Minería de Datos: Extrae conocimiento de grandes conjuntos de datos

Question 1

¿Cuál de las siguientes técnicas NO es un método de minería de datos?

Accepted Answer

Regresión

Answer

Agrupación

Answer

Clasificación

Answer

Asociación de reglas

Question 2

En el proceso de minería de datos, ¿cómo se llama el proceso de identificar patrones y conocimientos ocultos?

Accepted Answer

Exploración

Answer

Modelado

Answer

Evaluación

Answer

Implementación

Question 3

¿Cuál es un objetivo típico de los algoritmos de agrupación en minería de datos?

Accepted Answer

Identificar similitudes entre los datos

Answer

Predecir valores futuros

Answer

Crear un modelo de clasificación

Answer

Encontrar las relaciones entre las variables

Question 4

Un conjunto de reglas que muestran la relación entre elementos de un conjunto de datos se conoce como:

Accepted Answer

Asociación de reglas

Answer

Árbol de decisión

Answer

Modelo de regresión

Answer

Regla de Bayes

Question 5

La técnica de minería de datos que se utiliza para predecir valores futuros basándose en datos históricos es:

Accepted Answer

Regresión

Answer

Clasificación

Answer

Agrupación

Answer

Asociación de reglas

Question 6

¿Qué paso del proceso de minería de datos implica preparar los datos para su análisis?

Accepted Answer

Preprocesamiento

Answer

Modelado

Answer

Evaluación

Answer

Implementación

Question 7

La etapa final del proceso de minería de datos, que implica validar y desplegar los conocimientos extraídos, se conoce como:

Accepted Answer

Implementación

Answer

Evaluación

Answer

Exploración

Answer

Modelado

Question 8

La técnica de minería de datos que agrupa datos similares en subconjuntos distintos se denomina:

Accepted Answer

Agrupación

Answer

Clasifación

Answer

Asociación de reglas

Answer

Regresión

Question 9

El objetivo de las asociaciones de reglas en minería de datos es descubrir:

Accepted Answer

Patrones estadísticos entre elementos en los datos.

Answer

Grupos de datos similares.

Answer

Relaciones causales entre variables.

Answer

Ninguna de las anteriores.

Question 10

La técnica de procesamiento de datos que divide un conjunto de datos en subconjuntos más pequeños para un procesamiento más fácil se conoce como:

Accepted Answer

Muestreo

Answer

Discretización

Answer

Normalización

Answer

Transformación

Question 11

Al evaluar el rendimiento de un modelo de minería de datos, ¿cuál de las siguientes métricas NO se suele utilizar?

Accepted Answer

Costo-beneficio

Answer

Precisión

Answer

Exactitud

Answer

Sensibilidad

Question 12

El proceso de identificar y eliminar valores extremos en los datos se conoce como:

Accepted Answer

Detección de valores atípicos

Answer

Discretización

Answer

Filtrado

Answer

Normalización

Question 13

¿Cuál de las siguientes afirmaciones sobre las aplicaciones de la minería de datos es incorrecta?

Accepted Answer

Se utiliza para traducir idiomas automáticamente.

Answer

Se utiliza para detectar fraudes en transacciones financieras.

Answer

Se utiliza para proporcionar recomendaciones personalizadas a los usuarios en línea.

Answer

Se utiliza para analizar datos genómicos en investigación médica.

Question 14

En minería de datos, ¿qué técnica se utiliza para dividir los datos en grupos similares?

Accepted Answer

Agrupación

Answer

Clasificación

Answer

Asociación de reglas

Answer

Regresión

Question 15

¿Cuál de las siguientes técnicas NO es empleada en minería de datos?

Accepted Answer

Regresión lineal

Answer

Agrupación

Answer

Clasificación

Answer

Asociación de reglas

Question 16

El proceso de identificar patrones ocultos o relaciones en grandes cantidades de datos se denomina:

Accepted Answer

Minería de datos

Answer

Análisis estadístico

Answer

Descubrimiento de patrones

Answer

Aprendizaje automático

Question 17

En minería de datos, el objetivo de la agrupación es:

Accepted Answer

Dividir un conjunto de datos en grupos afines

Answer

Predecir valores futuros

Answer

Determinar relaciones entre variables

Answer

Reducir la cantidad de variables de un conjunto de datos

Question 18

En minería de datos, ¿cuál es el propósito de las reglas de asociación?

Accepted Answer

Identificar patrones de eventos que ocurren conjuntamente

Answer

Pronosticar la probabilidad de eventos venideros

Answer

Determinar correlaciones lineales entre variables

Answer

Detectar valores atípicos en los datos

Question 19

¿Cuál de las siguientes NO es una ventaja de la minería de datos?

Accepted Answer

Violación de la privacidad

Answer

Mejora en la toma de decisiones

Answer

Reducción de costos

Answer

Incremento de ingresos

Question 20

¿Qué tipo de problema de minería de datos se centra en predecir valores futuros?

Accepted Answer

Regresión

Answer

Clasificación

Answer

Agrupación

Answer

Asociación de reglas

Question 21

El proceso de limpieza y preparación de datos para su análisis en minería de datos se conoce como:

Accepted Answer

Preprocesamiento de datos

Answer

Exploración de datos

Answer

Transformación de datos

Answer

Reducción de dimensionalidad

Question 22

¿Qué técnica NO se utiliza habitualmente en la minería de datos?

Accepted Answer

Minería en la nube

Answer

Agrupación

Answer

Clasificación

Answer

Asociación de reglas

Question 23

El proceso de dividir un conjunto de datos en grupos diferentes y similares se denomina:

Accepted Answer

Agrupación

Answer

Clasificación

Answer

Asociación de reglas

Answer

Regresión

Question 24

La técnica que predice valores continuos a partir de variables predictoras se conoce como:

Accepted Answer

Regresión

Answer

Clasificación

Answer

Agrupación

Answer

Asociación de reglas

Question 25

En la minería de datos, una 'regla de asociación' es:

Accepted Answer

Una afirmación que describe una relación entre dos o más variables

Answer

Un modelo que predice valores continuos

Answer

Un grupo de datos similares

Answer

Un algoritmo de aprendizaje automático

Question 26

La técnica de minería de datos que identifica patrones repetitivos en secuencias de datos se llama:

Accepted Answer

Secuenciación de patrones

Answer

Agrupación

Answer

Clasificación

Answer

Asociación de reglas

Question 27

¿Cuál de las siguientes técnicas NO forma parte de la minería de datos?

Accepted Answer

Regresión lineal

Answer

Clasificación

Answer

Agrupación

Answer

Asociación de reglas

Question 28

La técnica de minería de datos que identifica grupos similares en un conjunto de datos se denomina:

Accepted Answer

Agrupación

Answer

Clasificación

Answer

Asociación de reglas

Answer

Detección de valores atípicos

Question 29

¿Cuál de las siguientes afirmaciones sobre la minería de datos es verdadera?

Accepted Answer

Se utiliza para extraer patrones y conocimientos ocultos de grandes conjuntos de datos.

Answer

Los resultados de la minería de datos siempre son totalmente precisos.

Answer

Se limita a datos estructurados.

Question 30

En la minería de datos, el proceso de identificar variables relevantes para un problema específico se conoce como:

Accepted Answer

Selección de características

Answer

Visualización de datos

Answer

Preprocesamiento de datos

Question 31

Las reglas de asociación en la minería de datos tienen el formato:

Accepted Answer

SI antecedente ENTONCES consecuente

Answer

Valor 1 < operador > Valor 2

Answer

Variable dependiente < relación > variable independiente

Answer

Patrón 1 < similitud > Patrón 2

Question 32

El proceso de división de un conjunto de datos en datos de entrenamiento y de prueba para evaluar un modelo de minería de datos se denomina:

Accepted Answer

Validación cruzada

Answer

Visualización de datos

Answer

Selección de características

Answer

Preprocesamiento de datos

Question 33

¿Cuál de las siguientes NO es una técnica de minería de datos?

Accepted Answer

Visualización de datos

Answer

Análisis de reglas de asociación

Answer

Clasificación

Answer

Agrupación

Question 34

El proceso de evaluar la calidad y precisión de los resultados de la minería de datos se denomina:

Accepted Answer

Validación del modelo

Answer

Limpieza de datos

Answer

Transformación de datos

Answer

Extracción de características

Question 35

El proceso de eliminar el ruido y los datos irrelevantes de un conjunto de datos se conoce como:

Accepted Answer

Limpieza de datos

Answer

Normalización de datos

Answer

Discretización de datos

Answer

Exploración de datos

Question 36

La minería de datos es un proceso que implica:

Accepted Answer

Extraer patrones y conocimientos ocultos de grandes conjuntos de datos

Answer

Visualizar datos interactivamente

Answer

Almacenar y gestionar grandes volúmenes de datos

Question 37

Selecciona la técnica que NO se utiliza en la minería de datos:

Accepted Answer

Regresión lineal

Answer

Agrupación

Answer

Clasificación

Question 38

La agrupación es una técnica que tiene como objetivo:

Accepted Answer

Dividir los datos en grupos distintos según sus similitudes

Answer

Identificar relaciones entre variables

Answer

Predecir valores futuros

Question 39

¿Cuál es el objetivo principal de la asociación de reglas?

Accepted Answer

Encontrar reglas que asocien diferentes elementos o eventos

Answer

Clasificar los datos en categorías predefinidas

Answer

Reducir el ruido y los datos redundantes

Question 40

La minería de datos se emplea principalmente para:

Accepted Answer

Obtener información valiosa y tomar mejores decisiones

Answer

Generar gráficos y visualizaciones atractivas

Answer

Almacenar grandes cantidades de datos eficientemente

Question 41

Un algoritmo de minería de datos eficaz debe ser:

Accepted Answer

Preciso, eficiente y adaptable a diversos tipos de datos

Answer

Proporcionar resultados visualmente impresionantes

Answer

Fácil de interpretar y comprender para los usuarios

Question 42

Los desafíos éticos relacionados con la minería de datos incluyen:

Accepted Answer

Invasión de la privacidad, sesgo y mal uso de los datos

Answer

Falta de estándares y regulaciones

Answer

Costos computacionales elevados

Question 43

La minería de datos en tiempo real permite:

Accepted Answer

Analizar y procesar datos a medida que se generan

Answer

Visualizar datos de forma interactiva y atractiva

Answer

Realizar análisis predictivos basados en datos históricos

Answer

Almacenar grandes volúmenes de datos durante largos periodos

Question 44

¿Cuál de las siguientes herramientas se utiliza habitualmente en la minería de datos?

Accepted Answer

Weka

Answer

Google Analytics

Answer

Adobe Photoshop

Answer

Microsoft Excel

Question 45

¿Cuál de las siguientes NO es una técnica común de minería de datos?

Accepted Answer

Clustering en la nube

Answer

Asociación de reglas

Answer

Clasificación

Answer

Agrupación

Question 46

El proceso de encontrar patrones y tendencias ocultas en grandes conjuntos de datos se llama:

Accepted Answer

Minería de datos

Answer

Análisis de datos

Answer

Recuperación de información

Answer

Explotación de datos

Question 47

La agrupación es una técnica de minería de datos que:

Accepted Answer

Divide los datos en grupos con características similares

Answer

Predice valores futuros

Answer

Identifica reglas de asociación

Answer

Analiza datos secuenciales

Question 48

La clasificación es una técnica de minería de datos que:

Accepted Answer

Asigna datos a categorías predefinidas

Answer

Agrupa datos en patrones

Answer

Descubre reglas de asociación

Answer

Analiza secuencias de eventos

Question 49

Las reglas de asociación en minería de datos:

Accepted Answer

Identifican relaciones entre diferentes elementos de datos

Answer

Detectan anomalías en los datos

Answer

Predicen resultados futuros

Answer

Agrupan datos similares

Question 50

Una aplicación común de la minería de datos es:

Accepted Answer

Identificar fraudes

Answer

Procesar textos

Answer

Editar imágenes

Answer

Almacenar documentos

Question 51

¿Cuál de los siguientes es un software de minería de datos?

Accepted Answer

Weka

Answer

Microsoft Word

Answer

Google Chrome

Answer

Adobe Photoshop

Question 52

La minería de datos ética:

Accepted Answer

Protege la privacidad de los datos y evita la discriminación

Answer

Prioriza la exactitud sobre la equidad

Answer

Permite el uso de datos sin restricciones

Answer

Ignora los problemas de discriminación