Data Science

  1. ¿Qué librería de Python es estándar para análisis de datos tabulares?

    1. NumPy
    2. Pandas
    3. Matplotlib
    4. Scikit-learn

    El porqué Pandas es la librería estándar para manipular datos tabulares en Python. Ofrece DataFrames que permiten filtrar, agrupar y transformar datos eficientemente.

  2. ¿Qué es un DataFrame?

    1. Un tipo de gráfica
    2. Una estructura de datos tabular con filas y columnas
    3. Un algoritmo de machine learning
    4. Un formato de archivo

    El porqué Un DataFrame es una estructura bidimensional (tabla) con filas y columnas etiquetadas. Es el objeto principal de Pandas y PySpark para análisis de datos.

  3. ¿Para qué se usa PySpark?

    1. Crear sitios web
    2. Procesar grandes volúmenes de datos de forma distribuida
    3. Diseñar interfaces gráficas
    4. Editar imágenes

    El porqué PySpark es la API de Python para Apache Spark, un motor de procesamiento distribuido que permite analizar terabytes de datos en clústeres de servidores.

  4. ¿Qué es Machine Learning?

    1. Programar robots físicos
    2. Sistemas que aprenden patrones de datos sin ser programados explícitamente
    3. Un lenguaje de programación
    4. Hardware especializado para IA

    El porqué Machine Learning es una rama de la IA donde los algoritmos aprenden patrones y relaciones a partir de datos, mejorando su rendimiento con la experiencia sin instrucciones explícitas.

  5. ¿Qué tipo de gráfica se usa para ver correlaciones entre dos variables?

    1. Gráfico de barras
    2. Gráfico de dispersión (scatter plot)
    3. Gráfico circular (pie)
    4. Histograma

    El porqué El gráfico de dispersión muestra puntos en un plano XY, permitiendo visualizar la relación (correlación positiva, negativa o nula) entre dos variables numéricas.

  6. ¿Qué es overfitting en Machine Learning?

    1. Cuando el modelo es muy lento
    2. Cuando el modelo memoriza los datos de entrenamiento y falla con datos nuevos
    3. Cuando faltan datos
    4. Cuando el modelo es muy simple

    El porqué Overfitting ocurre cuando un modelo se ajusta demasiado a los datos de entrenamiento, capturando ruido en vez de patrones reales, y pierde capacidad de generalización.

  7. ¿Qué formato de archivo es óptimo para Big Data?

    1. CSV
    2. Parquet
    3. TXT
    4. Excel

    El porqué Parquet es un formato de almacenamiento columnar comprimido optimizado para Big Data. Es mucho más eficiente que CSV en lectura, escritura y espacio en disco.

  8. ¿Qué es ETL?

    1. Un lenguaje de programación
    2. Extract, Transform, Load
    3. Electronic Transfer Layer
    4. Encrypted Tunnel Link

    El porqué ETL (Extraer, Transformar, Cargar) es el proceso de mover datos desde fuentes diversas, limpiarlos/transformarlos, y cargarlos en un sistema de destino para análisis.

  9. ¿Qué librería se usa para crear gráficas en Python?

    1. Pandas
    2. Matplotlib
    3. NumPy
    4. Flask

    El porqué Matplotlib es la librería base para crear visualizaciones estáticas, animadas e interactivas en Python. Seaborn y Plotly se construyen sobre ella para gráficos más avanzados.

  10. ¿Qué es un modelo de regresión lineal?

    1. Un modelo que clasifica imágenes
    2. Un modelo que predice un valor continuo a partir de una relación lineal
    3. Un modelo para agrupar datos similares
    4. Un modelo de red neuronal profunda

    El porqué La regresión lineal modela la relación entre variables ajustando una línea recta (y = mx + b) que minimiza la distancia entre los datos reales y las predicciones.