Intro a Machine Learning 1

¿Qué es machine learning?

• Es un lenguaje de programación utilizado para el desarrollo de software.

• Es un tipo de hardware especializado en el procesamiento de grandes cantidades de datos.

• Es una técnica que permite predecir un resultado futuro en base al entrenamiento y optimización de un modelo.

• Es un conjunto de reglas predefinidas para la automatización de tareas repetitivas.

¿Qué requiere el aprendizaje supervisado?

• Información previamente etiquetada.

• Datos sin estructura ni organización.

• Utiliza recompensas y castigos para aprender a tomar decisiones.

• Se basa en el descubrimiento de patrones ocultos en los datos sin etiquetas.

¿Qué predicen los problemas de clasificación?

• Solo valores numéricos

• La clase más probable de un elemento

¿Qué tipo de aprendizaje supervisado puede ser una detección de SPAM?

¿Qué podemos deducir observando el gráfico?

• El tamaño de la casa no afecta el precio

• El gráfico muestra la ubicación de las casas, no el precio

• El precio de la casa disminuye a medida que aumenta el tamaño

• A medida que aumenta el tamaño de la casa, aumenta el precio.

¿Cuál es el principal objetivo del aprendizaje no supervisado?

• Aprender a través de recompensas y castigos

• Clasificar datos en categorías predefinidas

• Descubrir patrones ocultos en datos no etiquetados.

• Predecir valores numéricos precisos.

¿Qué son los problemas de clustering?

• Agrupar datos en función de su similitud, formando grupos donde los objetos dentro de un mismo grupo son más similares entre sí que con los de otros grupos.

• Predecir un valor numérico específico para cada individuo

• Clasificar individuos en categorías predefinidas basadas en etiquetas conocidas

• Establecer relaciones de causa y efecto entre variables

¿Cuál es uno de los objetivos de la reducción de dimensionalidad?

• Eliminar la necesidad de realizar preprocesamiento de datos

• Forzar la creación de modelos que se ajusten perfectamente a los datos de entrenamiento

• Ahorrar recursos computacionales al entrenar modelos

¿Qué es el sobreajuste u overfitting?

• Es un proceso para limpiar datos erroneos

• Es cuando un modelo generaliza perfectamente a cualquier conjunto de datos

• Es cuando un modelo no aprende lo suficiente de los datos de entrenamiento

• Es cuando un modelo se ajusta excesivamente a los datos de entrenamiento, perdiendo capacidad de generalización.

¿Cuántos chihuahuas hay en la imagen?

• 4

• 5

• 7

• 10

Answer explanation

Si respondiste 10, ¡Felicitaciones! Ya puedes quitarle el trabajo a una IA.