HT - 07 Identifica principales aplicaciones

¿Para qué se usa Scikit-Learn en el Caso 1 del documento?

• Para reconocimiento de voz

• Para clasificación de imágenes médicas

• Para reconocer dígitos escritos a mano

• Para predecir precios de acciones

¿Qué tipo de problema se resuelve en el Caso 2 con PyTorch?

• Clasificación de dígitos

• Segmentación de texto

• Predicción de precios de viviendas

• Reconocimiento facial

¿Cuántas capas ocultas tiene la red neuronal en el Caso 1?

• 2

• 3

• 4

• Ninguna

¿Cuál es el tamaño de las capas ocultas en el modelo de Scikit-Learn?

• 200, 100, 50

• 50, 25, 10

• 100, 50, 25

• 64, 32, 16

¿Qué se debe hacer con las imágenes antes de entrenar el modelo?

• Reducirlas a blanco y negro

• Aplanarlas

• Codificarlas en JSON

• Guardarlas como PNG

¿Qué métrica se utiliza para evaluar el margen de error?

• R2 Score

• Mean Squared Error (MSE)

• F1-Score

• Precisión binaria

¿Qué se desea respecto al valor del MSE?

• Que sea mayor a 1

• Que sea igual a 10

• Que se aproxime a 0

• Que sea negativo

¿Qué indica una exactitud (accuracy) cercana a 1?

• Que el modelo es lento

• Que el modelo no aprende

• Que el modelo es altamente preciso

• Que hay sobreajuste

¿Con qué se prueba el modelo una vez entrenado?

• Con imágenes borrosas

• Con datos no supervisados

• Con 5 dígitos aleatorios

• Con datos de texto

¿Cuál es el primer paso en ambos casos?

• Hacer predicciones

• Entrenar el modelo

• Importar las librerías necesarias

• Crear una interfaz