big data

¿Qué tipo de escalabilidad implica agregar más nodos al sistema para distribuir la carga de trabajo entre ellos?. Escalabilidad distribuida. Escalabilidad horizontal. Escalabilidad vertical. Escalabilidad predictiva.

¿Cuáles son las Vs del BigData?. Vulnerabilidad, velocidad, variedad, verificación y valor. Volumen, VPN, versión, vulnerabilidad y valor. Volumen, velocidad, variedad, veracidad y valor. Valor, velocidad, VR, veracidad y vishing.

¿Cuál de las siguientes oraciones NO pertenece al objetivo de una Evaluación del Caso de Negocio?. Establecer objetivos clave y los resultados esperados del análisis. Identificar los beneficios potenciales y el impacto en la organización. Determinar si vale la pena invertir recursos en el análisis. Identificar fuentes de datos internas y externas.

¿Qué derecho garantiza el GDPR a los ciudadanos en relación con sus datos personales?. Derecho a la supresión (derecho al olvido). Derecho a la libre copia de software. Derecho a ignorar las políticas de privacidad. Derecho a vender sus datos sin restricciones.

La escalabilidad. dividir tareas complejas en otras mas sencillas repartiéndolas en múltiples nodos. vertical consiste en aumentar las capacidades de un único nodo o servidor. horizontal consiste en aumentar las capacidades de un único nodo o servidor. consiste en agregar más nodos o servidores al sistema para distribuir la carga de trabajo.

¿Cuál de las siguientes afirmaciones describe correctamente la escalabilidad horizontal en el contexto del Big Data?. Se refiere a aumentar la capacidad de un solo servidor mediante mejoras en hardware como más memoria o almacenamiento. Consiste en reducir el volumen de datos sin perder valor mediante técnicas de compresión. Implica agregar más nodos o servidores al sistema para distribuir la carga de trabajo. Es el proceso de convertir datos no estructurados en metadatos para mejorar la eficiencia del análisis.

En un sistema de monetización con Big Data, ¿en qué consiste la Personalización de Interacciones Sociales?. En analizar datos masivos de interacciones, para identificar y mitigar comportamientos tóxicos. En procesar millones de datos por segundo, para ajustar la IA enemiga, recursos o desafíos. En examinar las conexiones sociales del jugador, sus interacciones en chats, clanes o foros, para crear experiencias multijugador optimizadas. En ajustar precios y disponibilidad de objetos virtuales a partir de datos sobre la oferta y demanda.

En los tipos de modelo de negocio en juegos, el juego como servicio (Gaas): Ofrecen contenido continuo y actualizaciones, a menudo mediante suscripciones o microtransacciones. Requiere un pago inicial para acceder al juego completo. El juego es gratuito, pero incluye compras dentro de la aplicación para generar ingresos. La A y la B son correctas.

Cuál de los siguientes NO es un Tipo de Modelo de Negocio?: Free-to-Play (F2P). Pay-to-Play (P2P). MMORPG. Juegos como Servicio (GaaS).

¿Cuál es un modelo de monetización basado en ofrecer contenido gratuito con opciones de pago?. Pay-to-Play. Free-to-Play. Publicidad integrada. Venta de licencias.

¿Qué método NO es válido para predecir el abandono en un videojuego?. Análisis de Retención. Evaluación de Campañas de Marketing. Modelos Predictivos. Feedback y Encuestas Dirigidas.

¿Cuál es un tipo de monetización en videojuegos?. Donaciones únicas. Anuncios integrados. Licencias gratuitas. Pagos con cheques.

¿Cuál es una ventaja del procesamiento Streaming sobre el procesamiento Batch?. Permite obtener respuestas en tiempo real. Los datos se recopilan en bloques, haciendo más eficiente el procesamiento. Tiene una latencia más alta. Permite procesar grandes volúmenes de datos en intervalos regulares.

¿Cuál de estas diferencias entre una ontología y un modelo semántico en videojuegos es falsa?. El modelo semántico tiene un alcance más general y flexible mientras que la ontología es más específica y rigurosa. La ontología siempre es formal y estructurada mientras que el modelo semántico puede ser también informal. Todos las ontologías son modelos semánticos, pero no todos los modelos semánticos son ontologías. Una ontología no puede usarse para la interoperabilidad de datos, pero un modelo semántico sí.

¿Cuál de los siguientes no pertenece al conjunto de Datos de telemetría?. Latencia media del servidor. Tracking en tiempo real. Heatmaps. Comportamiento sospechoso.

¿Cuál es una desventaja de la arquitectura Lambda?. No permite resultados precisos. Solo funciona con datos estructurados. Requiere mantener dos capas de procesamiento. No puede escalar horizontalmente.

Cuál NO es un conjunto de datos para analizar en un videojuego: Datos de comportamiento del jugador. Datos de rendimiento del juego. Datos de merchandising. Datos sociales y de comunidad.

¿Qué tipo de datos en videojuegos incluye rutas preferidas y decisiones del jugador?. Datos técnicos. Datos de comportamiento del jugador. Datos económicos. Datos demográficos.

¿Qué mide el LTV (Lifetime Value)?. El costo de adquirir un nuevo usuario en términos de inversión. El tiempo promedio que un usuario permanece activo. El porcentaje de usuarios que realizan compras. El ingreso promedio que genera un jugador a lo largo de su vida en el juego.

¿Cuál de estas afirmaciones es verdadera?. El Retorno de Inversión (ROI) y Duración promedio de sesión (Session Length) son métricas clave para medir la participación de los usuarios en una aplicación o juego. Los Usuarios Activos Diarios (DAU) y Usuarios Activos Mensuales (MAU) son métricas clave para medir la participación de los usuarios en una aplicación o juego. Los Usuarios Activos Diarios (DAU) y Usuarios Activos Mensuales (MAU) son métricas clave para medir el porcentaje de jugadores que abandonan el juego en los primeros 5 minutos tras su primera sesión. La Tasa de Viralidad (K-factor) y Latencia en Multiplayer son métricas clave para medir la participación de los usuarios en una aplicación o juego.

¿Qué mide el Ratio de bajas muertes (K/D o KDA)?. Número de veces que el jugador muere durante la partida. Eficiencia combativa del jugador en juegos competitivos. Número de bajas conseguidas, únicamente. Promedio de tiempo entre bajas conseguidas.

¿Qué indica una alta tasa de rebote en un juego?. Que los jugadores completan niveles rápidamente. Que muchos jugadores abandonan en los primeros 5 minutos. Que el juego tiene pocos anuncios. Que los servidores son estables.

Indique que afirmación es FALSA. Las métricas de rendimiento técnico son clave para juegos competitivos. El nivel de interacción social es importante en los juegos MOBA. La Tasa de Visualización de Ads es importante en los juegos hipercasual. El tiempo promedio en mazmorras es relevante en los juegos de rol.

¿Qué indica un valor cercano a 1 en la métrica de “stickiness”?. Que los jugadores usan el juego solo una vez al mes. Que los jugadores abandonan el juego. Que casi todos los jugadores mensuales juegan diariamente. Que los ingresos han disminuido.

¿Cuál de los siguientes es un ejemplo de aprendizaje supervisado?. Predecir el precio de una casa basado en su tamaño y ubicación. Algoritmos que pueden aprender a jugar videojuegos o juegos de mesa, como el ajedrez. Segmentación de jugadores por características similares. Un coche autónomo que aprende a navegar por las calles.

La regresión polinomial... Ajusta un hiperplano que mejor separa las clases, asegurando que el margen sea lo más grande posible y permite que generalice mejor a nuevos datos. Se basa en la idea de crear un conjunto de árboles de decisión (un bosque de árboles) y hacer que cada uno de ellos contribuya a la predicción final. Su objetivo es dividir un conjunto de datos en un número predefinido de grupos, llamados clústeres, de manera que los elementos dentro de cada clúster sean lo más similares posibles entre sí y lo más distintos posibles de los de otros clústeres. Es un modelo de aprendizaje automático supervisado utilizado para predecir un valor continuo a partir de una o más variables independientes.

¿Cuál de los siguientes pasos NO está incluido en el Descenso del gradiente en la Regresión Lineal?. Inicialización. Predicción. Actualización de métricas. Cálculo del error.

¿Cuál es una ventaja de las redes neuronales?. Bajo consumo de recursos. Fácil interpretabilidad. Capacidad para modelar relaciones complejas. No requieren datos de entrenamiento.

Si hablamos de modelos de aprendizaje de varias dimensiones... Los árboles de decisión son el indicado. La regresión lineal es el indicado para ello. Las máquinas de soporte vectorial (SVM) son las indicadas para ello. No existe un modelo pensado para ello.

¿Quién definió el aprendizaje automático como la mejora del rendimiento con la experiencia?. Arthur Samuel. Geoffrey Hinton. Tom M. Mitchell. Yann LeCun.

¿Qué tipo de gráfico debe evitarse para no inducir errores en la interpretación de datos?. Gráficos de columnas cuya escala comienza en 0. Mapas de calor. Gráficos circulares en 3D. Gráficos de líneas.

¿Qué técnica de visualización identifica la intensidad de la actividad en diferentes zonas?. Gráficos de dispersión. Mapas de calor. Diagrama de Sankey. Coordenadas paralelas.

¿Cuál de las siguientes herramientas de visualización pertenece a Microsoft?. ECharts. Tableau. D3.js. Power BI.

¿Qué herramienta permite crear visualizaciones personalizadas y complejas pero tiene una curva de aprendizaje alta?. Chart.js. Power BI. Google Charts. D3.js.

¿Qué NO supone un desafío real en la visualización de datos?. Simplificación de la información visual. Interpretación clara de datos complejos. Mejorar la accesibilidad y usabilidad. Monitoreo en tiempo real.

¿Cuál es una ventaja clave de la visualización de datos?. Reduce el tamaño de los archivos. Sustituye el análisis estadístico. Facilita la comprensión de datos complejos. Elimina la necesidad de modelos predictivos.