2do Parcial BI

Beschreibung

Quiz am 2do Parcial BI, erstellt von Ian De Jesus Brito Vittini am 29/10/2017.
Ian De Jesus Brito Vittini
Quiz von Ian De Jesus Brito Vittini, aktualisiert more than 1 year ago
Ian De Jesus Brito Vittini
Erstellt von Ian De Jesus Brito Vittini vor etwa 7 Jahre
235
2

Zusammenfassung der Ressource

Frage 1

Frage
Los datos, incluyendo las agregaciones, se almacenan dentro de una estructura relacional de base de datos que puede estar en la misma localización de la fuente o no.
Antworten
  • DOLAP.
  • HOLAP.
  • MOLAP.
  • ROLAP.

Frage 2

Frage
Es cuando el resultado predicho se puede considerar un número real.
Antworten
  • Árboles de clasificación.
  • Árboles de regresión.
  • Árboles de Decisión.

Frage 3

Frage
Son aquellos manejados por los gestores de base de datos convencionales, estos pueden ser considerados bidimensionales.
Antworten
  • Hechos.
  • Jerarquías
  • Datos Relacionales.
  • Dimensiones.

Frage 4

Frage
Se encarga de medir las relaciones entre dos variables.
Antworten
  • Análisis de clusters.
  • Análisis de regresión.
  • Análisis de factores
  • Análisis de correlaciones

Frage 5

Frage
Es una herramienta estadística que determina la relación entre dos o más variables cuantitativas.
Antworten
  • Análisis de clusters.
  • Análisis de factores.
  • Análisis de regresión.
  • Análisis de correlaciones.

Frage 6

Frage
En el Modelo CRISP-DM, es donde obtenemos la vista minable o dataset
Antworten
  • Comprensión de lo Datos.
  • Comprensión del Negocio.
  • Preparación de los Datos.

Frage 7

Frage
Es un tipo de red neuronal artificial, que es entrenada usando aprendizaje no supervisado para producir una representación discreta del espacio de las muestras de entrada, llamado mapa
Antworten
  • Perceptrón Multicapa
  • Redes Kohonen.
  • Perceptrón.

Frage 8

Frage
En el Modelo CRISP-DM, es donde aplicamos las técnicas de minería de datos a los dataset.
Antworten
  • Evaluación
  • Implantación.
  • Modelado

Frage 9

Frage
Operación de Minería de Datos, el cual está diseñado en un patrón similar de la experiencia de aprendizaje humano en el uso de observaciones para formar un modelo de las características importantes de alguna tarea.
Antworten
  • Detección de Desviación
  • Modelado predictivo
  • Segmentación de Base de Datos
  • Análisis de Vínculos.

Frage 10

Frage
Entre los actores que intervienen en un proyecto de Data Mining, éste proporciona acceso al hardware, el software y los datos necesarios para completar el proyecto de minería de datos con éxito
Antworten
  • Analista de minería de datos.
  • Líder del proyecto
  • Ingeniero de minería de datos
  • Cliente de minería de datos.
  • Analista de TI

Frage 11

Frage
Entre los actores que intervienen en un proyecto de Data Mining, éste desarrolla, interpreta y evalúa el modelo de minería de datos a la luz de los objetivos de negocio y criterios de éxito del negocio.
Antworten
  • Ingeniero de minería de datos.
  • Analista de minería de datos
  • Analista de TI
  • Líder del proyecto
  • Cliente de minería de datos.

Frage 12

Frage
Su principal objetivo es el de brindar rápidas respuestas a complejas preguntas, para interpretar la situación del negocio y tomar decisiones.
Antworten
  • Consultas ad-hoc
  • OLAP
  • Consultas empaquetadas.
  • Dashboards

Frage 13

Frage
Paso de la minería de datos donde se identifican los patrones obtenidos y que son realmente interesantes, basándose en algunas medidas y se realiza una evaluación de los resultados obtenidos.
Antworten
  • Transformación de Datos.
  • Interpretación de los Resultados.
  • Minería de Datos.
  • Selección de Datos.

Frage 14

Frage
Se usa para ajustar datos que son función de diversas variables. El algoritmo básico puede formar un modelo para predecir el valor de un campo determinado partiendo de los valores de otros atributos.
Antworten
  • Funciones de la Base Radial
  • Predicción Neuronal
  • Inducción Supervisada
  • Métodos Simbólicos

Frage 15

Frage
Crea un modelo que se utiliza para predecir nuevos valores y pronóstico de series temporales. La predicción se basa en un valor de predicción y en las relaciones entre los atributos descubiertas al explorar un conjunto de datos de preparación que contienen tanto la variable independiente como las dependientes.
Antworten
  • Funciones de la Base Radial
  • Inducción Supervisada
  • Métodos Simbólicos
  • Predicción Neuronal

Frage 16

Frage
Predicen un dato desconocido, a partir de la entrada o conjunto de valores obtenidos a lo largo de un tiempo determinado de los que se extrae un comportamiento futuro.
Antworten
  • Funciones de la Base Radial
  • Predicción Neuronal
  • Inducción Supervisada
  • Métodos Simbólicos

Frage 17

Frage
Su característica más importante es que son auto explicativos, a simple vista se puede observar la consideración de la clasificación de la data.
Antworten
  • Métodos Simbólicos
  • Funciones de la Base Radial
  • Predicción Neuronal
  • Inducción Supervisada

Frage 18

Frage
Modelo de proceso de selección, exploración y modelado de grandes cantidades de datos para descubrir patrones de negocio desconocidos.
Antworten
  • Modelo Cascada.
  • Modelo CRISP-DM.
  • Modelo SEMMA.

Frage 19

Frage
En el Modelo CRISP-DM, es donde revisamos los modelos de las fases anteriores para determinar si son útiles a las necesidades del negocio.
Antworten
  • Modelado.
  • Implantación.
  • Evaluación.

Frage 20

Frage
Presentan la información altamente resumida. Se componen de consultas, reportes, análisis interactivos, gráficos, semáforos, indicadores causa-efecto.
Antworten
  • Consultas ad-hoc
  • OLAP.
  • Consultas empaquetadas.
  • Dashboards

Frage 21

Frage
Se ejecutan periódicamente, sin necesidad de intervención de usuarios.
Antworten
  • Dashboards.
  • Consultas ad-hoc.
  • Consultas empaquetadas.
  • OLAP.

Frage 22

Frage
Paso de la minería de datos el cual consiste en especificar los datos de entrada que se desean explorar y analizar
Antworten
  • Selección de Datos
  • Minería de Datos.
  • Transformación de Datos
  • Interpretación de los Resultados.

Frage 23

Frage
Es la fase de modelado dónde métodos inteligentes son aplicados con el objetivo de extraer patrones previamente desconocidos, válidos, nuevos, potencialmente útiles y comprensibles y que están contenidos u “ocultos” en los datos.
Antworten
  • Transformación de Datos.
  • Minería de Datos.
  • Interpretación de los Resultados.
  • Selección de Datos.

Frage 24

Frage
Es la unidad básica de inferencia en forma de discriminador limitar o más simple, una neurona artificial. A partir de este se genera un algoritmo capaz de generar un criterio para seleccionar un sub género a partir de un grupo de componentes más grandes.
Antworten
  • Perceptrón Multicapa.
  • Perceptrón.
  • Redes Kohonen.

Frage 25

Frage
Su principal objetivo es el de brindar rápidas respuestas a complejas preguntas, para interpretar la situación del negocio y tomar decisiones.
Antworten
  • Dashboards.
  • Consultas ad-hoc.
  • OLAP.
  • Consultas empaquetadas.

Frage 26

Frage
Paso de la minería de datos el cual se encarga de las inconsistencias en los formatos de datos y la codificación, que pueden existir dentro de una base de datos única y que casi siempre existen cuando múltiples bases de datos contribuyen al Data Warehouse.
Antworten
  • Selección de Datos.
  • Minería de Datos.
  • Interpretación de los Resultados.
  • Transformación de Datos.

Frage 27

Frage
Permite almacenar una parte de los datos como en un sistema MOLAP y el resto como en uno ROLAP.
Antworten
  • MOLAP.
  • DOLAP.
  • HOLAP.
  • ROLAP.

Frage 28

Frage
Operación de Minería de Datos, el cual está diseñado en un patrón similar de la experiencia de aprendizaje humano en el uso de observaciones para formar un modelo de las características importantes de alguna tarea.
Antworten
  • Modelado predictivo
  • Análisis de Vínculos.
  • Segmentación de Base de Datos.
  • Detección de Desviación.

Frage 29

Frage
Esta herramienta constituye una poderosa tecnología con un gran potencial que ayuda y brinda soporte a los usuarios, con el fin de permitirles analizar y extraer conocimientos ocultos y predecibles a partir de los datos almacenados en un DW o en un OLTP.
Antworten
  • Data Mining.
  • Dashboards.
  • OLAP.
  • Consultas ad-hoc

Frage 30

Frage
Es cuando el resultado predicho es la clase a la que pertenecen los datos.
Antworten
  • Árboles de clasificación.
  • Árboles de Decisión.
  • Árboles de regresión.

Frage 31

Frage
Se encarga de medir las relaciones entre dos variables.
Antworten
  • Análisis de factores.
  • Análisis de regresión.
  • Análisis de correlaciones.
  • Análisis de clusters.

Frage 32

Frage
El objetivo es crear un modelo que predice el valor de una variable de destino en función de diversas variables de entrada.
Antworten
  • Árboles de Decisión
  • Árboles de clasificación.
  • Árboles de regresión.

Frage 33

Frage
Es un tipo de red neuronal artificial, que es entrenada usando aprendizaje no supervisado para producir una representación discreta del espacio de las muestras de entrada, llamado mapa.
Antworten
  • Redes Kohonen
  • Perceptrón.
  • Perceptrón Multicapa.

Frage 34

Frage
Entre los actores que intervienen en un proyecto de Data Mining, éste entiende a fondo, desde un punto de vista comercial, lo que el cliente quiere lograr.
Antworten
  • Líder del proyecto
  • Analista de minería de datos.
  • Ingeniero de minería de datos.
  • Analista de TI.
  • Cliente de minería de datos.

Frage 35

Frage
Paso de la minería de datos el cual consiste en especificar los datos de entrada que se desean explorar y analizar.
Antworten
  • Selección de Datos.
  • Transformación de Datos.
  • Minería de Datos.
  • Interpretación de los Resultados.

Frage 36

Frage
Los datos de fuente son almacenados en un formato multidimensional.
Antworten
  • ROLAP.
  • MOLAP.
  • HOLAP.
  • DOLAP.

Frage 37

Frage
Son aquellos manejados por los gestores de base de datos convencionales, estos pueden ser considerados bidimensionales.
Antworten
  • Jerarquías.
  • Dimensiones.
  • Datos Relacionales.
  • Hechos.

Frage 38

Frage
Son redes neuronales artificiales formadas por múltiples capas, esto les permite resolver problemas que no son linealmente separables.
Antworten
  • Redes Kohonen.
  • Perceptrón Multicapa.
  • Perceptrón.

Frage 39

Frage
Posibilidad de cambiar la granularidad de los datos.
Antworten
  • Slice y Dice.
  • Pivot.
  • Drill down y Roll up.

Frage 40

Frage
Es la fase de modelado dónde métodos inteligentes son aplicados con el objetivo de extraer patrones previamente desconocidos, válidos, nuevos, potencialmente útiles y comprensibles y que están contenidos u “ocultos” en los datos.
Antworten
  • Minería de Datos.
  • Transformación de Datos.
  • Interpretación de los Resultados.
  • Selección de Datos.

Frage 41

Frage
Modelo de proceso de selección, exploración y modelado de grandes cantidades de datos para descubrir patrones de negocio desconocidos.
Antworten
  • Modelo CRISP-DM
  • Modelo SEMMA.
  • Modelo Cascada.

Frage 42

Frage
En el Modelo CRISP-DM, es donde se definen los objetivos y requerimientos desde una perspectiva no técnica.
Antworten
  • Preparación de los Datos.
  • Comprensión de lo Datos.
  • Comprensión del Negocio.

Frage 43

Frage
Son consultas frecuentes y aleatorias, en el sentido en que responden a necesidades de información concretas.
Antworten
  • Dashboards.
  • Consultas ad-hoc.
  • Consultas empaquetadas.
  • OLAP.
Zusammenfassung anzeigen Zusammenfassung ausblenden

ähnlicher Inhalt

Physik: Elektrizität und Energie
JohannesK
LB A, Kapitel 1.2, Firmierung
Stefan Kurtenbach
Klausur Thrombose 1.3.3.b
Kevin Kuncic
5 Schritte zum Lernerfolg
Laura Overhoff
Französisch Grund- und Aufbauwirtschaft A1-B2 Teil 1
Chiara Braun
Vetie Virologie 2012
Isabelle K.
Repro 2014 Vetie
Anne Käfer
Quiz MS-4.2 Foliensatz II_Teil 1
Bernd Leisen
Vetie Para Morphologie Entomologie
Kristin E
Vetie - Lebensmittelkunde 2017
Birte Schulz