Preprocesamiento de Datos en IA

¿Qué es la limpieza de datos y por qué es importante?

• La limpieza de datos es el proceso de corregir errores en un conjunto de datos y es importante para asegurar la calidad y precisión de los mismos.

• La limpieza de datos es un método para aumentar la cantidad de datos disponibles.

• La limpieza de datos es el proceso de almacenar datos en la nube.

• La limpieza de datos se refiere a la creación de nuevos datos.

Menciona tres técnicas comunes de limpieza de datos.

• Eliminación de duplicados, imputación de valores faltantes, normalización de datos.

• Conversión de formatos de archivo

• Eliminación de espacios en blanco

• Agrupación de datos por categorías

¿Qué se entiende por normalización de datos?

• La normalización de datos es el proceso de eliminar todos los datos de una base de datos.

• La normalización de datos es el proceso de organizar datos en una base de datos para reducir la redundancia y mejorar la integridad.

• La normalización de datos se refiere a la creación de copias de seguridad de los datos.

• La normalización de datos es la técnica de aumentar la redundancia para mejorar el rendimiento.

¿Cuál es la diferencia entre normalización y estandarización?

• La normalización ajusta los datos a una media de 0, mientras que la estandarización los ajusta a un rango específico.

• La normalización se utiliza para eliminar valores atípicos, mientras que la estandarización no.

• La normalización ajusta los datos a un rango específico, mientras que la estandarización ajusta los datos a una media de 0 y desviación estándar de 1.

• La normalización y la estandarización son términos sinónimos en el análisis de datos.

¿Por qué es necesario transformar los datos en el preprocesamiento?

• Es necesario para mejorar la calidad y compatibilidad de los datos.

• Para reducir el tamaño de los datos.

• Para eliminar todos los datos irrelevantes.

• Para aumentar la complejidad de los datos.

Nombra dos métodos de transformación de datos.

• Visualización

• Filtrado

• Clasificación

• Normalización, Agregación

¿Qué es la reducción de dimensionalidad y para qué se utiliza?

• La reducción de dimensionalidad es una técnica para simplificar conjuntos de datos, utilizada para mejorar la visualización, reducir el tiempo de procesamiento y evitar el sobreajuste en modelos de aprendizaje automático.

• Es una técnica para aumentar la complejidad de los datos.

• Es un método para eliminar datos sin procesarlos.

• Se utiliza exclusivamente para la clasificación de datos.

Explica el concepto de PCA (Análisis de Componentes Principales).

• El PCA se utiliza para aumentar la dimensionalidad de los datos.

• El PCA es una técnica de reducción de dimensionalidad que transforma variables originales en componentes principales no correlacionados.

• PCA es un método de clasificación de datos en grupos.

• El PCA es una técnica de visualización que no afecta a la correlación de variables.

¿Qué es el análisis exploratorio de datos (AED)?

• Un proceso para realizar predicciones sobre datos futuros.

• Un método para limpiar datos corruptos.

• Una técnica para almacenar grandes volúmenes de datos.

• El análisis exploratorio de datos (AED) es un proceso para resumir y visualizar las características de un conjunto de datos.

¿Cuáles son las principales herramientas utilizadas en el AED?

• Herramientas de edición de imágenes

• Diagramas de flujo, pseudocódigo, herramientas de modelado UML, lenguajes de programación como Python o Java.

• Lenguajes de marcado como HTML

• Diagramas de Venn