Tema 5. Modelos de predicción con base en redes neuronales

¿Qué son las redes neuronales según Wiliems (2019)?

• Modelos de aprendizaje automático inspirados en la estructura biológica del cerebro.

• Sistemas de gestión de bases de datos.

• Algoritmos de optimización para redes sociales.

• Herramientas digitales para la creación de gráficos.

¿Cuál es la función de los dendritas en una neurona?

• Almacenar datos.

• Procesar la información.

• Recibir información externa.

• Emitir respuestas de salida.

¿Qué tipo de modelo se considera un perceptrón?

• Un modelo de clustering.

• Un modelo de clasificación no supervisada.

• Un modelo de regresión lineal.

• Un modelo de optimización.

¿Cuál es una de las funciones de activación más comunes en redes neuronales?

• Función de activación cuadrática.

• Función sigmoide.

• Función de activación logarítmica.

• Función de activación exponencial.

¿Qué ventaja tienen los modelos de perceptrón multicapa sobre los modelos lineales?

• Son más fáciles de interpretar.

• Permiten utilizar varios perceptrones para procesar datos.

• Requieren menos datos para entrenar.

• Son más rápidos en la ejecución.

¿Qué algoritmo se utiliza para generar las predicciones en un modelo de redes neuronales?

• Back-propagation.

• Random forest.

• Gradient descent.

• Feed-forward propagation.

¿Qué tipo de problemas pueden resolver los modelos de deep learning?

• Problemas de análisis de texto.

• Problemas de optimización combinatoria.

• Problemas de clasificación y regresión.

• Problemas de aprendizaje no supervisado.

¿Cuál es el propósito de la función de costo/error en un modelo de aprendizaje?

• Evaluar el rendimiento del modelo.

• Minimizar el tiempo de entrenamiento.

• Maximizar la precisión del modelo.

• Aumentar la complejidad del modelo.

¿Qué tipo de red neuronal se utiliza para problemas de predicción de series de tiempo?

• Redes neuronales de tipo perceptrón.

• Redes neuronales de autoencoders.

• Redes neuronales convolucionales.

• Redes neuronales recurrentes (LSTM).

¿Qué software se menciona como una implementación de alto nivel para redes neuronales?

• Keras.

• PyTorch.

• Scikit-Learn.

• TensorFlow.