Karteikarten
Módulo 4
Karten in diesem Stapel (200)
- 1que es la ciencia de datosconjunto de principios tecnicas y procesos que permiten descubrir conocimiento en grandes cantidades .de datos
- 2los datos son analizados para obtenerpatrones y correlaciones generalizables
- 3como se llama el analisis sin hipotesis previaanalisis exploratorio de datos
- 4para que se usa el analisis exploratorio de datospara encontrar y comprender relaciones entre distintas variables
- 5para que se usa el analisis exploratorio de datospara encontrar y comprender relaciones entre distintas variables
- 6el producto del entendimiento de datos se convierte en unmodelo
- 7el producto del entendimiento de datos se convierte en unmodelo
- 8un modelo puede estructurarse como un ____ o expresarse mediante ____producto de datos, tecnicas de visualización
- 9un modelo puede estructurarse como un ____ o expresarse mediante ____producto de datos, tecnicas de visualización
- 10que es un modelorepresentacion simplificada de un fenomeno con el objetivo de facilitar la comprensión humana ej: planos de una casa
- 11que es un modelorepresentacion simplificada de un fenomeno con el objetivo de facilitar la comprensión humana ej: planos de una casa
- 12para la ciencia de datos que es un modelorepresentacion generalizada de las relaciones entre los atributos de los datos
- 13para la ciencia de datos que es un modelorepresentacion generalizada de las relaciones entre los atributos de los datos
- 14tipos de modelosdescriptivo y predictivo
- 15tipos de modelosdescriptivo y predictivo
- 16que es un modelo descriptivodescribe el comportamiento actual con el fin de desarrollar un entendimiento de casualidad (causa y efecto)
- 17que es un modelo descriptivodescribe el comportamiento actual con el fin de desarrollar un entendimiento de casualidad (causa y efecto)
- 18Que es un modelo predictivoPredice el comportamiento futuro al estimar un valor previsto con base en valores de prediccion
- 19Que es un modelo predictivoPredice el comportamiento futuro al estimar un valor previsto con base en valores de prediccion
- 20Cuando se considera que un modelo predictivo tuvo exito?Exitoso si produce resultados precisos
- 21Cuando se considera que un modelo predictivo tuvo exito?Exitoso si produce resultados precisos
- 22Que es el analisis exploratorio de datosTecnica que explora los datos sin una hipostesis previa
- 23Que es el analisis exploratorio de datosTecnica que explora los datos sin una hipostesis previa
- 24Que evidencia el analisis exploratiorio de datosRealizar limpieza a fondo de los datos o recopilar datos faltantes
- 25Que evidencia el analisis exploratiorio de datosRealizar limpieza a fondo de los datos o recopilar datos faltantes
- 26En el análisis confirmatorio de datos que se establece antes de recopilar los datos para la comprobación?Se establece primero una hipotesis
- 27En el análisis confirmatorio de datos que se establece antes de recopilar los datos para la comprobación?Se establece primero una hipotesis
- 28En el análisis confirmatorio de datos se recopila primero la información antes de generar la hipótesis , o en big data?No en el análisis confirmatorio de datos se genera primero la hipótesis y luego se recopilan los datos para la comprobacion
- 29En el análisis confirmatorio de datos se recopila primero la información antes de generar la hipótesis , o en big data?No en el análisis confirmatorio de datos se genera primero la hipótesis y luego se recopilan los datos para la comprobacion
- 30Que es un producto de datosEs una instancia del modelo construido durante el análisis de datos que existe en forma de aplicación
- 31Que es un producto de datosEs una instancia del modelo construido durante el análisis de datos que existe en forma de aplicación
- 32Que es la estadisticaCiencia que recopila, organiza, analiza e interpreta los datos numéricos
- 33Que es la estadisticaCiencia que recopila, organiza, analiza e interpreta los datos numéricos
- 34Tipos de estadisticaDescriptiva (describe)
Inferencial (hace deducciones de una poblacion) - 35Tipos de estadisticaDescriptiva (describe)
Inferencial (hace deducciones de una poblacion) - 36Que es la estadística descriptivaEs la descripción numérica de los datos mediante técnicas de integración y visualización con el fin de ayudar a que los científicos de datos los interpreten y formulen hipótesis
- 37Que es la estadística descriptivaEs la descripción numérica de los datos mediante técnicas de integración y visualización con el fin de ayudar a que los científicos de datos los interpreten y formulen hipótesis
- 38Que es la estadística inferencialva mas allá de la descripción de los datos y permite hacer deducciones sobre la población con base en la muestra estudiada.
- 39Que es la estadística inferencialva mas allá de la descripción de los datos y permite hacer deducciones sobre la población con base en la muestra estudiada.
- 40Que puede generar sesgo de información en la estadística inferencialNo tomar una muestra de la población aleatoriamente
- 41Que puede generar sesgo de información en la estadística inferencialNo tomar una muestra de la población aleatoriamente
- 42Que es el machine learningProceso por medio del cual los computadores aprenden automaticamente a partir de los datos para programarse implicitamente
- 43Que es el machine learningProceso por medio del cual los computadores aprenden automaticamente a partir de los datos para programarse implicitamente
- 44Que proceso y ciencia puede ser usada para crear modelosMachine learning y estadistica
- 45Que proceso y ciencia puede ser usada para crear modelosMachine learning y estadistica
- 46El modelo estadístico es mas usado para...comprensión del proceso de generación de datos
- 47El modelo estadístico es mas usado para...comprensión del proceso de generación de datos
- 48El modelo de machine learning es mas usado para...produccion de los resultados correctos
- 49El modelo de machine learning es mas usado para...produccion de los resultados correctos
- 50Cuales son las clasificaciones del machine learningAprendizaje supervisado
Aprendizaje no supervisado
Aprendizaje semisupervisado - 51Cuales son las clasificaciones del machine learningAprendizaje supervisado
Aprendizaje no supervisado
Aprendizaje semisupervisado - 52Diferencia entre las clasificaciones del machine learningSupervisado: datos de entrada incluyen resultados de ejemplo
No supervisado: Los datos de entrada no incluyen datos de ejemplo
Semisupervisado: los datos de entrada incluyen algunos resultados de ejemplo - 53Diferencia entre las clasificaciones del machine learningSupervisado: datos de entrada incluyen resultados de ejemplo
No supervisado: Los datos de entrada no incluyen datos de ejemplo
Semisupervisado: los datos de entrada incluyen algunos resultados de ejemplo - 54A que se refiere el data muning o data wranglingExtracción y manipulación de datos sin procesar aplicando técnicas de limpieza filtrado validación y transformación de formato
- 55A que se refiere el data muning o data wranglingExtracción y manipulación de datos sin procesar aplicando técnicas de limpieza filtrado validación y transformación de formato
- 56Cuales son las etapas de big data que tienen que ver con el proceso de análisis de datos4 Extracción de datos
5 Validación y limpieza de datos - 57Cuales son las etapas de big data que tienen que ver con el proceso de análisis de datos4 Extracción de datos
5 Validación y limpieza de datos - 58cuales son los tipos de datasets-gran volumen
-altamente veloces
-de gran variedad
-altamente veraces
-de gran valor - 59cuales son los tipos de datasets-gran volumen
-altamente veloces
-de gran variedad
-altamente veraces
-de gran valor - 60dentro de los datasets estructurados un gran volumen significagran cantidad de registros o filas o gran cantidad de camos o columnas
- 61dentro de los datasets estructurados un gran volumen significagran cantidad de registros o filas o gran cantidad de camos o columnas
- 62cuando se considera que los registros son altoscuando existe gran cantidad de registros o filas
- 63cuando se considera que los registros son altoscuando existe gran cantidad de registros o filas
- 64cuando se considera que los datos son anchoscuando existe gran cantidad de columnas o campos
- 65cuando se considera que los datos son anchoscuando existe gran cantidad de columnas o campos
- 66tanto los datos altos y anchos requieren en big data...mayores recursos de procesamiento
- 67tanto los datos altos y anchos requieren en big data...mayores recursos de procesamiento
- 68que tipos de datos contienen mas ruido y datos atipicos y son relativamente mas faciles de analizarlos datos altos
- 69que tipos de datos contienen mas ruido y datos atipicos y son relativamente mas faciles de analizarlos datos altos
- 70Que tipo de datos se consideran generalmente altos y porquelos datos semiestructurados y sin estructurar cada registro viene en una sola columna tipo blob
- 71Que tipo de datos se consideran generalmente altos y porquelos datos semiestructurados y sin estructurar cada registro viene en una sola columna tipo blob
- 72que tipos de datasets necesitan pre procesamientodatos semiestructurados y no estructurados
- 73que tipos de datasets necesitan pre procesamientodatos semiestructurados y no estructurados
- 74Debido a que, los datos son recibidos a un ritmo acelerado en big data?Debido a la escala de proceso subyacente de generación de datos
- 75Debido a que, los datos son recibidos a un ritmo acelerado en big data?Debido a la escala de proceso subyacente de generación de datos
- 76quien produce los datos altamente velocesmaquinas o humanos
- 77quien produce los datos altamente velocesmaquinas o humanos
- 78En el caso de valores generados por maquinas que sigue siendo igualla estructura de los datos periodicos ej: datos de medidores inteligentes o logs de servidores web
- 79En el caso de valores generados por maquinas que sigue siendo igualla estructura de los datos periodicos ej: datos de medidores inteligentes o logs de servidores web
- 80Tipos de analisis de datostransacciones y lotes
- 81el análisis de datos altamente veloces puede ser realizado mediante___transacciones y lotes
- 82En que momento se procesan los datos en el analisis por transaccionesEn el momento de ser recibidos
- 83En que momento se procesan los datos en el analisis por transaccionesEn el momento de ser recibidos
- 84En el análisis por lotes como se procesan los datosse reciben rapidamente, se almacenan y luego son procesados
- 85En el análisis por lotes como se procesan los datosse reciben rapidamente, se almacenan y luego son procesados
- 86Diferencia de datasets entre el analisis tradicional y el analisis en los entornos big dataen el tradicional solo se analisan datos estructurados mientras que en big data se analizan estructurados, no estructurados y semiestructurados
- 87Diferencia de datasets entre el analisis tradicional y el analisis en los entornos big dataen el tradicional solo se analisan datos estructurados mientras que en big data se analizan estructurados, no estructurados y semiestructurados
- 88A que se refiere la variedad de datosSe refiere a que se deben analizar múltiples datasets formateados de forma diferente
- 89A que se refiere la variedad de datosSe refiere a que se deben analizar múltiples datasets formateados de forma diferente
- 90Que es necesario realizar en los datos semiestructurados y no estructuradosprerpocesamiento que elimine ruido
- 91Que es necesario realizar en los datos semiestructurados y no estructuradosprerpocesamiento que elimine ruido
- 92que puede contener los datos voluminosos que disminuye la veracidadcantidades grandes de ruido
- 93que puede contener los datos voluminosos que disminuye la veracidadcantidades grandes de ruido
- 94el ruido crea datosfalsos
- 95el ruido crea datosfalsos
- 96de que caracteristicas depende el valor y veracidad en los datosvolumen, velocidad y variedad
- 97de que caracteristicas depende el valor y veracidad en los datosvolumen, velocidad y variedad
- 98que es la ley de los grandes numerosentre mas datos mas valor
- 99que es la ley de los grandes numerosentre mas datos mas valor
- 100porque los datasets altamente veloces agragan mas valor que los poco velocesporque se obtiene informacion en menor tiempo y la frecuencia de actualizacion de los resultados
- 101porque los datasets altamente veloces agragan mas valor que los poco velocesporque se obtiene informacion en menor tiempo y la frecuencia de actualizacion de los resultados
- 102Una empresa recopila los comentarios de sus clientes y los analiza usando analítica de texto (text analytics) y análisis de sentimientos (Sentiment Analysis), con el fin de identificar a aquellos clientes que pueden estar en riesgo de cambiarse a la competencia. ¿Cuál es la categoría de datasets de Big Data que mejor caracteriza este proceso?gran variedad
- 103Una empresa recopila los comentarios de sus clientes y los analiza usando analítica de texto (text analytics) y análisis de sentimientos (Sentiment Analysis), con el fin de identificar a aquellos clientes que pueden estar en riesgo de cambiarse a la competencia. ¿Cuál es la categoría de datasets de Big Data que mejor caracteriza este proceso?gran variedad
- 104Los comisionistas de la bolsa de Nueva York generan simultáneamente miles de transacciones bursátiles, que son recibidas rápidamente. ¿Cuál es la categoría de datasets de Big Data que mejor describe el dataset resultante?altamente veloces
- 105Los comisionistas de la bolsa de Nueva York generan simultáneamente miles de transacciones bursátiles, que son recibidas rápidamente. ¿Cuál es la categoría de datasets de Big Data que mejor describe el dataset resultante?altamente veloces
- 106Una aplicación que recopila los comentarios de los clientes en un sitio web es ejecutada con el fin de filtrar los datos creados por los usuarios y detectar sesgos e importancia. ¿Cuál es la categoría de datasets de Big Data que mejor describe este proceso de eliminación de ruido?veracidad
- 107Una aplicación que recopila los comentarios de los clientes en un sitio web es ejecutada con el fin de filtrar los datos creados por los usuarios y detectar sesgos e importancia. ¿Cuál es la categoría de datasets de Big Data que mejor describe este proceso de eliminación de ruido?veracidad
- 108¿Las condiciones de alta veracidad, velocidad y variedad en los datos contribuyen a la medición de qué categoría de dataset de Big Data?datasets gran valor
- 109¿Las condiciones de alta veracidad, velocidad y variedad en los datos contribuyen a la medición de qué categoría de dataset de Big Data?datasets gran valor
- 110Una importante institución bancaria recopila un mes de transacciones financieras diarias hechas en todas sus sucursales a nivel nacional. ¿Cuál es la categoría de datasets de Big Data que mejor describe el dataset resultante?gran volumen
- 111Una importante institución bancaria recopila un mes de transacciones financieras diarias hechas en todas sus sucursales a nivel nacional. ¿Cuál es la categoría de datasets de Big Data que mejor describe el dataset resultante?gran volumen
- 112que es un atributoes una caracteristica de los datos
- 113que es un atributoes una caracteristica de los datos
- 114a un atributo tambien se le conoce comovariables, caracteristicas y dimensiones
- 115a un atributo tambien se le conoce comovariables, caracteristicas y dimensiones
- 116que comprende el proceso del EDA (análisis exploratorio de datos)extracción de los atributos cuantitativos para generar resúmenes numéricos y graficos con base en estadisticas generadas para comprender los datos
- 117que comprende el proceso del EDA (análisis exploratorio de datos)extracción de los atributos cuantitativos para generar resúmenes numéricos y graficos con base en estadisticas generadas para comprender los datos
- 118otro objetivo del EDA es garantizarla mineria de datos dirigida al reducir la cantidad de datos mediante atributos relevantes y la discretizacion de los datos
- 119otro objetivo del EDA es garantizarla mineria de datos dirigida al reducir la cantidad de datos mediante atributos relevantes y la discretizacion de los datos
- 120a través del EDA se puede determinar si..los datos son o no erróneos o si el proceso para capturar los datos no esta configurado apropiadamente
- 121a través del EDA se puede determinar si..los datos son o no erróneos o si el proceso para capturar los datos no esta configurado apropiadamente
- 122cuales son los tipos de resumenes de datos en el analisis exploratorio de datosresumenes numericos
resumenes graficos - 123cuales son los tipos de resumenes de datos en el analisis exploratorio de datosresumenes numericos
resumenes graficos - 124los resúmenes numéricos utilizan la estadísticadescriptiva
- 125los resúmenes numéricos utilizan la estadísticadescriptiva
- 126tipos de resúmenes numéricos* medidas de tendencia central
* medidas de variación o dispersión
*medidas de asociación - 127tipos de resúmenes numéricos* medidas de tendencia central
* medidas de variación o dispersión
*medidas de asociación - 128las medidas de tendencia central sirven para dos cosas:ver como están dispuestos los datos alrededor del centro de distribución y cuales son los valores que ocurren con mas frecuencia
- 129las medidas de tendencia central sirven para dos cosas:ver como están dispuestos los datos alrededor del centro de distribución y cuales son los valores que ocurren con mas frecuencia
- 130cuales son las medidas de tendencia centralmedia
mediana
moda - 131cuales son las medidas de tendencia centralmedia
mediana
moda - 132las medidas de dispersión o variación sirven paraver que tan dispersos están los valores en relación con el centro
- 133las medidas de dispersión o variación sirven paraver que tan dispersos o alejados están los valores en relación con el centro
- 134cuales son las medidas de variación y dispersion* Rango
* Rango intercuartil (IQR)
* Varianza
* Desviación estándar - 135cuales son las medidas de variación y dispersion* Rango
* Rango intercuartil (IQR)
* Varianza
* Desviación estándar - 136el principal objetivo al analizar la distribución de los datos esdeterminar que tan consistentemente aparecen los valores en comparación con promedios (media, mediana y moda) e identificar y eliminar cualquier dato atipico
- 137el principal objetivo al analizar la distribución de los datos esdeterminar que tan consistentemente aparecen los valores en comparación con promedios (media, mediana y moda) e identificar y eliminar cualquier dato atipico
- 138las medidas de variacion en conjunto con las puntuaciones Z permiten tomar desiciones sobreque procesos o modelos producen resultados consistentes o mejores
- 139las medidas de variacion en conjunto con las puntuaciones Z permiten tomar desiciones sobreque procesos o modelos producen resultados consistentes o mejores
- 140las medidas de asociacion proporcionan informacion sobrela existencia de cualquier relacion entre variables
- 141las medidas de asociacion proporcionan informacion sobrela existencia de cualquier relacion entre variables
- 142cuales son las medidas de asociacioncorrelación
covarianza - 143cuales son las medidas de asociacioncorrelación
covarianza - 144Los resumenes graficos que tecnicas usan para resumir los datosusan tecnicas visuales
- 145Los resumenes graficos que tecnicas usan para resumir los datosusan tecnicas visuales
- 146tipos de resúmenes graficos1. grafico de barras
2. grafico de lineas
3. histograma
4. poligonos de frecuencia
5.diagrama de dispersión
6.diagrama de tallos y hojas
7. tabulacion cruzada
8. diagrama de caja y bigotes
9. grafico cuantil-cuantil
10. cuadriculas de graficos - 147tipos de resúmenes graficos1. grafico de barras
2. grafico de lineas
3. histograma
4. poligonos de frecuencia
5.diagrama de dispersión
6.diagrama de tallos y hojas
7. tabulacion cruzada
8. diagrama de caja y bigotes
9. grafico cuantil-cuantil
10. cuadriculas de graficos - 148como se le llama al analisis de datos que categoriza segun el numero de variablesanálisis cuantitativo
- 149como se le llama al analisis de datos que categoriza segun el numero de variablesanálisis cuantitativo
- 150tipos de analisis cuantitativosunivariante
bivariante
multivariante - 151tipos de analisis cuantitativosunivariante
bivariante
multivariante - 152cual es el objetivo del analisis univariantecomprender el tipo de distribución de los valores e identificar cualquier dato atipico
- 153cual es el objetivo del analisis univariantecomprender el tipo de distribución de los valores e identificar cualquier dato atipico
- 154cuales son las técnicas EDA que hacen parte del análisis univariantemedidas de tendencia central
medidas de variación y dispersion - 155cuales son las técnicas EDA que hacen parte del análisis univariantemedidas de tendencia central
medidas de variación y dispersion - 156Que se recomienda antes de hacer un análisis bivarianterealizar un análisis univariante
- 157Que se recomienda antes de hacer un análisis bivarianterealizar un análisis univariante
- 158cuales son las técnicas usadas en el análisis bivariantemedidas de asociacion
regresion
tabulacion cruzada - 159cuales son las técnicas usadas en el análisis bivariantemedidas de asociacion
regresion
tabulacion cruzada - 160cuales son los tipos de variables estadísticas*discretas
*continuas
*nominales
*ordinales
*binarias
*cuantitativas
*cualitativas
*independienes
*aleatorias - 161cuales son los tipos de variables estadísticas*discretas
*continuas
*nominales
*ordinales
*binarias
*cuantitativas
*cualitativas
*independienes
*aleatorias - 162cuales son las variables discretassolo pueden tomar un valor especifico de un conjunto de valores ya definidos
- 163cuales son las variables discretassolo pueden tomar un valor especifico de un conjunto de valores ya definidos
- 164una variable discreta se puede obtener de..un conteo como el número de habitantes o el grupo sanguíneo
- 165una variable discreta se puede obtener de..un conteo como el número de habitantes o el grupo sanguíneo
- 166cuales son las variables continuasson aquellas que pueden tomar cualquier valor
- 167cuales son las variables continuasson aquellas que pueden tomar cualquier valor
- 168como se puede obtener una variable continuaa través de mediciones como la temperatura o la altura de un paciente
- 169como se puede obtener una variable continuaa través de mediciones como la temperatura o la altura de un paciente
- 170las variables nominales contienen valores que representan...una categoría
- 171las variables nominales contienen valores que representan...una categoría
- 172que operacion permiten las variables nominalesse pueden contar pero no se pueden medir ni ordenae
- 173que operacion permiten las variables nominalesse pueden contar pero no se pueden medir ni ordenar
- 174las variables ordinales pueden tomar valores numéricos...discretos y continuos
- 175las variables ordinales pueden tomar valores numéricos...discretos y continuos
- 176que operaciines se pueden hacer en las variables ordinalesse pueden contar y ordenar pero no medir
- 177que operaciones se pueden hacer en las variables ordinalesse pueden contar y ordenar pero no medir
- 178las vatiables ___ incluyen solamente dos categorías y estas son ___binarias , contrarias
- 179las variables ___ incluyen solamente dos categorías y estas son ___binarias , contrarias
- 180las variables cuantitativas son aquellas de tiipo ___ que pueden sernumerico, contadas o medidas como los ingresos de un empleado
- 181las variables cualitativas o categoricas pueden sercontadas pero no medidas como el genero
- 182las variables independientes tienen valores que no...dependen de ninguna otra variable sino que influyen en otras variables
- 183las variables dependientes son influenciasdas por la variable ___ por ejemplo la ___independiente , temperatura de la cual depende la venta de helados
- 184una vaiable aleatoria se identifica con la letra __, abarca un rango de valores de acuerdo a una ___X, probabilidad
- 185variable que se pueden contardiscretas, nominales, ordinales, cauntitativas, cualitativas
- 186variable que se pueden medircontinua, cuantitativa
- 187variables que se pueden ordenarordinales
- 188que es una poblaciones todo el conjunto de objetos de un tipo en particular que esta siendo analizado
- 189que es una muestraes un subconjunto de datos extraidos de la poblacion
- 190que es una observacionconjunto de atributos relacionados con un objeto como los nombres de los clientes y sus direcciones
- 191n es el tamaño de la __ N es el tamaño de la __muestra, población
- 192Una estadística de muestreo calculada a partir de diferentes muestras de tamaño determinado tomadas de la misma población puede arrojasresultados diferentes entre sí
- 193que es la inferencia estadisticaLa inferencia estadística se refiere al proceso de extraer conclusiones a partir de datos generados mediante procesos de generación de datos aleatorios, también conocidos como procesos estocásticos.
- 194en la inferencia estadistica los datos de muestra se usan para hacerestimaciones o comprobar hipótesis relacionadas con la población
- 195cuales son las medidas de tendencia centralMedia
Mediana
Moda - 196como se obtiene la mediaLa media, comúnmente conocida como promedio, es una estadística que se obtiene al dividir la suma de todos los valores entre la cantidad total de valores.
- 197como se obtiene la medianaSe btiene al encontrar el valor medio de un conjunto de valores ordenados, donde el número total de valores es impar
- 198como se obtiene la modase obtiene mediante el conteo del valor más frecuente entre todos los valores,
- 199Un conjunto de valores puede tener dos o más modas, en cuyo caso los valores se denominanbimodales y multimodales
- 200que es la robustez estadisticapesar del cambio de algunos valores o la presencia de datos atípicos (outliers), el valor estadístico permanece igual.
Informationen
- Beschreibung
- Karteikarten am Módulo 4, erstellt von Smac Smac am 02/01/2018.
- Erstellt von
- Smac Smac
- Aufrufe
- 4
- Bewertung