Examen de Machine Learning

¿Qué es Machine Learning?

• Programar explícitamente reglas en un sistema

• Enseñar a las máquinas a aprender de datos

• Un tipo de hardware especializado

• Una técnica de visualización de datos

En Machine Learning, el término dataset se refiere a:

• El algoritmo que entrena el modelo

• La colección de datos usada para entrenar y probar

• La función matemática aprendida

• El resultado final del modelo

Una feature en un dataset es:

• La variable independiente (entrada)

• La variable dependiente (salida)

• Un algoritmo de entrenamiento

• Una técnica de evaluación

El target en ML corresponde a:

• La variable de entrada

• La variable de salida que queremos predecir

• Un método de clustering

• El error del modelo

¿Qué gráfico se suele usar para visualizar la relación entre dos variables numéricas?

• Histograma

• Scatter plot

• Boxplot

• Heatmap

En ML, dividir datos en entrenamiento y prueba sirve para:

• Hacer más rápido el entrenamiento

• Evaluar el modelo en datos no vistos

• Reducir el número de variables

• Aumentar artificialmente los datos

¿Cuál de los siguientes es un ejemplo de variable categórica?

• Edad

• Peso

• Color de auto

• Estatura

¿Qué representa un modelo en ML?

• Una tabla de datos

• La relación aprendida entre features y target

• La métrica de evaluación

• El código fuente

¿Qué significa sobreajuste (overfitting)?

• El modelo aprende demasiado bien los datos de entrenamiento y falla en prueba

• El modelo no aprende nada

• El modelo divide mal el dataset

• El modelo tiene muchas features

¿Cuál es el propósito de la función de coste?

• Guardar la Q-table

• Medir qué tan bueno o malo es el modelo

• Generar nuevas features

• Cambiar el tamaño del dataset