Quiz del Módulo 4: Pipelines de Datos

Evalúe su comprensión de los pipelines de datos con estas 30 preguntas.

---

Pregunta 1

¿Para qué se utiliza principalmente Apache Airflow?

1. Entrenamiento de modelos de ML
2. Orquestación y programación de pipelines de datos
3. Servir modelos en producción
4. Control de versiones para datos

---

Pregunta 2

¿Qué es un feature store?

1. Una tienda minorista de features de ML
2. Un repositorio centralizado para almacenar y servir features de ML
3. Una base de datos para pesos de modelos
4. Un algoritmo de selección de features

---

Pregunta 3

¿Para qué se utiliza Great Expectations?

1. Entrenamiento de modelos
2. Selección de features
3. Validación de datos y pruebas de calidad
4. Automatización del despliegue

---

Pregunta 4

¿Cuál es la diferencia entre procesamiento batch y procesamiento stream?

1. Batch es más rápido que stream
2. Batch procesa datos en grupos; stream procesa datos en tiempo real
3. Stream es solo para datos de video
4. No hay diferencia

---

Pregunta 5

¿Qué es Feast?

1. Una celebración después del despliegue del modelo
2. Un feature store de código abierto
3. Una herramienta de ingestión de datos
4. Una plataforma de monitoreo

---

Pregunta 6

¿Qué es un DAG en Apache Airflow?

1. Data Analysis Graph
2. Directed Acyclic Graph que representa dependencias de flujos de trabajo
3. Data Aggregation Gateway
4. Distributed Analytics Grid

---

Pregunta 7

¿Para qué se utiliza un feature store online?

1. Entrenamiento de modelos
2. Servir features para inferencia en tiempo real con baja latencia
3. Almacenar datos históricos
4. Procesamiento batch

---

Pregunta 8

¿Qué es un data contract?

1. Acuerdo legal para el uso de datos
2. Especificación que define el esquema de datos esperado, calidad y entrega
3. Acuerdo de precios de almacenamiento
4. Acuerdo de datos de empleados

---

Pregunta 9

¿Qué debe suceder cuando falla la validación de datos en un pipeline?

1. Continuar procesando de todos modos
2. Eliminar los datos
3. Alertar al equipo y detener/cuarentenar los datos problemáticos
4. Corregir automáticamente los datos

---

Pregunta 10

¿Qué es la idempotencia en los pipelines de datos?

1. Ejecutar pipelines en paralelo
2. Ejecutar la misma operación varias veces produce el mismo resultado
3. Procesar los datos solo una vez
4. Encriptar datos en reposo

---

Preguntas 11-30

(Preguntas adicionales sobre patrones ETL, técnicas de ingeniería de features, dimensiones de calidad de datos, monitoreo de pipelines, evolución de esquemas y más)

---

🎉 ¡Quiz completado!

Siguiente: Módulo 5: Infraestructura de Entrenamiento