15 preguntas y respuestas de cuestionario de ciencia de datos

1. Pregunta: ¿Qué es la ciencia de datos?
Opciones: a) Un método para almacenar datos en bases de datos.
b) El proceso de extraer conocimiento y insights de datos utilizando técnicas estadísticas y computacionales.
c) Una herramienta para crear gráficos en Excel.
d) Un lenguaje de programación como Python.
Respuesta correcta: b
Explicación: La ciencia de datos implica el uso de datos para generar valor, mediante el análisis, modelado y visualización, lo que ayuda a tomar decisiones informadas.

2. Pregunta: ¿Cuál es la diferencia principal entre datos estructurados y no estructurados?
Opciones: a) Los datos estructurados son numéricos y los no estructurados son textuales.
b) Los datos estructurados tienen un formato organizado, como tablas, mientras que los no estructurados, como texto o imágenes, no siguen un esquema fijo.
c) Los datos estructurados se almacenan en la nube y los no estructurados en discos locales.
d) No hay diferencia; ambos son iguales.
Respuesta correcta: b
Explicación: Los datos estructurados facilitan el análisis con herramientas como SQL, mientras que los no estructurados requieren procesamiento adicional, como en NLP.

3. Pregunta: ¿Qué es el aprendizaje supervisado en machine learning?
Opciones: a) Un método donde el algoritmo aprende sin etiquetas.
b) Un enfoque donde los datos de entrenamiento incluyen etiquetas para predecir resultados.
c) Un tipo de algoritmo que solo usa datos no etiquetados.
d) Una técnica para visualizar datos.
Respuesta correcta: b
Explicación: En el aprendizaje supervisado, el modelo se entrena con datos etiquetados, como en la regresión lineal, para hacer predicciones precisas.

4. Pregunta: ¿Para qué se utiliza principalmente la biblioteca Pandas en Python?
Opciones: a) Para crear redes neuronales.
b) Para el análisis y manipulación de datos en estructuras como DataFrames.
c) Para realizar cálculos numéricos básicos.
d) Para la visualización de gráficos 3D.
Respuesta correcta: b
Explicación: Pandas es esencial para tareas de limpieza, transformación y análisis de datos tabulares, mejorando la eficiencia en proyectos de ciencia de datos.

5. Pregunta: ¿Qué mide la desviación estándar en un conjunto de datos?
Opciones: a) La media aritmética de los valores.
b) La dispersión o variabilidad de los datos alrededor de la media.
c) El número total de observaciones.
d) La correlación entre variables.
Respuesta correcta: b
Explicación: La desviación estándar indica cuán dispersos están los datos, siendo una medida clave en estadísticas para evaluar la consistencia.

6. Pregunta: ¿Cuál es el propósito principal de Matplotlib en data science?
Opciones: a) Realizar consultas SQL.
b) Crear visualizaciones gráficas de datos, como gráficos de líneas o barras.
c) Entrenar modelos de machine learning.
d) Limpiar datos faltantes.
Respuesta correcta: b
Explicación: Matplotlib permite representar datos visualmente, facilitando la interpretación y la comunicación de insights en análisis.

7. Pregunta: ¿Qué es Hadoop en el contexto de big data?
Opciones: a) Un lenguaje de programación.
b) Un framework para procesar y almacenar grandes volúmenes de datos distribuidos.
c) Una base de datos relacional.
d) Un algoritmo de machine learning.
Respuesta correcta: b
Explicación: Hadoop usa HDFS y MapReduce para manejar datos masivos de manera escalable y eficiente en entornos distribuidos.

8. Pregunta: ¿Por qué es importante la limpieza de datos en un proyecto de data science?
Opciones: a) Para hacer que los datos ocupen menos espacio.
b) Para eliminar valores faltantes, duplicados y errores, asegurando la precisión del análisis.
c) Solo para fines estéticos.
d) Para convertir datos en imágenes.
Respuesta correcta: b
Explicación: La limpieza de datos mejora la calidad del dataset, reduciendo errores en modelos y resultados finales.

9. Pregunta: ¿Qué es el sobreajuste en machine learning?
Opciones: a) Cuando un modelo es demasiado simple y no aprende patrones.
b) Cuando un modelo aprende el ruido de los datos de entrenamiento en lugar de los patrones generales.
c) Un método para submuestrear datos.
d) La falta de datos para entrenar.
Respuesta correcta: b
Explicación: El sobreajuste ocurre cuando el modelo tiene un rendimiento pobre en datos nuevos, por lo que se usa validación cruzada para mitigarlo.

10. Pregunta: ¿Qué mide la precisión en la evaluación de modelos de clasificación?
Opciones: a) El porcentaje total de predicciones correctas.
b) La proporción de verdaderos positivos entre los positivos predichos.
c) La capacidad de detectar todos los positivos reales.
d) La diferencia entre predicciones y valores reales.
Respuesta correcta: b
Explicación: La precisión evalúa la exactitud de las predicciones positivas, siendo crucial en casos con clases desbalanceadas.

11. Pregunta: ¿Qué es una red neuronal en data science?
Opciones: a) Un algoritmo que simula el cerebro humano para procesar datos.
b) Un tipo de base de datos.
c) Una técnica de visualización.
d) Un método para almacenar archivos.
Respuesta correcta: a
Explicación: Las redes neuronales, como en deep learning, aprenden patrones complejos a través de capas, siendo útiles para tareas como el reconocimiento de imágenes.

12. Pregunta: ¿Para qué se usa principalmente SQL en data science?
Opciones: a) Para crear interfaces gráficas.
b) Para consultar y manipular datos en bases de datos relacionales.
c) Para entrenar modelos de IA.
d) Para analizar series temporales.
Respuesta correcta: b
Explicación: SQL permite extracciones eficientes de datos, como JOINs y agregaciones, que son fundamentales en el flujo de trabajo de data science.

13. Pregunta: ¿Cuál es un aspecto ético clave en la ciencia de datos?
Opciones: a) Maximizar la velocidad de procesamiento.
b) Garantizar la privacidad y el consentimiento en el uso de datos personales.
c) Ignorar sesgos en los datos.
d) Publicar todos los datos sin restricciones.
Respuesta correcta: b
Explicación: La ética en data science evita sesgos y protecciones de privacidad, como en GDPR, para prevenir daños.

14. Pregunta: ¿Qué es el feature engineering?
Opciones: a) La creación de nuevas características a partir de datos existentes para mejorar los modelos.
b) Una técnica para eliminar datos.
c) Un método de visualización.
d) El proceso de etiquetar datos.
Respuesta correcta: a
Explicación: El feature engineering transforma variables para que los algoritmos de machine learning funcionen mejor, como normalizando escalas.

15. Pregunta: ¿Qué es el análisis de series temporales?
Opciones: a) Un método para analizar datos no secuenciales.
b) El estudio de datos ordenados en el tiempo, como tendencias y patrones estacionales.
c) Una técnica para datos espaciales.
d) El procesamiento de imágenes.
Respuesta correcta: b
Explicación: El análisis de series temporales usa herramientas como ARIMA para predecir eventos futuros basados en patrones históricos.