CIENCIA DE DATOS

¿Qué es la Ciencia de Datos?

• Un área que estudia las computadoras y su arquitectura.

• Una disciplina que analiza datos para extraer información significativa.

• Un método para crear algoritmos de redes sociales.

• Un campo dedicado solo a la inteligencia artificial.

¿Cuál de los siguientes NO es un tipo de análisis en Ciencia de Datos?

• Análisis descriptivo

• Análisis diagnóstico

• Análisis prescriptivo

• Análisis visual

¿Cuál de estos ejemplos representa el análisis predictivo?

• Un gráfico que muestra el número de ventas de los últimos 6 meses.

• Un modelo que estima las ventas del próximo año basándose en datos históricos.

• Un informe que explica por qué bajaron las ventas el mes pasado.

• Un análisis que recomienda la mejor estrategia de marketing para mejorar ventas.

¿Por qué es importante la Ciencia de Datos en las empresas?

• Porque solo se usa para almacenar información.

• Porque reemplaza completamente la inteligencia artificial.

• Porque ayuda a entender mejor los datos y tomar decisiones estratégicas.

• Porque elimina la necesidad de analistas en las empresas.

¿Cuál es una de las fases del proceso de Ciencia de Datos?

• Obtención, depuración, exploración y modelado de datos.

• Publicación de reportes.

• Uso exclusivo de redes neuronales.

• Eliminación de datos innecesarios sin análisis.

¿Por qué es importante eliminar el sesgo en modelos de IA?

• Para lograr modelos 100% precisos.

• Para hacer predicciones justas.

• Porque solo afecta a la regresión.

• Porque el sesgo mejora el modelo.

¿Qué herramienta de AWS facilita el machine learning?

• Amazon Athena

• Amazon Glue

• Amazon SageMaker

• Amazon Redshift

¿Cuál es un reto común en ciencia de datos?

• Limpiar y unificar datos de varias fuentes.

• Tener acceso ilimitado a datos.

• Evitar el uso de machine learning.

• No trabajar con otros equipos.

¿Para qué se usa la computación en la nube en ciencia de datos?

• Para hacer modelos más precisos sin entrenamiento.

• Para evitar la limpieza de datos.

• Para almacenar y procesar grandes volúmenes de datos.

• Solo para guardar datos históricos.

¿En qué se diferencia la clasificación de la agrupación?

• La clasificación es manual, la agrupación es automática.

• La clasificación es más precisa que la agrupación.

• La agrupación solo se usa en big data.

• La clasificación usa categorías fijas, la agrupación no.