Ingeniería de Datos

¿Cuál de las siguientes afirmaciones sobre bases de datos relacionales y bases de datos NoSQL es verdadera?

• Las operaciones de combinación compleja (joins) son compatibles tanto con bases de datos relacionales como con bases de datos NoSQL.

• Las bases de datos relacionales no tienen que seguir un esquema estricto como las bases de datos NoSQL.

• Las bases de datos relacionales operan bajo el principio de consistencia fuerte, mientras que las bases de datos NoSQL operan bajo el principio de consistencia eventual.

• Las bases de datos relacionales y NoSQL suelen cumplir con las propiedades ACID.

¿Cuál escenario representa el principio de aislamiento (isolation) en el contexto de ACID (Atomicity, Consistency, Isolation, Durability)?

• Si hay una restricción de que el saldo bancario debe ser un número entero positivo, cualquier transacción que haga que el saldo baje de cero debería fallar.

• Los datos almacenados en una base de datos de transacciones bancarias nunca se perderán, incluso si hay un corte de energía.

• Una transacción bancaria que transfiere dinero de la Cuenta A a la Cuenta B debe ejecutar las actualizaciones en ambas cuentas o fallar sin actualizar ninguna.

• Dado que el saldo de una cuenta es de $20, si dos transacciones que deducen $10 cada una ocurren al mismo tiempo, el saldo será de $0 y no de $10 cuando ambas terminen.

Considera los siguientes tres casos de uso:

• Caso de uso A: Un analista de negocios quiere analizar los datos de ventas una vez al mes.

• Caso de uso B: Un gerente de cadena de suministro necesita actualizaciones nuevas del registro desde la base de datos transaccional una vez por minuto.

• Caso de uso C: Un ingeniero de software necesita datos procesados de sensores IoT en milisegundos después de que se generan para construir un panel de análisis orientado al cliente.

¿Cuál es la forma más adecuada de ordenar estos casos de uso en el continuo de frecuencias de ingestión de datos (es decir, etiquetarlos como batch, micro-batch y streaming)?

• Caso de uso A: batch
  Caso de uso B: micro-batch
  Caso de uso C: streaming

• Caso de uso A: micro-batch
  Caso de uso B: streaming
  Caso de uso C: batch

• Caso de uso A: micro-batch
  Caso de uso B: batch
  Caso de uso C: streaming

• Caso de uso A: streaming
  Caso de uso B: batch
  Caso de uso C: micro-batch

Considera los siguientes tres casos de uso:

• Caso A: Construir una base de datos transaccional que soporte operaciones de lectura y escritura con baja latencia.

• Caso B: Construir un repositorio para compartir archivos y colaborar, sin necesidad de alto rendimiento.

• Caso C: Construir un sistema de almacenamiento para guardar petabytes de datos no estructurados para entrenar modelos de aprendizaje automático.

¿Qué opción de almacenamiento en la nube deberías elegir para cada caso?

• Caso A: File Storage
  Caso B: Block Storage
  Caso C: Object Storage

• Caso A: Block Storage
  Caso B: File Storage
  Caso C: Object Storage

• Caso A: Block Storage
  Caso B: Object Storage
  Caso C: File Storage

• Caso A: Object Storage
  Caso B: File Storage
  Caso C: Block Storage

¿Cuál de las siguientes afirmaciones describe mejor la función principal de una base de datos vectorial?

• Una base de datos vectorial está diseñada para almacenar y recuperar grandes volúmenes de documentos de texto no estructurados.

• Una base de datos vectorial permite realizar consultas eficientes de datos basadas en similitudes semánticas mediante el almacenamiento y procesamiento de incrustaciones vectoriales (vector embeddings).

• Una base de datos vectorial se utiliza principalmente para almacenar datos de series temporales, como mediciones meteorológicas diarias.

Supón que quieres realizar consultas analíticas rápidas sobre grandes volúmenes de datos tabulares recopilados de varios departamentos como marketing, ventas y producto.
¿Cuál de las siguientes es la opción de almacenamiento más adecuada para este escenario?

• Una base de datos transaccional

• Un data lake

• Un data warehouse

¿Cuáles de las siguientes descripciones sobre las tablas de dimensión son verdaderas? Selecciona todas las que correspondan.

• Las tablas de dimensión se usan para agregar medidas de negocio, como calcular el promedio o el máximo de una medida en particular.

• Las tablas de dimensión suelen ser estrechas y largas, con muchas filas que representan cada evento.

• Las tablas de dimensión se usan para agrupar y filtrar los resultados de consultas agregadas sobre medidas de negocio.

• Las tablas de dimensión almacenan información descriptiva que proporciona el contexto para las medidas de negocio resultantes de un evento empresarial.

Cuando se entrena un algoritmo clásico de aprendizaje automático con datos de texto, primero se debe preprocesar y vectorizar el texto en forma numérica.
¿Cuál de las siguientes NO es una técnica común de preprocesamiento de texto?

• Eliminación de palabras vacías (stop words)

• Normalización

• Aumento de datos (data augmentation)

• Tokenización

¿Cuál es una diferencia clave entre una vista (view) y una vista materializada (materialized view)?

• Una vista materializada solo se puede usar dentro del alcance de una sola consulta, mientras que una vista se puede usar en todas tus consultas.

• Una vista materializada almacena en caché los resultados de las consultas y permite actualizaciones periódicas, mientras que una vista necesita ejecutarse cada vez que se actualiza.

• Una vista es útil cuando necesitas actualizaciones de datos en tiempo real, mientras que una vista materializada no admite transmisión de datos en tiempo real.

• Una vista precomputará y almacenará los resultados de las consultas, mientras que una vista materializada necesita ejecutarse cada vez que se actualiza.

Diseña un pipeline de datos para el siguiente caso de uso. Se esperan respuestas (con un promedio de 100 palabras) que identifiquen tantas herramientas o conceptos como recuerdes del ciclo de vida de ingeniería de datos:

Una empresa de comercio electrónico desea analizar el comportamiento de los clientes en tiempo real para ofrecer recomendaciones personalizadas durante su navegación.