1 - ¿Qué tipos de beneficios aporta la Inteligencia de Negocio? Tangibles , intangibles y estratégicos Empresariales y corporativos Cuantitativos y cualitativos.
2 - ¿Qué significa OLAP? Procesamiento de transacciones fuera de línea Procesamiento de transacciones en línea Procesamiento analítico en linea.
3 - ¿Qué elementos forman el proceso de ETL? Extracción, Transformación y Carga Recopilación , Limpieza y Codificación Experimentación , Truncado y Liberación.
4- El objetivo principal de la Inteligencia de Negocio es proporcionar herramientas y metodologías que permitan tomar decisiones de negocio: Efectivas y a tiempo A partir de muy pocos datos Utilizando los datos de la competencia.
5- Diferencia entre un Data Warehouse y un DataMart : Son dos formas de denominar el mismo concepto El Data Warehouse está pensado para cubrir las necesidades de trabajo de un área o departamento dentro de la organización , mientras que el ámbito de un DataMart es la organización al completo El DataMart está pensado para cubrir las necesidades de trabajo de un área o departamento dentro de la organización , mientras que el ámbito de un Data Warehouse es la organización al completo.
6 - ¿Qué es la minería de datos? La utilización de técnicas estadísticas para el preprocesamiento manual de los datos del negocio El proceso de exploración y análisis de los datos para obtener patrones significativos y reglas de negocio El proceso de manual de extracción de patrones de los datos y reglas de negocio.
7- En un sistema de Inteligencia de negocio , qué elemento va un paso más allá de la Inteligencia de negocio : Analítica de negocio Análisis multidimensional OLAP Data warehouse.
8- Cuál de las siguientes es una herramienta de IN de fuente abierta: Jaspersoft Knime Tableau.
9- El algoritmo Selección hacia delante de características consiste en: Comienza con el conjunto vacío y de forma secuencial añade al subconjunto actual S el atributo Xi que maximiza f(S,Xi) Tiene dos métodos : uno comienza por el conjunto vacío y otro por el total Comenzar con el conjunto completo y de forma secuencial elimina del subconjunto actual S el atributo X que decrementa menos f(S-X) .
10- ¿Cuáles son los dos componentes principales en un algoritmo de selección de características? Ninguno de los dos anteriores Una estrategia de búsqueda y un filtro Una estrategia de búsqueda y una función objetivo .
11- ¿Definición de análisis univariante? Es el análisis en el que se investigan las relaciones que se mantienen dentro de un subconjunto de atributos Es el análisis en el que se investigan las relaciones entre las variables Es el análisis en el que se investigan las propiedades de cada atributo individual del conjunto .
12- El enfoque de tipo filtro de la función objetivo consiste en: Evaluar los subconjuntos basándose en la información que contienen Ninguna de las otras respuestas es correcta Consiste en aplicar la técnica de aprendizaje.
13- El valor para describir la relación entre el tamaño del efecto mostrado en un gráfico y el tamaño del efecto mostrado en los datos, ¿se define como? Codificación Visualización de datos Factor de mentira (lie factor) .
14- ¿Cuál de las siguientes es una medida de análisis bivariate de categórica con categórica? Scatter plot Anova Chi-cuadrado.
15- El proceso que busca transformar los valores continuos que se encuentran ordenados en valores categóricos se denomina: Agrupamiento Discretización Codificación.
16- ¿Qué es la extracción de características? Seleccionar un subconjunto de características relevantes Eliminar características del modelo Crear nuevas características a partir de las características original.
17- ¿Qué es la entropía dentro de la evaluación de clustering? Un índice externo o interno que utiliza para comparar dos clusters diferentes Un indice que se utiliza para medir el grado en que las etiquetas del cluster emparejan con las etiquetas de la clase Un indice que se utiliza para medir la bondad de la estructura del clustering sin tener en cuenta la información externa.
18 - ¿ A qué tipo de agrupamiento pertenece el algoritmo Optics ? Clustering jerárquico Clustering particional Clustering basado en densidad .
19- ¿Cuál de las siguientes no es una solución al problema de los centroides iniciales de k-means? Seleccione más de k centroides iniciales y luego seleccionar entre estos los centroides iniciales Utilizar una agrupación basada en densidad para determinar los centroides iniciales Bisección K–means.
20- ¿Qué tipo de agrupamiento es más adecuado cuando los clusters tienen formas irregulares , o ruido en los datos? Clustering jerárquico Clustering basado en densidad Clustering particional.
21 - ¿Cuál de los siguientes algoritmos de clustering está pasado en probabilidades? Chameleon Optics EM.
22- ¿Qué tipo de Clustering es el que comienza con los puntos como clusters individuales , y en cada paso se fusionan el par más cercano de clusters hasta que sólo quede un grupo? Divisivo Particional Aglomerativo.
23- ¿Cuál es las siguientes afirmaciones acerca del algoritmo de clustering particional k-means es falsa? No funciona bien ante datos ruidosos No funciona bien en clusters convexos No funciona bien en clusters de diferente densidad .
24 - ¿Qué es el medoide? Un elemento fuera del cluster El promedio de todos los puntos en el clúster El punto más al representativo del clúster .
25- La tarea de minería de datos orientada a predecir una variable continua se denomina : Regresión Clasificación Predicción de series temporales.
26- En el Boosting : Todos los clasificadores se inducen a la vez Cada clasificador se induce independientemente Cada clasificador tiene en cuenta los fallos del anterior.
27- La calidad de los datos de entrada a los modelos de predicción tiene una incidencia en la calidad de los resultados : No influye Alta Baja.
28- ¿Cuál de los siguientes métodos representan la incertidumbre asociada los procesos de forma natural? C4.5 kNN Naive-Bayes.
29 - Random Forest es uno de los métodos más utilizados de : Boosting Bagging Sampling.
30- El algoritmo de clasificación SVM busca el hiperplano... ... con menor distancia a los ejemplos ... con mayor distancia a los ejemplos ... sin que influya la distancia a los ejemplos.
31- Qué función de distancia utiliza KNN con variables categóricas : Distancia de Hamming Distancia de Manhatan Distancia Euclidea.
32- El mecanismo de validación que divide el dataset en k subconjuntos de Entrenamiento y prueba con muestrea aleatorio sin reemplazamiento se denomina: K-fold Leaving one out Random subsampling.
33- ¿Qué algoritmo está orientado al descubrimiento de patrones temporales? GSP PT-max FP-Growth.
34- Un inconveniente del análisis de la cesta de la compra es que : Sólo trabaja con datos de longitud fija Es un proceso computacional complejo Tiende a eliminar los elementos anómalos ( casos raros ) .
35- El enfoque habitual para la obtención de reglas de asociación descompone el problema en dos pasos : Generación y filtrado de reglas Generación y poda de conjuntos candidatos de artículos frecuentes Generación del conjunto de artículos frecuentes y de reglas con fuerte asociación .
36- El descubrimiento de subgrupos es una técnica : De inducción descriptiva A medio camino entre la inducción predictiva y la descriptiva De inducción predictiva.
37- Los algoritmos de descubrimiento de subgrupos SDIGA , MESDIF y NMEEF-SD son : Extensiones de algoritmos de clasificación Algoritmos evolutivos Extensiones de algoritmos de asociación.
38- Dada una base de datos de secuencias y un umbral se soporte mínimo , el objetivo del descubrimiento de patrones temporales es encontrar : Todas las subsecuencias con soporte igual o mayor al soporte mínimo Las secuencias más cortas con soporte inferior al soporte mínimo Las secuencias de mayor longitud.
39- Dada la secuencia < {1,4} {1,2,3}{2,3,5} > , ¿ cuál de las siguientes es una subsecuencia suya ? < {1} {4} {5} > < {1,2,5} > < {1}{5} > .
40- Dado un conjunto T de transacciones, el objetivo de la minería de reglas de asociación es encontrar : TODAS las reglas que cumplan con los umbrales de Soporte y Confianza Las k reglas más precisas TODAS las reglas posibles.
41- ¿Qué elemento NO forma parte de la arquitectura de un sistema de Inteligencia de negocio?: Informes de auditoría Data warehouse Análisis multidimensional OLAP.
42-Según The Data Warehousing Institute , Inteligencia de Negocio se refiere al proceso de : Extraer datos del conocimiento para obtener información Ir probando acciones para obtener conocimiento del negocio Convertir datos en conocimiento y conocimiento en acciones para crear la ventaja competitiva del negocio.
43- ¿Qué algoritmo de extracción de reglas de asociación utiliza una representación comprimida de la base de datos con una estructura de árbol? priori CN2 FP-Tree.
44- ¿Cómo funciona el descubrimiento de subgrupos? Busca subgrupos de la población cuya distribución estadística sea lo más similar posible a la del conjunto de la población sin considerar una variable objetivo Busca subgrupos de la población que representen al conjunto completo Busca subgrupos de la población que presenten desviaciones significativas interesantes respecto al comportamiento del conjunto de la población.
45- La estrategia de generación de conjuntos frecuentes que consiste en utilizar estructuras de datos eficientes para almacenar candidatos o transacciones es : Reducir el número de candidatos Reducir el número de comparaciones Reducir el número de transacciones.
46- Cuando ninguno de los superconjuntos inmediatos de un conjunto es frecuente , este conjunto se denomina : Conjunto cerrado Conjunto frecuente máximo Conjunto soporte.
47- ¿Qué tipo de información incluyen los patrones secuenciales que no consideran las reglas de asociación? Co-ocurrencia Frecuencia Temporal .
48- La validación mediante bootstrap utiliza : No utiliza muestreo Muestreo sin reemplazo Muestreo con reemplazo .
49- Cuál de las siguientes es una técnica de clasificación mediante árboles de decisión: K-Means C4.5 SVM.
50- ¿Qué enfoques se pueden utilizar en Ensemble Learning para la generación de un conjunto de predictores base? Bagging y Boosting Mapy Reduce Bootstrap y Aggregating.
51-Cuál de los siguientes clasificadores no se aplica en 2 fases (construcción del modelo con datos de entrenamiento y predicción con los datos de prueba): SVM C4.5 KNN.
52-¿Qué algoritmo crea una descomposición jerárquica del conjunto de datos? SOTA Dbscan k-medoids.
53-¿Cuál de los siguientes elementos NO se utiliza para evaluación de un clustering ? Coeficiente de silueta Mapa de temperatura Histograma.
54- ¿Cuál de las siguientes medidas es adecuada para atributos que no sean continuos? Euclidea Manhattan Tanimoto .
55-¿Cuál de los siguientes NO es un método para detectar valores atípicos (outliers)? Uso de codificación Uso de Box plot Clustering parcial.
56-¿Cuál de los siguientes NO es un método de selección de instancias? Muestreo Compactación Selección de prototipos.
57-¿Cuál de los siguientes NO es un método de mejora de la calidad de los datos? Determinación de valores perdidos Detección de ruido en los datos Realizar discretización.
|
