Diagnóstico RN y AP

¿Qué es una matriz en matemáticas?

• Un número entero.

• Una secuencia finita de caracteres.

• Un conjunto ordenado de números dispuestos en filas y columnas.

• Un sistema de ecuaciones lineales.

¿Cuál es la derivada de la función f(x) = x²?

• x

• 2x²

• x³

• 2x

¿Cuál de las siguientes es una operación válida entre dos matrices?

• La multiplicación de matrices de diferentes dimensiones sin restricciones.

• La suma de matrices del mismo tamaño.

• La resta de una matriz de 2x3 con una de 3x2.

• La multiplicación de una matriz con un escalar.

¿Qué describe la desviación estándar de un conjunto de datos?

• La dispersión o variabilidad de los datos respecto a la media.

• La media de los datos.

• El valor máximo de los datos.

• La cantidad total de datos.

¿Qué es el aprendizaje supervisado?

• Un proceso donde el modelo explora el entorno sin recibir ninguna retroalimentación.

• Un tipo de aprendizaje en el que el modelo se entrena con datos etiquetados.

• Un algoritmo que organiza datos sin etiquetas en grupos.

• Un método para reducir la dimensionalidad de los datos.

¿Qué es el "overfitting" en el contexto de aprendizaje de máquina?

• Cuando un modelo tiene un rendimiento pobre tanto en los datos de entrenamiento como en los datos de prueba.

• Una técnica para aumentar la capacidad de un modelo.

• Un método para preprocesar los datos antes de entrenar un modelo.

• Cuando un modelo se ajusta demasiado bien a los datos de entrenamiento y falla en generalizar a nuevos datos.

¿Cuál es la diferencia clave entre el aprendizaje supervisado y el no supervisado?

• El aprendizaje no supervisado siempre tiene mejor rendimiento que el supervisado.

• En el aprendizaje supervisado, los datos no se dividen en conjuntos de entrenamiento y prueba.

• El aprendizaje supervisado utiliza datos etiquetados, mientras que el no supervisado utiliza datos no etiquetados.

• El aprendizaje no supervisado requiere un conjunto de datos más grande que el supervisado.

¿Qué es una función de costo o pérdida en aprendizaje de máquina?

• Un algoritmo para dividir los datos en subconjuntos.

• Una medida que evalúa qué tan bien o mal un modelo está funcionando.

• Un método para aumentar la precisión del modelo.

• Un proceso para reducir el número de variables en un conjunto de datos.

¿Qué papel juega la validación cruzada en el desarrollo de modelos de aprendizaje de máquina?

• Ayuda a evaluar el modelo en diferentes subconjuntos de los datos para evitar sobreajuste.

• Es un método para aumentar el tamaño del conjunto de entrenamiento.

• Es una técnica para seleccionar los mejores hiperparámetros.

• Es una manera de reducir el número de características en un conjunto de datos.

¿Cuál es la importancia de la normalización de los datos en los algoritmos de aprendizaje de máquina?

• Aumenta la precisión del modelo al eliminar las características menos importantes.

• Garantiza que todas las características tengan la misma escala, lo que mejora la convergencia del modelo.

• Divide los datos en subconjuntos más manejables.

• Reduce el tiempo de entrenamiento al eliminar datos duplicados.