test rrrespuestas--
Resumen1.¿Qué significa ETL en ingeniería de datos?ETL es un acrónimo que significa "Extracción, Transformación y Carga", un proceso utilizado para integrar datos de múltiples fuentes en un solo destino.2.
¿Cuál es la importancia de ETL en ingeniería de datos?
ETL es importante en ingeniería de datos porque permite a los profesionales de datos integrar y consolidar datos de múltiples fuentes, lo que mejora la calidad y la eficacia de los análisis y toma de decisiones.3.
¿Cuál es la diferencia entre el source y el target en una ETL?
El source se refiere a la fuente de datos donde se extraen los datos para la transformación y carga en el target, que es el destino final de los datos.4.
¿Cuál es la diferencia entre un data warehouse y un data lake en términos de ETL?
En un data warehouse el proceso de ETL se centra en la integración y transformación de datos estructurados y almacenados en diferentes sistemas, para crear un conjunto de datos coherente y consolidado. En un data lake, el proceso de ETL se enfoca en la ingestión y almacenamiento de datos en su forma más cruda, sin aplicar transformaciones significativas hasta que se requieran para un análisis específico.
5.¿Siempre es mejor que una ETL se realice en streaming y no en procesos batch?Falso, depende de la misma naturaleza y necesidades del proyecto.6.
Un ETL netamente desarrollada desde cero en Python u otro lenguaje, ¿de qué tipo se puede considerar?
Custom7.Es algo a tener en cuenta al momento de usar sources en un proceso de ETL.Considerar la calidad y consistencia de los datos.REPASAR CLASE8.
¿Cómo afecta la frecuencia de extracción de las fuentes en una ETL?
Si la frecuencia es muy baja, es posible que se pierdan datos recientes, mientras que una frecuencia demasiado alta puede causar una sobrecarga en el sistema y afectar el rendimiento.
9.La extracción de datos en Python solo la debo manejar con la librería de Pandas. ¿Esto es verdadero o falso?Falso, si bien es una librería perfecta para la manipulación de datos existen otras librerías que podemos usar.10.
¿Cuál es la mejor estrategia para manejar duplicados en una ETL?
La mejor estrategia para manejar duplicados en una ETL es utilizar una combinación de técnicas como la eliminación de duplicados, la unificación de registros y la consolidación de datos.11.
¿Qué hace esta línea de código de Pandas?
df_codes[['clean_code','parent_description']] = df_codes.apply(lambda x : clean_code(x['Code']),axis=1, result_type='expand')
Asigna a dos columnas de un DataFrame (df_codes) los resultados de aplicar una función lambda (clean_code) a la columna "Code" de dicho DataFrame, para cada fila.12.
¿Qué hace esta línea de código de Pandas en el DataFrame?
df_countries = df_countries[df_countries['alpha-3'].notnull()]
Filtra el DataFrame 'df_countries' para eliminar todas las filas donde la columna 'alpha-3' tiene un valor nulo.13.
¿Cuál es la razón de crear esta función en Python para una transformación de datos?
defcreate_dimension(data, id_name):
list_keys = []
value = 1
for _ in data:
list_keys.append(value)
value = value + 1
return pd.DataFrame({id_name:list_keys, 'values':data})
Una manera eficiente de crear un DataFrame con valores únicos de posibles dimensiones o valores categóricos.14.
¿Cuál es la importancia del formato de los datos en el proceso de carga en una ETL?
El formato de los datos es esencial en el proceso de carga de una ETL, ya que determina cómo se pueden manipular y transformar los datos durante la fase de transformación.15.
¿Cuál es la librería en Python para gestionar el uso de AWS?
boto316.Desde Python únicamente se puede gestionar carga a data warehouses de AWS como Redshift. ¿Esto es verdadero o falso?Verdadero, ya que solo existen librerías de Python para comunicarse con AWS.REPASAR CLASE17.
¿Qué herramienta de Pentaho debe usarse para leer datos de una tabla en una base de datos?
Input Table18.
¿Cuál es el propósito del paso Select values en Pentaho PDI?
Se utiliza para seleccionar y renombrar columnas específicas de un conjunto de datos.19.
¿Cuál es el propósito del paso Filter rows en Pentaho PDI?
Filtrar filas específicas de un conjunto de datos en función de una o más condiciones.20.¿En Pentaho solo puedo hacer un cargue de datos a bases de datos relacionales?No, hay múltiples target no relacionales a los que puedo cargar.Ver menos
