El algoritmo describe un proceso de aprendizaje automático supervisado.Se identifica como aprendizaje automático supervisado porque el modelo se entrena con un conjunto de datos (imágenes de animales) donde cada entrada ya está etiquetada con su resultado correcto (perro o gato). El objetivo del algoritmo es aprender la relación entre las características de la imagen y su etiqueta para poder clasificar nuevas imágenes de manera autónoma. Esto se alinea con la definición de aprendizaje supervisado, donde se utiliza un "maestro" (las etiquetas preexistentes) para guiar el aprendizaje del modelo.

Una base de datos distribuida es un sistema de gestión de bases de datos que permite almacenar y acceder a datos en múltiples nodos o ubicaciones físicas, los cuales están interconectados lógicamente de manera que para el usuario final aparecen como una única base de datos. Los datos pueden estar replicados o fragmentados entre los diferentes sitios.Ventajas frente a una base de datos centralizada:1. Mayor disponibilidad y fiabilidad: Si uno de los nodos falla, el sistema puede seguir operativo, ya que los datos están replicados o accesibles desde otras ubicaciones, reduciendo el riesgo de un único punto de fallo.2. Mayor escalabilidad: Es más sencillo añadir nuevos nodos al sistema para aumentar la capacidad de almacenamiento y procesamiento de datos, lo que permite un crecimiento horizontal y una mejor adaptación a grandes volúmenes de información y usuarios.

Un informe de evaluación de impacto ambiental (EIA) es un documento técnico y multidisciplinar que tiene como objetivo identificar, predecir, interpretar, valorar y prevenir los efectos o impactos ambientales negativos que un determinado proyecto, obra o actividad, tanto pública como privada, podría generar sobre el medio ambiente antes de su ejecución. Incluye también la propuesta de medidas correctoras, preventivas y compensatorias.Cuatro apartados que debe contener dicho informe:1. Descripción del proyecto: Detalle de las características del proyecto, sus necesidades, la ubicación, el proceso productivo o la actividad a realizar.2. Análisis del estado actual del medio ambiente (línea base): Descripción del medio físico, biótico y socioeconómico en el área de influencia del proyecto antes de su ejecución, sirviendo como punto de referencia para evaluar los impactos.3. Identificación y valoración de impactos: Análisis de los posibles efectos (directos, indirectos, acumulativos, sinérgicos, positivos y negativos) que el proyecto podría generar sobre el medio ambiente, así como su magnitud, duración y reversibilidad.4. Medidas preventivas, correctoras y compensatorias: Propuesta de acciones para evitar, mitigar o reparar los impactos ambientales negativos identificados, así como medidas para compensar aquellos impactos que no puedan ser eliminados.

Big Data se refiere a un conjunto de tecnologías y metodologías diseñadas para capturar, almacenar, gestionar y analizar enormes volúmenes de datos que, por su tamaño, velocidad y diversidad, no pueden ser tratados con herramientas de bases de datos tradicionales. Su objetivo es extraer valor y conocimiento de estos datos para la toma de decisiones.Cuatro de sus atributos (conocidos como las 'V's del Big Data):1. Volumen: La característica más distintiva, que hace referencia a la inmensa cantidad de datos generados y almacenados, superando la capacidad de las herramientas convencionales.2. Velocidad: La rapidez con la que los datos son generados, procesados y analizados, a menudo en tiempo real o casi real, exigiendo sistemas capaces de gestionarlos a gran flujo.3. Variedad: La diversidad de formatos y tipos de datos que se manejan, que pueden ser estructurados (bases de datos), semiestructurados (XML, JSON) o no estructurados (texto, imágenes, vídeos, audios).4. Veracidad: La calidad y la confianza de los datos. Implica la necesidad de asegurar que los datos sean precisos, fiables y coherentes para poder obtener conclusiones válidas.