Corfi: Intro Ciencia de Datos

¿Qué es la ciencia de datos?

• Un campo que se enfoca únicamente en la programación de computadoras.

• Una disciplina que combina estadística, informática y conocimiento de dominio para extraer información valiosa de los datos.

• Un área exclusiva para el análisis de datos financieros.

• Un sinónimo de inteligencia artificial.

La ciencia de datos puede ayudar a las organizaciones a tomar decisiones más informadas y estratégicas.

• Verdadero

• Falso

¿Qué ha impulsado el crecimiento de la ciencia de datos?

• Mayor variedad de datos.

• Más datos, mejor procesamiento y algoritmos más potentes.

• Mejores salarios para analistas de datos.

• Herramientas computacionales libres.

En el sector financiero o de seguros, ¿cuál de los siguientes datos se considera típicamente estructurado?

• Transcripciones de llamadas de servicio al cliente.

• Información de pólizas de seguros en una base de datos.

• Comentarios de clientes en redes sociales sobre un producto financiero.

• Imágenes de documentos de identificación para verificación de clientes.

En el contexto de mercado o servicio al cliente, ¿cuál de los siguientes ejemplos representa PRIMARIAMENTE datos NO estructurados?

• Resultados de una encuesta de satisfacción.

• Una base de datos de registro de llamadas al centro de atención.

• Comentarios y reseñas de clientes en redes sociales.

• Una tabla con datos mensuales de la tasa de retención de clientes.

Los métodos estadísticos, como el análisis de regresión y las pruebas de hipótesis, son herramientas fundamentales en la ciencia de datos para analizar relaciones entre variables y extraer conclusiones significativas a partir de los datos.

• Verdadero

• Falso

¿Cuál es la principal función de los tableros de control y las herramientas de Business Intelligence (BI) en la ciencia de datos?

• Realizar análisis estadísticos complejos y construir modelos predictivos.

• Extraer, transformar y cargar datos de diversas fuentes.

• Visualizar y comunicar información de manera efectiva.

• Facilitar la toma de decisiones estratégicas.

Un analista de mercado quiere evaluar el sentimiento de los inversores hacia una determinada acción mediante el análisis de noticias y publicaciones en redes sociales.

¿Qué técnicas de Procesamiento del Lenguaje Natural (NLP) serían relevantes para esta tarea?

• Análisis de sentimiento.

• Extracción de entidades.

• Traducción automática.

• Todas las anteriores.

¿En cuál de las siguientes situaciones sería más beneficioso aplicar modelos de Machine Learning para la gestión del riesgo operacional en una institución financiera?

• Clasificar el riesgo de clientes potenciales basándose en su historial crediticio.

• Predecir la volatilidad del mercado de valores a corto plazo.

• Detectar patrones inusuales en las transacciones para identificar posibles fraudes internos.

• Segmentar a los clientes en grupos según sus preferencias de productos financieros.

¿Cuál de las siguientes aplicaciones del Deep Learning sería MÁS relevante para mejorar la eficiencia y la productividad en el sector agroindustrial?

• Análisis de sentimiento en redes sociales para evaluar la percepción de los consumidores sobre productos agrícolas.

• Clasificación automática de imágenes de cultivos para identificar enfermedades o plagas en etapas tempranas.

• Predicción de la demanda de productos agrícolas para optimizar la planificación de la producción y distribución.

• Traducción automática de documentos técnicos sobre agricultura para facilitar el acceso a información en diferentes idiomas.