A) Obtener información relevante y útil a partir de los datos B) Recopilar la mayor cantidad de datos posible C) Eliminar cualquier dato que no sea relevante D) Mantener los datos en privado sin analizarlos
A) Funciones matemáticas complejas B) Algoritmos de clasificación C) Métodos de cifrado de datos D) Regresión lineal
A) La correlación muestra una relación entre variables, mientras que la causalidad implica una relación de causa y efecto B) La causalidad es más precisa que la correlación C) Correlación y causalidad son términos intercambiables D) La correlación siempre indica una causa directa
A) Un modelo que utiliza datos existentes para predecir resultados futuros B) Un modelo que se enfoca en analizar datos no relacionados C) Un modelo que ignora por completo los datos D) Un modelo que busca retroceder en el tiempo para analizar datos pasados
A) Análisis de datos sin considerar el tiempo B) Análisis de datos de forma aleatoria C) Análisis de datos utilizando solo una variable D) Análisis de datos recopilados en intervalos de tiempo secuenciales
A) Aumenta la complejidad de los datos sin beneficios claros B) Hace que los datos sean incomprensibles para cualquier persona C) Es un paso innecesario en el proceso de análisis D) Facilita la interpretación y comunicación de los resultados de manera efectiva
A) Eliminar cualquier descripción de los datos B) Descripción de patrones y características de los datos mediante estadísticas y visualización C) Crear narrativas ficticias sobre los datos D) Generar datos nuevos no basados en la muestra
A) Recolectar toda la información disponible sin procesarla B) Eliminar cualquier parámetro innecesario en los datos C) Calcular los valores desconocidos de una población basándose en una muestra D) Aplicar cambios drásticos a los datos originales
A) Datos adicionales para complicar el análisis sin aportar información relevante B) Medidas utilizadas para evaluar el rendimiento de un modelo predictivo C) Información innecesaria que distrae de los resultados conseguidos D) Reglas arbitrarias para determinar el resultado de un análisis
A) Proceso de determinar la actitud o emoción asociada con un texto B) Eliminar cualquier sentimiento del análisis de texto C) Un proceso para generar texto aleatorio sin significado D) Un análisis exclusivo de palabras negativas en el texto
A) Convertir variables continuas en categorías discretas B) Añadir ruido a los datos para dificultar el análisis C) Eliminar variables sin importancia en los datos D) Combinar múltiples conjuntos de datos en uno solo
A) El proceso de ajustar un modelo a nuevos datos de manera precisa B) Un ajuste óptimo del modelo a todos los datos disponibles C) La falta de ajuste de un modelo a los datos D) Cuando un modelo se ajusta demasiado a los datos de entrenamiento y pierde generalización
A) Proceso de añadir datos irrelevantes al análisis B) Proceso de ocultar información clave en los datos C) Proceso de selección y transformación de atributos relevantes para análisis D) Proceso de duplicar los datos originales sin cambios
A) Los nodos representan países y los bordes son eventos en la historia B) Los nodos son datos irrelevantes y los bordes son límites entre regiones C) Los nodos representan entidades (como personas) y los bordes las conexiones entre ellas D) Los nodos son conectores y los bordes representan el flujo de datos
A) Proceso de descubrir patrones y conocimientos útiles en grandes conjuntos de datos B) Ocultar intencionalmente información en los datos C) Generar datos de forma aleatoria sin propósito definido D) Manipular los datos para obtener resultados específicos
A) Permite tomar decisiones fundamentadas basadas en los análisis realizados B) La interpretación de resultados no aporta valor al análisis C) Los resultados nunca deben interpretarse en análisis de datos D) La interpretación de resultados puede distorsionar la realidad
A) Un método para duplicar los datos antes de analizarlos B) Un proceso innecesario que no aporta valor al modelo C) Método para evaluar el rendimiento de un modelo al dividir los datos en conjuntos de entrenamiento y prueba D) Un proceso que implica aceptar un modelo sin ninguna validación
A) Los datos limpios no son necesarios en el análisis B) Los datos limpios son difíciles de obtener y procesar C) Los datos limpios garantizan la precisión y fiabilidad de los resultados D) Los datos limpios generan análisis incorrectos
A) Aumentar la complejidad de los datos sin beneficio claro B) Eliminar por completo cualquier información en los datos C) Añadir componentes innecesarios a los datos D) Reducir la dimensionalidad de un conjunto de datos conservando la mayor cantidad de información
A) Una representación visual de la correlación entre dos variables B) Un gráfico que muestra la distribución de un conjunto de datos y resalta los valores atípicos C) Un gráfico que simplifica los datos en exceso D) Un gráfico que oculta información sobre los datos |