Digitalización aplicada al sistema productivo UD06

1º ACTIVIDAD. .

¿Cuál es la principal diferencia entre datos e información?. Los datos se convierten en información automáticamente. Los datos son hechos sin procesar, mientras que la información se ha interpretado y comunicado. La información es la materia prima necesaria para producir datos. Los conceptos de datos e información son sinónimos.

Tener demasiados datos: Facilita la información de lo importante. Ayuda en la toma de decisiones. Simplifica el enfoque. Puede paraliza o entorpece al complicar la identificación de lo realmente importante.

¿Qué implica el ciclo de vida de los datos?. Una secuencia lineal de eventos. Una serie de fases desde la creación hasta la eliminación o archivado de los datos. La recopilación de datos sin un orden concreto. Un proceso exclusivo de captura de datos.

El objetivo de la fase de «Uso operativo» es: Emplear datos procesados para apoyar la toma de decisiones. Procesar y analizar datos para extraer información valiosa. Eliminar datos al final de su vida útil. Almacenar datos en la nube.

Los datos se convierten en información: En la fase de «Procesamiento y visualización». En la fase de «Captura». En la fase de «Uso operativo». En la fase de «Almacenamiento».

Señala la opción correcta entre el deep learning y el machine learning: El machine learning es más avanzado que el deep learning. Ambos conceptos son sinónimos. El deep learning utiliza algoritmos y modelos estadísticos, mientras que el machine learning utiliza redes neuronales artificiales. El deep learning es una forma avanzada de machine learning que utiliza redes neuronales artificiales para tareas más complejas.

La dimensión «volumen» en las 5 V del big data implica: El aumento constante en la cantidad de datos generados o procesados por una empresa. La variedad de fuentes de datos. La rapidez del análisis de los datos. La certeza de los datos para tomar decisiones correctas.

¿Qué palabra se usa para nombrar a los objetos inteligentes que se pueden llevar en el cuerpo, como relojes, pulseras o auriculares capaces de tomar datos de constantes biológicas?. Chatbot. Dashboard. KPI. Wearables.

¿Cuál de las siguientes afirmaciones describemejorla relación entre Big Data y el análisis de datos?: El Big Data se refiere a conjuntos de datos tan grandes y complejos que los métodos tradicionales no pueden procesar, y el análisis de datos es el proceso de examinar estos conjuntos para descubrir patrones y extraer información útil. El Big Data se refiere únicamente a la recolección de datos, mientras que el análisis de datos es el proceso de visualizarlos. El análisis de datos es la tecnología ue permite almacenar grandes volúmenes de información y el Big Data es el resultado de ese almacenamiento.

Podría definirse el big data como: Datos pequeños, lentos o simples de procesar. Datos que son tan grandes, rápidos o complejos que son difíciles de procesar con métodos tradicionales. Datos que son fáciles de procesar con métodos tradicionales. Datos que no tienen relevancia para las empresas.

¿Cuál de los siguientes es un desafío común asociado con la gestión y el uso efectivo del Big Data?. La falta de herramientas disponibles para procesar grandes volúmenes de información. La necesidad de invertir en infraestructura y personal capacitado para manejar y analizar el vasto volumnen de datos. La dificultad de generar suficientes datos para el análisis. La facilidad con la que se pueden extraer conclusiones precisas de cualquier conjunto de datos grande.

¿Cuáles son las dimensiones que conforman el Big Data, también conocidas como "las 5 V"?. Variabilidad, Velocidad, Vaguedad, Volumen y Verificación. Volumen, Valor, Versatilidad, Velocidad y Vaguedad. Volumen, Velocidad, Variedad, Veracidad y Valor. Volumen, Velocidad, Varianza, Valor y Veracidad.

¿Cuál de las siguientes afirmaciones es verdadera sobre la inteligencia artificial, el machine learning y el deep learning?. La inteligencia artificial y el machine learning son términos intercambiables que describen el mismo concepto. Tanto el machine learning como el deep learning posibilitan el aprendizaje automático y profundo de los sistemas de inteligencia artificial. El deep learning es más avanzado que el machine learning y no forma parte de la inteligencia artificial. La inteligencia artificial se refiere exclusivamente al uso de algoritmos tradicionales para resolver problemas complejos.

¿Cuál de las siguientes frases describe mejor a la ciencia de datos?. Un campo especializado en la recopilación de datos masivos. Un campo multidisciplinario que utiliza métodos científicos para extraer conocimientos de datos. Un enfoque centrado en la visualización de datos. La aplicación exclusiva de técnicas de aprendizaje automático.

¿Cómo puede beneficiarse el sector bancario mediante la aplicación de Big Data?. Analizando grandes volúmenes de datos para detectar patrones de comportamiento de los clientes y mejorar la personalización de servicios financieros. Creando nuevas redes sociales internas para mejorar la comunicación interna. Desarrollando software colaborativo para aumentar la productividad de los empleados. Mejorando la eficiencia operativa a través de la automatización de procesos.

2º ACTIVIDAD. .

¿A qué dimensión del Big Data pertenece a la siguiente afirmación: ''las conclusiones deben ser útiles''?. Volumen. Veracidad. Variedad.

¿Cuál es la primera fase del ciclo de vida de los datos?. Procesamiento. Almacenamiento. Captura.

¿Cuál es una desventaja del Big Data?. Almacenamiento de datos. Eliminación de datos. Calidad y cantidad de datos.

¿Cuál de las siguientes afirmaciones es un desafío al manejo de grandes volúmenes de datos?. Un exceso de datos facilita la identificación de lo importante. Los datos automáticamente ofrecen interpretaciones claras y precisas. Los datos, por sí solos, no ayudan a saber que debe hacerse y pueden dificultar la toma de decisiones.

Señala la respuesta correcta en relación con el aprendizaje automático y el aprendizaje profundo: El aprendizaje automático es más avanzado que el aprendizaje profundo y utiliza redes neuronales artificiales para tareas complejas. El aprendizaje profundo no requiere de grandes volúmenes de datos para ser efectivo. El aprendizaje automático utiliza algoritmos y modelos estadísticos para que las máquinas aprendan a realizar tareas específicas sin intervención humana directa.

3º ACTIVIDAD. .

Indica si las siguientes afirmaciones son verdaderas o falsas: Siempre es bueno tener muchos datos para realizar estadísticas. La información puede ser procesada aún más para convertirse en conocimiento. ''Hemos incrementado un 3% el volumen de facturación'': es un dato. Todas las empresas necesitan datos para analizar y así poder tomar decisiones. Un dato es una cantidad sin analizar y que por sí solo no tienen significado.

Relaciona cada dimensión del big data con su descripción: Velocidad. Veracidad. Volumen. Valor. Variedad.