uma nova coleção com a função aplicada a cada elemento da coleção. Por exemplo, digamos que você tem uma lista de números e quer uma nova coleção com os números convertidos em floats.
numbers = [1,2,3,4]
res = map(float, numbers)
print(list(numbers))
>>> [1.0, 2.0, 3.0, 4.0]Perguntas avançadas para entrevistas sobre programação
Por fim, vamos ver algumas das perguntas mais comuns para candidatos experientes que querem trabalhar nas principais empresas de tecnologia.
Perguntas de entrevista sobre programação dinâmica
17. O que é programação dinâmica e quando ela é usada?
A programação dinâmica é um jeito de resolver problemas complicados, dividindo-os em subproblemas menores que se sobrepõem.
Em vez de começar do zero toda vez, você fica de olho nas soluções dessas partes menores, o que significa que não precisa fazer os mesmos cálculos várias vezes. Esse método é super útil pra achar a subseqüência comum mais longa entre duas strings ou pra descobrir o custo mínimo pra chegar a um ponto específico numa grade.
18. Explique a diferença entre memoização e tabulação.
Memorização e tabulação são duas técnicas poderosas na programação dinâmica para otimizar o desempenho de algoritmos, geralmente algoritmos recursivos.
Memorização, também conhecida como captura, envolve guardar o resultado de chamadas de funções caras e devolver os resultados guardados sempre que as mesmas entradas ocorrerem novamente. Assim, os subproblemas só são calculados uma vez. A memoização segue uma abordagem de cima para baixo, o que significa que começamos pelo “problema principal” e recorremos para baixo para resolver e armazenar em cache vários subproblemas.
Já a tabulação envolve calcular todos os menores subproblemas e guardar os resultados numa tabela. É considerada uma abordagem ascendente porque começa resolvendo os menores subproblemas e, uma vez que temos todas as soluções para esses subproblemas, calculamos a solução para o problema principal.
19. Resolva a sequência de Fibonacci usando programação dinâmica.
A sequência de Fibonacci é assim: 0, 1, 1, 2, 3, 5, 8, 13, 21, 34 … onde cada número da sequência é encontrado somando os dois números anteriores.
A maneira mais fácil de resolver o problema é usando recursão, como mostramos abaixo.
# a simple recursive program for Fibonacci numbers
def fib(n):
if n <= 1:
return n
return fib(n - 1) + fib(n - 2)Mas essa não é a maneira mais eficiente de achar a sequência. O algoritmo anterior tem uma complexidade temporal exponencial, indicada como O(2^N), o que significa que o número de cálculos aumenta exponencialmente à medida que N aumenta.
Outra maneira de ver o problema da sequência de Fibonacci é dividindo-o em pequenos subproblemas, assim:
Sequência de Fibonacci para fib(5). Fonte
Como você pode ver, se a gente rodasse nosso código para n=5, a função fib() faria a mesma operação várias vezes, o que seria um desperdício de recursos de computação.
A programação dinâmica oferece várias técnicas para otimizar o cálculo da sequência de Fibonacci.
Vamos ver o problema com a memoização. Como já falamos, isso envolve guardar o resultado de chamadas de funções caras e devolver os resultados guardados sempre que as mesmas entradas aparecerem de novo. Isso é feito com o código a seguir, que guarda os resultados da função fibonacci_memo() em um dicionário. Com essa otimização, o cálculo de todas as entradas é feito só uma vez, reduzindo a complexidade do tempo para linear, indicada como O(N).
cache = {0: 0, 1: 1}
def fibonacci_memo(n):
if n in cache: # Base case
return cache[n]
# Compute and cache the Fibonacci number
cache[n] = fibonacci_memo(n - 1) + fibonacci_memo(n - 2) # Recursive case
return cache[n]
[fibonacci_memo(n) for n in range(15)]
[0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233, 377]20. Explique o conceito de subestrutura ótima e subproblemas sobrepostos.
Na programação dinâmica, os subproblemas são versões menores do problema original. Qualquer problema tem subproblemas sobrepostos se encontrar sua solução envolver resolver o mesmo subproblema várias vezes, como calcular a sequência de Fibonacci acima.
Por outro lado, um problema é considerado como tendo uma subestrutura ótima se a solução ótima para o problema dado puder ser construída a partir das soluções ótimas de seus subproblemas.
Perguntas técnicas para entrevistas de programação
21. Explique como funcionam as tabelas hash.
Hashmaps, também conhecidas como hashtables, são uma das formas mais comuns de usar o hashing. Os hashmaps guardam pares de chave-valor (por exemplo, ID do funcionário e nome do funcionário) numa lista que dá para acessar através do seu índice. A gente pode dizer que um hash map é uma estrutura de dados que usa técnicas de hash pra guardar dados de um jeito associativo.
A ideia por trás dos hashmaps é distribuir as entradas (pares chave/valor) por uma matriz de compartimentos. Dada uma chave, uma função hash vai calcular um índice diferente que sugere onde a entrada pode ser encontrada. Usar um índice em vez da chave original faz com que os hashmaps sejam super legais para várias operações de dados, como inserir, tirar e procurar dados.
Um exemplo ilustrativo de tabelas hash são os dicionários Python. Dá uma olhada no nosso Guia de Hashmaps Python pra saber mais sobre essas estruturas de dados incríveis.
22. O que é um impasse em multithreading?
O threading permite que você execute diferentes partes do seu processo simultaneamente. Essas diferentes partes geralmente são individuais e têm uma unidade de execução separada pertencente ao mesmo processo. O processo não passa de um programa em execução que possui unidades individuais que podem ser executadas simultaneamente.
O impasse acontece quando várias threads ficam bloqueadas indefinidamente, esperando por recursos que outras threads estão segurando. Esse cenário leva a um ciclo vicioso de dependências, no qual nenhum dos threads envolvidos consegue avançar.
Dá uma olhada no tutorial sobre threads em Python do DataCamp pra saber mais sobre threads e por que elas são importantes pra análise de dados.
23. Qual é a diferença entre a busca em largura (BFS) e a busca em profundidade (DFS)?
A busca em largura (BFS) e a busca em profundidade (DFS) são algoritmos de travessia de grafos feitos pra explorar um grafo ou árvore.
O BFS dá uma olhada no gráfico nível por nível, visitando todos os nós na profundidade atual antes de passar para o próximo. Por outro lado, o DFS prioriza explorar um ramo o mais profundamente possível antes de voltar atrás para investigar ramos alternativos.
O BFS é super útil quando a ideia é achar o caminho mais curto num gráfico sem pesos. Mas, o BFS pode usar bastante memória, principalmente em gráficos grandes, porque precisa acompanhar todos os nós em cada nível. O BFS é uma ótima escolha pra análise de redes sociais ou problemas simples de roteamento.
Já o DFS é útil quando o objetivo é explorar todos os caminhos ou soluções possíveis, como resolver quebra-cabeças ou encontrar ciclos em um gráfico. Ao contrário do BFS, o DFS não garante o caminho mais curto. Mas, ele usa menos memória, porque só fica de olho no caminho atual.
Você pode saber mais sobre esses algoritmos nos nossos Guias de Pesquisa em Largura e Pesquisa em Profundidade.
24. Qual é a complexidade temporal do quicksort e do mergesort?
A classificação por mesclagem funciona dividindo recursivamente a matriz de entrada em submatrizes menores e classificando essas submatrizes, depois mesclando-as novamente para obter a saída classificada. Tem uma complexidade temporal linear, indicada como O(N log(N)).
Na notação Big O, o tempo linearítico se comporta de forma parecida com o tempo linear, o que quer dizer que, se a quantidade de dados de entrada dobrar, o tempo que a classificação por mesclagem leva para processar os dados também vai dobrar.
O algoritmo de classificação rápida usa uma técnica de partição, escolhendo um valor da lista chamado pivô. Todos os itens menores que o pivô vão ficar à esquerda dele, e os maiores, à direita. A classificação rápida vai ser chamada de forma recursiva nos elementos à esquerda e à direita do pivô.
A classificação rápida tem uma complexidade temporal exponencial, indicada como O(N^2), para o pior cenário possível, que ocorre quando a escolha do pivô resulta consistentemente em partições desequilibradas.
Conclusão
Neste artigo, falamos sobre várias perguntas de entrevistas de programação, desde o básico até o avançado. Desde entender os conceitos básicos de estruturas de dados, como matrizes e listas vinculadas, até mergulhar em técnicas mais complexas das áreas de OOP, programação funcional e programação dinâmica, a gente explorou as principais áreas que os possíveis empregadores podem perguntar.
Se você precisa de mais treinamento em programação para sua entrevista ou está interessado em perguntas de entrevista para outras funções na área de dados e IA, confira os seguintes recursos:
- 28 perguntas mais frequentes em entrevistas para cientistas de dados de todos os níveis
- As 36 principais perguntas e respostas para entrevistas sobre Python para 2026
- As 51 principais perguntas e respostas para entrevistas sobre warehouse de dados para 2026
- As 30 principais perguntas sobre machine learning para entrevistas em 2026
- 80 perguntas e respostas mais frequentes em entrevistas sobre SQL [2026]
- Pratique perguntas de entrevista sobre programação em Python
- As 30 principais perguntas em entrevistas sobre Big Data: Um guia prático completo
- As 39 principais perguntas e respostas para entrevistas de engenharia de dados em 2026
- As 34 principais perguntas e respostas para entrevistas sobre MySQL para 2026
Por que praticar para entrevistas de programação é importante?
As perguntas das entrevistas de programação são difíceis?
Qual é a melhor maneira de se preparar para as perguntas da entrevista de programação?
Por que aprender as perguntas da entrevista de programação é importante para contratar especialistas?
Tópicos
