Tema 15 Bloque 3

¿Qué campo multidisciplinar utiliza estadísticas, matemáticas e IA para extraer conocimiento útil de grandes conjuntos de datos?. Minería de Datos (Data Mining). Ciencia de Datos (Data Science). Inteligencia de Negocio (Business Intelligence). OLAP (Online Analytical Processing).

Según la norma ISO 8000, ¿Cuál es su objetivo principal?. Establecer el marco de gobierno del dato. Medir la calidad del software. Proporcionar marcos para mejorar la calidad de los datos. Definir la seguridad en bases de datos NoSQL.

¿Qué norma ISO establece el marco de gobierno de datos y el mapa de responsabilidad?. ISO/IEC 25012. ISO/IEC 38505-1. ISO 8000-61. ISO 25024.

¿Qué diferencia principal existe entre un proceso ETL y un proceso ELT?. En ETL los datos se transforman antes de cargarlos (típico de DataWarehouse), y en ELT se cargan tal cual y se transforman después (típico de Data Lake). ETL se usa para datos no estructurados y ELT para estructurados. ELT es más lento que ETL. ETL no permite la limpieza de datos.

¿Qué herramienta permite ejecutar tareas de análisis de datos, machine learning y streaming en clústeres, actuando como nexo entre fuentes SQL y Hadoop?. Apache Hive. Apache Spark. MongoDB. Redis.

¿Qué es un Data Warehouse (DWH)?. Un almacén de datos en bruto sin procesar. Una base de datos relacional que almacena datos estructurados, limpios y no volátiles, pensada para el análisis empresarial tradicional. Un sistema de archivos distribuido para video y audio. Una base de datos NoSQL documental.

En un Data Lake, ¿Qué se almacena en la "Zona de Ingesta" (Raw Zone)?. Datos transformados y enriquecidos. Datos listos para el consumo por herramientas de BI. Datos tal como vienen de sus fuentes. Datos sin duplicados y con formatos corregidos.

¿Qué capa de un Data Lake contiene datos completamente preparados, optimizados y estructurados para el usuario final (BI, dashboards)?. Zona Bronce. Zona de Ingesta. Zona Plata. Zona de Consumo.

¿Cuáles son los tres componentes principales de Apache Hadoop?. Spark, Hive y Pig. HDFS (almacenamiento), MapReduce (procesamiento) y YARN (gestión de recursos). Ambari, Zookeeper y Mahout. HBase, Cassandra y MongoDB.

Dentro del ecosistema Hadoop, ¿para qué sirve "Ambari"?. Para la coordinación de nodos. Para realizar consultas SQL. Para la gestión y monitorización del clúster. Para scripting de procesos.

¿Qué componente del ecosistema Hadoop se utiliza para la coordinación de los nodos del clúster y alta disponibilidad?. Zookeeper. Oozie. Pig. Sqoop.

¿Qué herramienta del ecosistema Hadoop permite realizar consultas sobre los datos (tipo SQL)?. Mahout. Hive. Flume. Oozie.