Fundamentos y Algoritmia para Inteligencia Artificial

Ava está estudiando inteligencia artificial y se pregunta: ¿Cuál de las siguientes opciones describe mejor el concepto de aprendizaje profundo en el ámbito de la inteligencia artificial?

• Un tipo de aprendizaje automático que utiliza redes neuronales con muchas capas.

• Un método que se basa en la programación tradicional para resolver problemas complejos.

• Una técnica que se centra en la recopilación de datos sin procesarlos.

• Un enfoque que combina la inteligencia humana con algoritmos de computación.

• Un sistema que requiere supervisión constante para mejorar su rendimiento.

Nora está investigando qué tipo de problemas son más adecuados para ser resueltos con Machine Learning en comparación con Deep Learning. ¿Qué debería considerar?

• Machine Learning es mejor para problemas con datos no estructurados.

• Deep Learning es más efectivo en tareas de clasificación de imágenes.

• Machine Learning se utiliza principalmente en análisis de series temporales.

• Deep Learning es ideal para procesamiento de lenguaje natural.

• Machine Learning y Deep Learning son igualmente efectivos en todos los casos.

El aprendizaje por reforzamiento se utiliza principalmente para:

• Clasificar datos en categorías predefinidas.

• Optimizar decisiones a través de la experiencia.

• Realizar análisis de sentimientos en textos.

• Generar imágenes a partir de descripciones.

• Predecir tendencias en series temporales.

¿Cuál es un ejemplo de aplicación del aprendizaje no supervisado en el contexto de la gestión de clientes en una tienda de tecnología donde trabaja James?

• Filtrado de spam en correos electrónicos.

• Predicción del precio de viviendas.

• Clustering o agrupación de clientes con características similares.

• Detección de fraudes en transacciones bancarias.

• Entrenamiento de vehículos autónomos.

Aiden está aprendiendo sobre aprendizaje supervisado en su clase de ciencias de datos. ¿Cuál es el objetivo principal del aprendizaje supervisado?

• Descubrir patrones en datos no etiquetados.

• Predecir resultados basados en datos de entrada etiquetados.

• Optimizar la estructura de datos para su análisis.

• Crear modelos sin supervisión de datos.

• Implementar algoritmos de clustering.

Luna está estudiando matemáticas y se pregunta: ¿Cuál de las siguientes afirmaciones es verdadera sobre los números reales?

• Son siempre enteros.

• Incluyen números irracionales.

• Son solo números positivos.

• Son números complejos.

• Son solo fracciones.

En una clase de álgebra lineal, Aria pregunta: ¿Cuál es la definición de un espacio vectorial?

• Un conjunto de vectores que cumplen ciertas propiedades.

• Una colección de números reales.

• Un sistema de ecuaciones lineales.

• Una función matemática que relaciona dos variables.

• Un tipo de gráfico en coordenadas cartesianas.

Abigail y Aiden están trabajando en un proyecto donde necesitan combinar dos vectores (2, 3) y (1, 4). ¿Cuál es el resultado de su adición?

• (2, 4)

• (1, 3)

• (3, 7)

• (0, 0)

• (-1, -1)

Ava está estudiando matrices en su clase de matemáticas. ¿Cuál es la característica principal de una matriz diagonal?

• Todos sus elementos son cero.

• Solo los elementos en la diagonal principal son diferentes de cero.

• Es una matriz cuadrada con todos los elementos iguales.

• Puede ser rectangular y no tiene restricciones en sus elementos.

• Todos sus elementos son iguales a uno.

Abigail está resolviendo un problema de matemáticas en clase. El determinante de la matriz [[3, 2], [4, 1]] es:

• -10

• -5

• 10

• 5

• 0