1. Es la extraccin de conocimientos desde bases de datos?
R. Minera de datos. 2. Bsqueda de patrones interesantes y de regularidades importantes en grandes bases de datos? R. Minera de datos. 3. Proceso que consta de una serie de fases, mientras que la minera de datos es solo una de stas fases? R. KDD (Knowledge Discovery in Databases). 4. Cules son las fases del KDD o Proceso de Extraccin del Conocimiento? R. Sistemas de informacin. Preparacin de los datos. Minera de datos. Patrones. Evaluacin-Interpretacin-Visualizacin. Conocimiento. 5. Cules son las tareas de la minera de datos? R. Clasificacin. Regresin y agrupamiento. Reglas de asociacin correlacionares. Reglas de asociacin secuenciales. 6. Cules son las tcnicas de la minera de datos? R. Mtodos estadsticos. Redes neuronales. rboles de decisin. Algoritmos genticos. Agrupamiento (Clustering). Aprendizaje automtico (supervisado, no supervisado).
7. Es una expresin simblica en forma de igualdad o ecuacin que se emplea en todos los diseos experimentales y en la regresin para indicar los diferentes factores que modifican la variable de respuesta? R. Modelos estadsticos. 8. Son un paradigma de aprendizaje y procesamiento automtico inspirado en la forma en que funciona el sistema nervioso de los animales. Colabora para producir un estmulo de salida. Algunos ejemplos de red neuronal son: El Perceptrn, El Perceptrn multicapa, Los Mapas Autoorganizados (tambin conocidos como redes de Kohonen). R. Redes neuronales. 9. Est tcnica se encuentra dentro de una metodologa de aprendizaje supervisado. Su representacin es en forma de rbol en donde cada nodo es una decisin, los cuales a su vez generan reglas para la clasificacin de un conjunto de datos. Ejemplos: Algoritmo ID3, Algoritmo C4.5? R. rboles de decisin. 10. Imitan la evolucin de las especies mediante la mutacin, reproduccin y seleccin, como tambin proporcionan programas y optimizaciones que pueden ser usadas en la construccin y entrenamiento de otras estructuras como es el caso de las redes neuronales? R. Algoritmos genticos. 11. Agrupan datos dentro de un nmero de clases preestablecidas o no, partiendo de criterios de distancia o similitud. Su utilizacin ha proporcionado significativos resultados en lo que respecta a los clasificadores o reconocedores de patrones, como en el modelado de sistemas? R. Agrupamiento (Clustering). 12. Es utilizada para inferir conocimiento del resultado de la aplicacin de alguna de las otras tcnicas antes mencionadas. Se divide en dos reas principales: aprendizaje supervisado y aprendizaje no supervisado? R. Aprendizaje automtico.
El sistema requiere ayuda de un instructor para partir de ese conocimiento. R. Aprendizaje supervisado.
El sistema no requiere ayuda de un instructor para adquirir conocimiento. R. Aprendizaje no supervisado.