1.
En el contexto bancario, ¿qué tipo de modelo podría ser más adecuado para la detección de fraudes?
2.
¿Cuál de las siguientes NO es un concepto básico de Machine Learning?
3.
¿Qué librería de R se utiliza comúnmente para la visualización de datos?
4.
En el contexto de detección de fraudes, ¿Qué tipo de modelo sería más adecuado?
5.
¿Qué aspecto es crucial en el despliegue y mantenimiento de modelos de Machine Learning en producción?
6.
¿Cuál de las siguientes técnicas NO se utiliza en la limpieza de datos?
7.
En el contexto de Machine Learning, ¿Qué se entiende por algoritmos de aprendizaje supervisado?
8.
En el desarrollo de modelos de Machine Learning, ¿Cuál es el último paso?
9.
En el análisis de datos con Python, ¿qué técnica se utiliza para visualizar la distribución de variables?
10.
En Python, ¿Cuál de las siguientes opciones NO es una estructura de control?
11.
En el proceso de preparación de datos, ¿Qué implica el feature engineering?
12.
¿Cuál de las siguientes afirmaciones sobre la integración de Python y R es INCORRECTA?
13.
¿Cuál de las siguientes herramientas NO se menciona en el programa para aplicaciones en el sector bancario?
14.
En R, ¿Cómo se conocen las estructuras de datos tabulares?
15.
¿Cuál de las siguientes técnicas NO se utiliza en la construcción de modelos de Machine Learning?
16.
¿Cuál de las siguientes afirmaciones sobre R es INCORRECTA?
17.
¿Qué aspecto es crucial en el despliegue y mantenimiento de modelos de Machine Learning?
18.
¿Qué librería de Python se utiliza comúnmente para el manejo de datos tabulares?
19.
¿Cuál de los siguientes NO es un aspecto ético a considerar en el uso de IA?
20.
¿Qué objetivo persigue la evaluación de modelos en el contexto bancario?