Introducción a la ciencia de datos - semana 3

1.        ¿Qué es el sesgo en los datos?

•    a) La forma en que se recopilan y procesan los datos.

•    b) La existencia de prejuicios en la forma en que se recopilan, procesan y analizan los datos.

•    c) La falta de precisión en los datos.

•    d) La variabilidad natural de los datos.

2. ¿Cuál es un ejemplo de sesgo en la selección de datos?

• a) Utilizar un algoritmo con sesgo.

•  b) Seleccionar solo datos de ciertas regiones para un modelo de predicción.

•    c) Medir variables de manera objetiva.

•    d) Entrenar un algoritmo con datos representativos de la población.

3. ¿Qué significa la discriminación en los datos?

•    a) El uso de datos objetivos para tomar decisiones.

• b) El uso de datos sesgados para tomar decisiones que perjudican a ciertos grupos.

• c) El análisis de datos para identificar tendencias.

• d) La recopilación de datos de diferentes fuentes.

4. ¿Cuál es una consecuencia de la discriminación en los datos?

•    a) Mejora de la precisión en la toma de decisiones.

• b) Igualdad de oportunidades para todos los grupos.

• c) Denegación de oportunidades de empleo, vivienda o crédito.

• d) Mayor transparencia en el uso de datos.

5. ¿Por qué es importante abordar el sesgo y la discriminación en los datos?

•    a) Para garantizar la justicia e igualdad en su uso.

• b) Para aumentar la complejidad de los modelos de predicción.

•    c) Para reducir la transparencia en el uso de datos.

• d) Para mejorar la precisión de los datos.

6. ¿Qué puede causar el sesgo en los datos?

• a) La falta de diversidad en los conjuntos de datos.

•    b) La inclusión de múltiples perspectivas en la recopilación de datos.

•    c) La transparencia en el proceso de toma de decisiones.

•    d) La eliminación de datos no relevantes.

7. ¿Qué estrategia es importante para abordar el sesgo y la discriminación en los datos?

•    a) Implementar técnicas de desvío.

•    b) Realizar auditorías de datos periódicas.

•    c) Aumentar la complejidad de los modelos de predicción.

•    d) Reducir la conciencia sobre el problema.

8. ¿Por qué es importante la diversidad en los conjuntos de datos?

• a) Para aumentar la precisión de los modelos de predicción.

•    b) Para garantizar que los conjuntos de datos representen a la población objetivo.

•    c) Para reducir la complejidad de los modelos de predicción.

• d) Para aumentar la transparencia en el proceso de toma de decisiones.

9. ¿Qué derechos incluye la privacidad de la información en el contexto de la ciencia de datos?

•    a) El derecho a controlar cómo se recopilan, utilizan y divulgan los datos personales.

•    b) El derecho a utilizar datos personales sin restricciones.

•    c) El derecho a compartir datos personales sin consentimiento.

•    d) El derecho a recopilar datos personales de forma indiscriminada.

   

10. ¿Por qué es importante la privacidad de la información en la ciencia de datos?

• a) Para garantizar que los datos se utilicen de manera justa y equitativa.

•    b) Para proteger los datos personales de accesos no autorizados.

•    c) Para promover la transparencia en el uso de datos personales.

•    d) Todas las anteriores.