Font size
WorksheetsIntroducción a la Inteligencia Artificial
Total questions: 20
Worksheet time: 17mins
Marque las opciones correctas (Unidad 1).
Una IA fuerte podría realizar con éxito tareas intelectuales de los humanos.
Una IA débil es también conocida como una Inteligencia Artificial General.
En un agente inteligente, el motor para girar es considerado un elemento sensor para esquivar obstáculos.
Se denomina Sistema Experto a una IA capaz de igualar o superar al cerebro humano.
Marque las opciones correctas (Unidad 1).
Una IA de enfoque simbólico, utiliza perceptrones para la toma de decisiones.
Una IA de enfoque conexionista, se basa en la interconexión de agentes.
En un programa de IA simbólica se utilizan palabras o símbolos, junto con reglas mediante las cuales el programa puede realizar la tarea asignada.
Un Sistema Experto emplea conocimiento humano almacenado en hechos y reglas para resolver problemas.
Marque las opciones correctas (Unidad 2).
Los modelos de aprendizaje supervisado, aprenden a etiquetar los datos de entrada.
Para evaluar correctamente un modelo entrenado, se utiliza un conjunto de datos diferente al utilizado en el entrenamiento.
Un modelo más complejo siempre va a poder ajustar mejor a los datos (es más sensible a los datos), pero eso no implica una mejor predicción.
Para crear un modelo climático que arroje una predicción de la temperatura ambiente, se utiliza normalmente un modelo de clasificación.
En un modelo entrenado, siempre es mejor el overfitting, que el underfitting.
Marque las opciones correctas (Unidad 2).
El back-propagation es un algoritmo utilizado para ajustar los pesos de las conexiones entre neuronas.
El aprendizaje no supervisado busca mejorar el desempeño de un agente al realizar una actividad determinada, por medio de recompensas que se obtienen para cada acción ejecutada.
La detección de anomalías es una técnica utilizada para comportamientos inusuales en un conjunto de datos.
El clustering es una técnica de aprendizaje supervisado.
La regresión es un tipo de modelo de aprendizaje no supervisado.
En inteligencia de negocios, la "V" de (a) se refiere a la capacidad de un sistema de Big Data para manejar y procesar grandes cantidades de datos en un corto período de tiempo.
En inteligencia de negocios, , la "V" de (a) se refiere a la cantidad de datos que un sistema de Big Data puede almacenar y manejar.
En inteligencia de negocios, la "V" de (a) se refiere a la diversidad de fuentes y formatos de datos que un sistema de Big Data puede procesar.
En inteligencia de negocios, la "V" de (a) se refiere a la utilidad y relevancia de los datos para una organización o una aplicación en particular.
En inteligencia de negocios, la "V" de (a) se refiere a la precisión y confiabilidad de los datos almacenados en un sistema de Big Data.
En inteligencia de negocios, la analítica (a) se utiliza para automatizar la toma de decisiones.
La analítica (a) , describe lo que podría suceder.
Un (a) es un sistema centralizado para almacenar y gestionar grandes cantidades de datos procedentes de diferentes fuentes.
La etapa de (a) en ETL implica recopilar y extraer datos de diferentes fuentes, como bases de datos o archivos de datos
La etapa de (a) en ETL implica modificar y limpiar los datos extraídos para hacerlos coherentes y consistentes en un formato común.
La etapa de (a) en ETL implica cargar los datos transformados en un datawarehouse para su posterior análisis y consulta.
En una red profunda, la operación matemática que permite obtener un mapa de características (feature map) es:
Convolución
Convulsión
Machine Learning
Deep Learning
Entre las capa de entrada y la capa de salida Una red neuronal multicapa tiene una o más:
Capas ocultas.
Convoluciones.
Validaciones.
Generaciones.
¿Que combinan las redes neuronales en sus capas para resolver problemas?
Perceptrones.
Datasets.
Paradigmas.
Pensamientos.
¿Que modelo de visión se aplicó aquí?
Classification.
Classification + Localization.
Object Detection.
Instance Segmentacion.
¿Que modelo de visión se aplicó aquí?
Classification.
Classification + Localization.
Object Detection.
Instance Segmentacion.
