Test intelligenza artificiale analitica

1

La regressione logistica è adatta per prevedere:

Valori numerici continui come il fatturato settimanale

Variabili dipendenti binarie come il churn del cliente (sì/no)

Serie temporali con componenti stagionali e di trend

Cluster di clienti basati sulla similarità comportamentale

2

I modelli di 'attribution multicanale' nel marketing analytics servono a:

Ottimizzare il routing dei veicoli nella logistica distributiva

Prevedere il comportamento degli utenti tramite analisi RFM

Attribuire il credito delle conversioni ai diversi touchpoint del customer journey

Segmentare i prodotti per categoria tramite clustering non supervisionato

3

Qual è la piattaforma web citata nel corso per accedere al dataset 'Walmart Store Sales Forecasting'?

UCI Machine Learning Repository (archive.ics.uci.edu)

Google Dataset Search (datasetsearch.research.google.com)

Kaggle (www.kaggle.com)

Data.gov (www.data.gov)

4

Quale percentuale degli americani si stima viva entro 15 miglia da un centro Walmart?

75%

85%

95%

65%

5

Quale modello predittivo è specificamente citato per previsioni a lungo termine nel contesto delle serie temporali?

K-Nearest Neighbors (KNN)

Prophet

Regressione Ridge

Support Vector Machine

6

In quale circostanza l'approccio data-driven risulta metodologicamente NON sufficiente da solo per garantire decisioni ottimali?

Quando i dati sono aggiornati in tempo reale tramite IoT

Quando i decision loop sono integrati nei flussi operativi

Quando la data culture organizzativa è assente o resistente al cambiamento

Quando il data warehouse è correttamente strutturato

7

Nel modulo sull'analitica prescrittiva, quale strumento Python è menzionato per l'ottimizzazione lineare?

NumPy

Matplotlib

PuLP

Seaborn

8

Nell'analisi temporale del dataset Walmart, quale tecnica viene applicata per 'smussare' le fluttuazioni di breve periodo?

Z-score standardization

Media mobile (es. 4 settimane)

Imputazione con mediana

Normalizzazione min-max

9

Quale delle seguenti NON è classificata come 'tecnica di analitica descrittiva' nel materiale del corso?

Statistiche di sintesi (media, mediana, varianza)

Clustering K-means per la segmentazione

Regressione LASSO per la previsione di vendite future

Dashboard interattive con KPI e scorecard

10

Quale tecnica di ottimizzazione è più adatta per un problema di 'Vehicle Routing Problem (VRP)'?

Regressione logistica con regolarizzazione Ridge

K-means clustering con 5 centroidi

Metaeuristica come algoritmi genetici o simulated annealing

Analisi delle componenti principali (PCA)

11

Qual è la differenza principale tra un approccio decisionale 'intuition-based' e uno 'data-driven'?

L'approccio data-driven elimina completamente il giudizio umano dal processo decisionale

L'approccio data-driven si basa su metodi sistematici fondati sull'analisi dei dati anziché sull'intuizione

L'approccio intuition-based è superiore in contesti ad alta incertezza come il mercato finanziario

Non vi è differenza sostanziale in termini di qualità delle decisioni prodotte

12

Secondo Few (2009), quale beneficio principale offre una buona visualizzazione dei dati?

Aumenta la precisione dei modelli predittivi automaticamente

Riduce il carico cognitivo e migliora la capacità interpretativa

Elimina la necessità di statistiche descrittive di sintesi

Permette di effettuare analisi causali senza modelli statistici

13

Quale affermazione sui 'KPI (Key Performance Indicators)' è corretta secondo il materiale del corso?

Devono essere definiti dal team tecnico senza coinvolgimento degli stakeholder aziendali

Devono essere strettamente allineati alla strategia aziendale e concordati con gli stakeholder

Sono utilizzati esclusivamente per il monitoraggio finanziario e non per i processi operativi

Non possono essere visualizzati in dashboard interattive per motivi di sicurezza informatica

14

Il concetto di 'analytics stack' nella DDT si riferisce a:

Un set di algoritmi di machine learning ordinati per complessità crescente

L'insieme coordinato di strumenti che coprono tutte le fasi del ciclo dei dati

Una metodologia di sviluppo agile per progetti di data science

La gerarchia delle figure professionali nel team di analisi dati

15

Cosa caratterizza i 'dati strutturati' rispetto a quelli 'non strutturati' in un data lake?

I dati strutturati sono archiviati in formato JSON, i non strutturati in CSV

I dati strutturati sono organizzati in schemi predefiniti (es. tabelle), i non strutturati no (es. testi, immagini)

I dati strutturati possono essere processati solo con Python, i non strutturati con R

Non esiste differenza rilevante ai fini dell'analisi con strumenti moderni

16

Quale delle seguenti è una componente del 'continuum analitico' descritta nel corso?

Analitica generativa, predittiva, adattiva

Analitica esplorativa, classificatoria, ottimizzativa

Analitica descrittiva, predittiva, prescrittiva

Analitica statistica, computazionale, operativa

17

Quale metodologia didattica del corso prevede lo sviluppo di un'analisi completa su dataset reale dalla fase descrittiva a quella prescrittiva?

Lezioni frontali con supporto di slide multimediali

Laboratori pratici con Python

Progetto di gruppo con presentazione finale

Case study aziendali con discussioni strutturate

18

Nel metodo IQR per l'identificazione degli outlier, un valore è considerato anomalo se:

È superiore alla media più due deviazioni standard

Il suo Z-score è maggiore di 2

È inferiore a Q1 – 1.5×IQR oppure superiore a Q3 + 1.5×IQR

È al di fuori dell'intervallo [media – mediana, media + mediana]

19

In supply chain management, l'analitica predittiva aiuta a ridurre i fenomeni di 'stock-out' e 'overstock' attraverso:

L'ottimizzazione dei contratti di fornitura tramite programmazione lineare

La simulazione Monte Carlo degli scenari di domanda futura

La previsione accurata della domanda, riducendo le scorte di sicurezza necessarie

Il routing ottimale dei veicoli tramite algoritmi genetici

20

Il bias algoritmico nel machine learning può manifestarsi nella fase di 'proxy discrimination' attraverso:

L'uso di un numero eccessivo di feature nel modello

La selezione di feature che fungono da proxy per attributi demografici protetti

Il sovradimensionamento del training set rispetto al test set

L'impiego di modelli black box al posto di modelli interpretabili

21

La programmazione stocastica si differenzia dalla programmazione lineare classica perché:

Utilizza algoritmi genetici per l'esplorazione dello spazio delle soluzioni

I parametri del modello sono distribuzioni di probabilità anziché valori fissi

Si applica esclusivamente a problemi di scheduling in ambito manifatturiero

Richiede obbligatoriamente un dataset di training etichettato

22

Secondo Kimball e Ross (2013), qual è l'importanza di una corretta progettazione ETL?

Garantisce la sicurezza crittografica dei dati durante il trasferimento

È fondamentale per garantire l'affidabilità del data warehouse

Riduce il rischio di overfitting nei modelli predittivi

Ottimizza automaticamente gli iperparametri dei modelli ML

23

La 'media mobile a 4 settimane' nel dataset Walmart viene utilizzata per:

Calcolare la previsione delle vendite per il trimestre successivo

Smussare le fluttuazioni di breve periodo e identificare il trend di lungo periodo

Sostituire i valori mancanti nelle variabili MarkDown

Normalizzare le vendite rispetto alle diverse dimensioni dei negozi

24

Quale tecnica di simulazione è più adatta per valutare l'impatto di variabili aleatorie su un risultato aziendale (es. profitto atteso)?

Programmazione lineare intera (MIP)

Simulazione Monte Carlo

Regressione Ridge con cross-validation

Algoritmo K-Nearest Neighbors

25

In quali casi le tabelle pivot offrono un vantaggio rispetto alle statistiche descrittive semplici?

Quando si necessita di ottimizzare funzioni obiettivo lineari

Quando si vogliono fare aggregazioni multidimensionali su più variabili categoriche

Quando si costruiscono modelli di regressione ad alta dimensionalità

Quando si analizzano serie temporali con componente stagionale

26

Quale delle seguenti è una Best Practice metodologica nell'analisi descrittiva secondo il corso?

Non documentare le scelte metodologiche per mantenere flessibilità nell'analisi

Applicare sempre tecniche di imputazione standard ai dati mancanti

Documentare ogni scelta (gestione missing, soglie outlier, granularità) per garantire riproducibilità

Eliminare automaticamente tutte le osservazioni con valori outlier

27

Quale affermazione descrive correttamente la 'programmazione lineare (LP)'?

È un linguaggio di programmazione per lo sviluppo di applicazioni aziendali

È una tecnica di ottimizzazione per problemi con funzione obiettivo e vincoli lineari

È un framework di machine learning per modelli di regressione lineare

È un metodo di simulazione stocastica per problemi con incertezza

28

In quale contesto applicativo il Value at Risk (VaR) è uno strumento primario?

Supply chain management per la previsione della domanda

Marketing analytics per la segmentazione dei clienti

Gestione del rischio di portafoglio in ambito finanziario

Manutenzione predittiva in ambito manifatturiero

29

Quale componente del ciclo di vita del modello predittivo segue immediatamente il 'feature engineering'?

Definizione del problema e delle metriche di successo

Raccolta e preparazione dei dati (data preprocessing)

Scelta e addestramento del modello

Deployment in produzione

30

Quale algoritmo prescrittivo è classificato come 'metaeuristica' per problemi combinatori NP-hard?

Gradient Boosting

Simulated Annealing

Prophet

ARIMA

Test intelligenza artificiale analitica

🎓 AI & Data Analytics — Quiz d'Esame

Istruzioni