IMF - Big Data y Data Science

¿Qué se entiende por big data?20s

• Datos no estructurados.

• Datos generados por IoT y deben procesarse en tiempo real.

• Datos de tipos muy diversos como, por ejemplo, textos, imágenes, etc.

• Conjuntos de datos que no se pueden procesar con tecnologías tradicionales.

Hadoop HDFS se basa en una idea implementada en:20s

• MapReduce.

• Facebook.

• Yahoo

• Google File System.

¿Cuándo nació Hadoop como subproyecto de Lucene?20s

• 2022

• 2000

• 2006

• 1969

¿Cuáles son los factores principales que han propiciado el auge del big data?20s

• Ley de Moore, abaratamiento del hardware, Hadoop, MapReduce.

• Iaas, Paas, SaaS y Serverless.

• Ley de Moore, explosión de la información, Hadoop, la nube.

• Ley de Moore, explosión de la información, Hadoop, HDFS.

La generación de informes corresponde a:20s

• La analítica predictiva.

• La analítica prescriptiva.

• La analítica descriptiva.

• El aprendizaje

La ciencia de datos requiere conocimiento de:20s

• Tecnología, matemáticas, negocio.

• Tecnología, negocio, ingeniería.

• Programación, matemáticas, Ingeniería

• De fútbol y un poco motos

¿Cómo se llaman los repositorios de información típicos del mundo big data?20s

• Data mart.

• Almacén de datos.

• Lagode datos o Data Lake

• Base de datos.

¿Cómo se llaman los repositorios de información típicos de la inteligencia de negocio?20s

• NoSQL

• Pausini´s Song

• Almacén de Datos o Data warehouse

• Ninguna de las anteriores es correcta. El profe no se entera...

En un lago de datos se guardan los datos en bruto.20s

• Cierto. Es una de sus principales ventajas.

• Falso. Sería demasiado caro.

• Falso. Sería poco eficiente.

• Cierto. Aunque solo temporalmente, mientras se procesan, luego se borran

¿Cuáles son las tres uves que mejor permiten caracterizar las tecnologías big data?20s

• Volumen, variedad, valor.

• Volumen, variedad, velocidad.

• Volumen, velocidad, valor.

• Volumen, velocidad, verosimilitud.