Test
Control 2 BI
Crea una cuenta gratis para terminar este test
Guarda tu progreso y consulta tu resultado final.
¿Ya tienes cuenta? Inicia sesión
Preguntas del test (93)
1Un método de detección de atípicos basado en el uso de la distribución Poisson, es un método basado en:
- AProximidad
- BDensidad
- CAproximaciones estadísticas
- DClustering
2El algoritmo DBSCAN pertenece al grupo de los algoritmos de clustering:
- AJerárquico
- BBasado en grid
- CParticional
- DBasado en densidad
3Indicar, para la técnica de 10-fold cross validation, cuál es el tamaño del conjunto de prueba si se parte de una población total de 1000 objetos:
- A900
- B90
- C100
- D9
4La tarea de Data Mining utilizada para predecir el valor desconocido de un atributo cualitativo, se denomina:
- AClustering
- BAsociación
- CClasificación
- DRegresión
5Indicar, para la técnica de n-fold cross validation, cuántas iteraciones se realizan:
- A10
- Bn
- C1
- DIndefinidas
6El algoritmo STING pertenece al grupo de los algoritmos de clustering:
- ABasado en grid
- BBasado en densidad
- CParticional
- DJerárquico
7Indicar, para la técnica de 10-fold cross validation, cuántas iteraciones se realizan:
- AIndefinidas
- B1
- C100
- D10
8ID3 es un algoritmo utilizado para:
- AAsociación
- BClasificación
- CClustering
- DRegresión
9Indicar, para la técnica de 10-fold cross validation, cuál es el tamaño del conjunto de entrenamiento si se parte de una población total de 1000 objetos:
- A9
- B900
- C100
- D90
10Indicar cuál de las siguientes es una medida habitual utilizada para medir el error de un modelo de regresión:
- AMIS
- BMSE
- CMES
- DMSI
11Un método de detección de atípicos basado en el análisis de grupos de objetos similares entre sí, es un método basado en:
- AClustering
- BDensidad
- CProximidad
- DAproximaciones estadísticas
12El algoritmo Apriori se utiliza para resolver la tarea de data mining conocida como:
- AClasificación
- BRegresión
- CAsociación
- DClustering
13El algoritmo DIANA pertenece al grupo de los algoritmos de clustering:
- AParticional
- BBasado en densidad
- CJerárquico
- DBasado en grid
14Los árboles de decisión se utilizan en data mining para abordar, principalmente, la tarea de:
- AClustering
- BRegresión
- CClasificación
- DAsociación
15Indicar cuál de las siguientes es una medida habitual utilizada para medir el error de un modelo de regresión:
- AMES
- BMAE
- CMIS
- DMSI
16El Perceptrón Multicapa es un método utilizado para:
- ANo se utiliza en data mining
- BDetección de atípicos
- CClasificación
- DAsociación
17El sobreajuste siempre es una característica deseable en los modelos de data mining
- AVerdadero
- BFalso
18Indicar cuál de los siguientes modelos es, en general, menos interpretable:
- AFunción de regresión
- BRegla de asociación
- CÁrbol de decisión
- DRedes neuronales
19Indicar cuál de los siguientes es el indicador más importante de la calidad de una regla de asociación:
- AMean Absolute Error
- BError Cuadrático
- CConfianza
- DPrecisión clasificatoria
20Indicar cuál es la precisión clasificatoria (accuracy) de un método de 2 clases en las que, para la primera clase, se clasifican correctamente 15 de los 20 elementos que la componen, y para la segunda, 7 de los 10:
- A50
- B66.6
- C75
- D73.3
21El algoritmo K-medias pertenece al grupo de los algoritmos de clustering:
- ABasado en densidad
- BJerárquico
- CBasado en grid
- DParticional
22Un método de detección de atípicos basado en el uso de la técnica de los k vecinos más próximos, es un método basado en:
- AProximidad
- BDensidad
- CClustering
- DAproximaciones estadísticas
23Las tećnicas de data mining que construyen un modelo de forma explícita para usarlo posteriormente se denominan:
- APerezosas
- BAnticipativas
- CLazy
- DRetardadas
24La minería de datos se basa en un aprendizaje de tipo deductivo hasta llegar al conocimiento buscado.
- AVerdadero
- BFalso
25El algoritmo AGNES pertenece al grupo de los algoritmos de clustering:
- AParticional
- BBasado en grid
- CBasado en densidad
- DJerárquico
26Indicar, para la técnica de 10-fold cross validation, cuál es el tamaño del conjunto de prueba si se parte de una población total de 1000 objetos:
- A90
- B9
- C100
- D900
27Indicar cuál de los siguientes no es un tipo de enlace a la hora de medir distancias entre clusters durante su evaluación:
- ASimple
- BPromedio
- CCompleto
- DCompuesto
28Naive Bayes es un algoritmo utilizado para:
- AClasificación
- BAsociación
- CRegresión
- DClustering
29La tarea de Data Mining utilizada para predecir el valor desconocido de un atributo cuantitativo, se denomina:
- AAsociación
- BClasificación
- CClustering
- DRegresión
30Indicar cuál de los siguientes no es una herramienta específica para extraer conocimiento a partir de información textual no estructurada:
- AUIMA
- BClementine
- CGATE
- DCarrot2
31En data mining, uno de los problemas clásicos de análisis de series temporales es:
- AEl estudio de la amplitud de las series
- BEl estudio de la periodicidad de las series
- CLa comparación entre dos series temporales
- DEl registro de las series por medio de sensores
32En CRISP-DM, la tarea "Evaluar Resultados" pertenece a la fase de ...:
- AModeling
- BData Preparation
- CEvaluation
- DDeployment
33En CRISP-DM, la actividad "Asegurarse de la existencia de un diseño de pruebas para cada objetivo de data mining por separado" se desarrolla como parte de la tarea ...:
- ADiseñar las Pruebas
- BConstruir Modelos
- CEvaluar Modelos
- DSeleccionar la Técnica de Modelado
34En CRISP-DM, la actividad "Considerar la utilización de técnicas de muestreo" se desarrolla como parte de la tarea ...:
- ALimpiar los Datos
- BFormatear Datos
- CSeleccionar los Datos
- DCreación de Datos
35Indicar qué fase de CRISP-DM se dedica a conocer bien el ámbito de la organización implicada y establecer con claridad cuál es el problema o los problemas que se desean abordar:
- AEvaluation
- BData Preparation
- CData Understanding
- DBusiness Understanding
36Uno de los dominios clásicos de aplicación de las series temporales es:
- AAseguradoras
- BPolítica
- CAstronomía
- DSismografía
37En CRISP-DM, la actividad "Estudiar qué hacer con los datos que presentan ruido o errores" se desarrolla como parte de la tarea ...:
- ALimpiar los Datos
- BFormatear Datos
- CCreación de Datos
- DSeleccionar los Datos
38En CRISP-DM, la tarea "Seleccionar la Técnica de Modelado" pertenece a la fase de ...:
- AModeling
- BDeployment
- CData Preparation
- DEvaluation
39Las técnicas de data mining utilizadas para extraer conocimiento a partir de datos generados en el entorno de la World Wide Web, se denominan:
- AText Mining
- BMinería de Datos Multimedia
- CData Mining Espacial
- DWeb Mining
40Indicar cuál de los siguientes es un tipo de dato no convencional, que requiere de técnicas de data mining específicas:
- AReal
- BEntero
- CBooleano
- DTextos
41En CRISP-DM, la actividad "Analizar, en detalle, las propiedades de los atributos" se desarrolla como parte de la tarea ...:
- AVerificar la Calidad de los Datos
- BRecopilar los Datos Iniciales
- CDescribir los Datos
- DExplorar los Datos
42Indicar qué fase de CRISP-DM se dedica a establecer un conjunto de datos y su correspondiente descripción, sobre el cual ya se puedan aplicar
- AEvaluation
- BModeling
- CDeployment
- DData Preparation
43En CRISP-DM, la actividad "Estimar el esfuerzo y los recursos necesarios para cada fase del proyecto" se desarrolla como parte de la tarea ...:
- AProducir el Plan de Proyecto
- BDeterminar los Objetivos de Data Mining
- CEvaluar Situación
- DDeterminar los Objetivos de Negocio
44En CRISP-DM, la tarea "Determinar los Objetivos de Data Mining" pertenece a la fase de ...:
- AData Preparation
- BBusiness Understanding
- CData Understanding
- DModeling
45En CRISP-DM, la actividad "Seleccionar los mejores modelos" se desarrolla como parte de la tarea ...:
- ASeleccionar la Técnica de Modelado
- BConstruir Modelos
- CDiseñar las Pruebas
- DEvaluar Modelos
46En CRISP-DM, la actividad "Traducir los objetivos de negocio a objetivos de data mining" se desarrolla como parte de la tarea ...:
- ADeterminar los Objetivos de Data Mining
- BEvaluar Situación
- CProducir el Plan de Proyecto
- DDeterminar los Objetivos de Negocio
47En CRISP-DM, la actividad "Identificar valores faltantes y su posible significado" se desarrolla como parte de la tarea ...:
- AVerificar la Calidad de los Datos
- BRecopilar los Datos Iniciales
- CDescribir los Datos
- DExplorar los Datos
48En CRISP-DM, la tarea "Formatear Datos" pertenece a la fase de ...:
- AEvaluation
- BData Preparation
- CDeployment
- DModeling
49Las técnicas de Web Mining que persiguen la extracción de conocimiento a partir de los patrones de navegación de los usuarios, son técnicas de:
- AMinería de la Estructura
- BMinería de los Enlaces
- CMinería del Contenido
- DMinería del Uso
50Uno de los dominios clásicos de aplicación de las series temporales es:
- AAseguradoras
- BAstronomía
- CPolítica
- DEconomía
51En CRISP-DM, la actividad "Determinar en qué momento o bajo qué circunstancias los modelos resultantes no deberían utilizarse más" se desarrolla como parte de la tarea ...:
- APlanificar Monitorización y Mantenimiento
- BPlanificar Despliegue
- CRevisar Proyecto
- DProducir Informe Final
52En data mining, uno de los problemas clásicos de análisis de series temporales es:
- AEl estudio de la periodicidad de las series
- BEl registro de las series por medio de sensores
- CEl análisis de subsecuencias en varias series
- DEl estudio de la amplitud de las series
53En CRISP-DM, la actividad "Analizar el potencial de cada resultado de cara al despliegue" se desarrolla como parte de la tarea ...:
- ADeterminar los Siguientes Pasos
- BEvaluar Proceso
- CEvaluar Modelos
- DEvaluar Resultados
54En CRISP-DM, la tarea "Recopilar los Datos Iniciales" pertenece a la fase de ...:
- AData Preparation
- BData Understanding
- CBusiness Understanding
- DModeling
55En CRISP-DM, la actividad "Hacer un ranking con los resultados en función de su grado de ajuste a los criterios de negocio" se desarrolla como parte de la tarea ...:
- ADeterminar los Siguientes Pasos
- BEvaluar Resultados
- CEvaluar Modelos
- DEvaluar Proceso
56A la idea de explotar, en una misma aplicación, varias fuentes de datos abiertos y relacionados entre sí de algún modo se le conoce como:
- AOpen Source
- BData Mining
- CLinked Data
- DOpen Data
57En CRISP-DM, la actividad "Seleccionar tablas y registros de interés" se desarrolla como parte de la tarea ...
- ARecopilar los Datos Iniciales
- BDescribir los Datos
- CVerificar la Calidad de los Datos
- DExplorar los Datos
58En CRISP-DM, la actividad "Analizar hasta qué punto los objetivos iniciales de data mining han sido cubiertos" se desarrolla como parte de la tarea ...:
- AProducir Informe Final
- BPlanificar Despliegue
- CPlanificar Monitorización y Mantenimiento
- DRevisar Proyecto
59En CRISP-DM, la actividad "Realizar diagramas que representen la estructura de la empresa (departamentos, proyectos, grupos, etc.)" se desarrolla como parte de la tarea ...:
- AProducir el Plan de Proyecto
- BDeterminar los Objetivos de Data Mining
- CEvaluar Situación
- DDeterminar los Objetivos de Negocio
60En CRISP-DM, la actividad "Ejecutar la técnica de data mining seleccionada para obtener los modelos" se desarrolla como parte de la tarea ...:
- ADiseñar las Pruebas
- BSeleccionar la Técnica de Modelado
- CEvaluar Modelos
- DConstruir Modelos
61Las técnicas de data mining utilizadas para extraer conocimiento a partir de imágenes, videos, etc., se denominan:
- AMinería de Datos Multimedia
- BWeb Mining
- CText Mining
- DData Mining Espacial
62En CRISP-DM, la actividad "Decidir la técnica de minería de datos apropiada, teniendo en cuenta la disponibilidad de herramientas para el proyecto" se desarrolla como parte de la tarea ...:
- ASeleccionar la Técnica de Modelado
- BConstruir Modelos
- CEvaluar Modelos
- DDiseñar las Pruebas
63Indicar que significan las siglas SEMMA:
- ASample, Explore, Modify, Model and Apply
- BSample, Explore, Modify, Model and Assess
- CSample, Extract, Modify, Model and Assess
- DSample, Explore, Modify, Mine and Assess
64Un método de detección de atípicos basado en el uso de la técnica de los k vecinos más próximos, es un método basado en:
- AClustering
- BProximidad
- CAproximaciones estadísticas
- DDensidad
65Indicar, para la técnica de 10-fold cross validation, cuál es el tamaño del conjunto de entrenamiento si se parte de una población total de 1000 objetos:
- A9
- B90
- C900
- D100
66Un método de detección de atípicos basado en el análisis de grupos de objetos similares entre sí, es un método basado en:
- AAproximaciones estadísticas
- BProximidad
- CClustering
- DDensidad
67El algoritmo K-medias pertenece al grupo de los algoritmos de clustering:
- ABasado en densidad
- BBasado en grid
- CJerárquico
- DParticional
68El algoritmo DIANA pertenece al grupo de los algoritmos de clustering:
- ABasado en grid
- BBasado en densidad
- CParticional
- DJerárquico
69Las técnicas de data mining que se utilizarían para extraer conocimiento a partir un mapa geográfico, se denominan:
- AData Mining Espacial
- BMinería de Datos Multimedia
- CText Mining
- DWeb Mining
70Las técnicas de Web Mining que persiguen la extracción de conocimiento a partir de los patrones de navegación de los usuarios, son técnicas de:
- AMinería de los Enlaces
- BMinería del Contenido
- CMinería de la Estructura
- DMinería del Uso
71En CRISP-DM, la actividad "Analizar el proceso, respondiendo, para cada etapa, a preguntas como: ¿fue necesaria? ¿se llevó a cabo de forma óptima? ¿se podría mejorar?" se desarrolla como parte de la tarea ...:
- ADeterminar los Siguientes Pasos
- BEvaluar Resultados
- CEvaluar Proceso
- DEvaluar Modelos
72En CRISP-DM, la actividad "Analizar el potencial de cada resultado de cara al despliegue" se desarrolla como parte de la tarea ...:
- AEvaluar Proceso
- BDeterminar los Siguientes Pasos
- CEvaluar Modelos
- DEvaluar Resultados
73En CRISP-DM, la tarea "Determinar los Objetivos de Data Mining" pertenece a la fase de ...:
- ABusiness Understanding
- BModeling
- CData Preparation
- DData Understanding
74En CRISP-DM, la tarea "Verificar la Calidad de los Datos" pertenece a la fase de ...:
- AData Understanding
- BBusiness Understanding
- CData Preparation
- DModeling
75En CRISP-DM, la actividad "Determinar cómo el conocimiento será propagado hasta los usuarios" se desarrolla como parte de la tarea ...:
- APlanificar Despliegue
- BProducir Informe Final
- CRevisar Proyecto
- DPlanificar Monitorización y Mantenimiento
76En CRISP-DM, la actividad "Identificar valores faltantes y su posible significado" se desarrolla como parte de la tarea ...:
- AExplorar los Datos
- BRecopilar los Datos Iniciales
- CDescribir los Datos
- DVerificar la Calidad de los Datos
77En CRISP-DM, la actividad "Modificar los datos para que se adapten a las técnicas de modelado que se ejecutarán más adelante" se desarrolla como parte de la tarea ...:
- ACreación de Datos
- BLimpiar los Datos
- CSeleccionar los Datos
- DFormatear Datos
78En CRISP-DM, la actividad "Calcular estadísticos básicos para cada atributo (media, moda, máximo, etc.)" se desarrolla como parte de la tarea ...:
- ADescribir los Datos
- BVerificar la Calidad de los Datos
- CRecopilar los Datos Iniciales
- DExplorar los Datos
79En CRISP-DM, la tarea "Producir el Plan de Proyecto" pertenece a la fase de ...:
- AModeling
- BData Preparation
- CBusiness Understanding
- DData Understanding
80En CRISP-DM, la tarea "Formatear Datos" pertenece a la fase de ...:
- AEvaluation
- BDeployment
- CData Preparation
- DModeling
81A la idea de que ciertos datos deberían estar a disposición de cualquiera sin restricción, se le conoce como:
- AData Mining
- BOpen Source
- CLinked Data
- DOpen Data
82Las técnicas de Web Mining que persiguen la extracción de conocimiento a partir del estudio de las conexiones entre los elementos de un sitio web, son técnicas de:
- AMinería de los Enlaces
- BMinería del Contenido
- CMinería del Uso
- DMinería de la Estructura
83En data mining, uno de los problemas clásicos de análisis de series temporales es:
- AEl estudio de la periodicidad de las series
- BEl estudio de la amplitud de las series
- CEl registro de las series por medio de sensores
- DLa comparación entre dos series temporales
84Indicar qué fase de CRISP-DM se dedica a la aplicación de técnicas (principalmente estadísticas) para obtener modelos representativos de los datos:
- AModeling
- BData Preparation
- CDeployment
- DEvaluation
85En CRISP-DM, la actividad "Traducir los objetivos de negocio a objetivos de data mining" se desarrolla como parte de la tarea ...:
- ADeterminar los Objetivos de Negocio
- BEvaluar Situación
- CProducir el Plan de Proyecto
- DDeterminar los Objetivos de Data Mining
86Indicar de cuántas fases se compone CRISP-DM:
- A7
- B6
- C4
- D5
87En CRISP-DM, la actividad "Analizar, en detalle, las propiedades de los atributos" se desarrolla como parte de la tarea ...:
- AVerificar la Calidad de los Datos
- BExplorar los Datos
- CRecopilar los Datos Iniciales
- DDescribir los Datos
88En CRISP-DM, la tarea "Recopilar los Datos Iniciales" pertenece a la fase de ...:
- AData Preparation
- BData Understanding
- CModeling
- DBusiness Understanding
89En CRISP-DM, la actividad "Analizar hasta qué punto los objetivos iniciales de data mining han sido cubiertos" se desarrolla como parte de la tarea ...:
- APlanificar Despliegue
- BPlanificar Monitorización y Mantenimiento
- CRevisar Proyecto
- DProducir Informe Final
90En CRISP-DM, la tarea "Evaluar Resultados" pertenece a la fase de ...:
- AModeling
- BEvaluation
- CData Preparation
- DDeployment
91En CRISP-DM, la actividad "Modificar los datos para que se adapten a las técnicas de modelado que se ejecutarán más adelante" se desarrolla como
parte de la tarea ...:- ASeleccionar los Datos
- BLimpiar los Datos
- CCreación de Datos
- DFormatear Datos
92En CRISP-DM, la actividad "Decidir si es necesario normalizar alguno de los atributos" se desarrolla como parte de la tarea ...:
- AFormatear Datos
- BCreación de Datos
- CSeleccionar los Datos
- DLimpiar los Datos
93Las técnicas de Web Mining que persiguen la extracción de conocimiento a partir de la información contenida en los sitios web, son técnicas de:
- AMinería del Uso
- BMinería de los Enlaces
- CMinería de la Estructura
- DMinería del Contenido
Información
- Descripción
- Business Intelligence Test sobre Control 2 BI, creado por Vicente Rubio el 28/06/2019.
- Autor
- Vicente Rubio
- Idioma
- Español
- Visitas
- 1
- Historial
- Creado el 28 jun 2019 · actualizado el 28 jun 2019
- Etiquetas
- Valoración
- Aún sin valoraciones Valora este test