Font size
WorksheetsEstudianding
Total questions: 145
Worksheet time: 2hrs 42mins
El componente de un Sistema Experto Tradicional que se encarga de trazar las justificaciones que requiere el usuario se denomina.
Trazador de Consultas.
Manejador de Comunicaciones.
Trazador de Explicaciones.
Memoria de Trabajo.
Un profesor quiere construir una RNA para ayudar a los alumnos del curso de
ingreso a la facultad. Si se desea que a partir del procesamiento de la foto de una fórmula matemática, la RNA indique la más parecida de las fórmulas encontradas en el libro del curso:
se debe utilizar una RNA Multi-Perceptrón BackPropagation, entrenándola con las fotos de las fórmulas como datos de entrada y el valor de respuesta que corresponde a cada una como dato de salida. X
se debe utilizar una RNA de Hopfield, entrenándola únicamente con las fotos de las fórmulas como datos de entrada y de salida.
se debe utilizar una RNA Perceptrón, entrenándola con las fotos de las fórmulas como datos de entrada y el valor de respuesta que corresponde a cada una como dato de salida.
se puede utilizar cualquiera de las RNAs indicadas en las otras opciones.
Las agrupaciones entre elementos y características de un Emparrillado representan
conocimiento procedimental.
conocimiento declarativo.
conocimiento público.
todas las opciones son correctas.
Durante el desarrollo del Sistema Inteligente, la metodología IDEAL considera la
planificación y preparación del Mantenimiento ...
Adaptativo.
Perfectivo.
ninguno, la metodología IDEAL no prepara ningún tipo de mantenimiento.
Correctivo.
Para utilizar un AG como Sistema Experto, el Ingeniero del Conocimiento debe contar con
ejemplos de casos resueltos por el experto.
la caracterización de las soluciones y una forma para realizar su valoración.
reglas extraídas de fuentes públicas y privadas.
todas las opciones son correctas.
En un ejercicio de Deducción Natural, si la tesis no tiene una implicación, entonces
no se debe suponer ninguna fórmula para resolver el ejercicio.
se debe suponer el antecedente de la tesis.
se debe suponer el consecuente de la tesis.
se debe suponer el antecedente de alguna de las hipótesis.
Toda RNA que tenga conexiones hacia atras o laterales ...
necesita ciclar para estabilizarse durante su funcionamiento
aprende más rápido
no necesita ciclar para estabilizarse durante su funcionamiento
aprende más lento.
En un AG, el Método de Selección que es similar a Ruleta, pero también garantiza una preselección de los mejores individuos es el ...
Método de Control sobre Número Esperado.
Método de Primero el Mejor.
Método de Torneo.
Método de Ranking.
En un Algoritmo Genético, el método de Cruza Binomial Mascara Complemento.
utiliza el azar para determinar de cual padre extraer los valores del cromosoma para cada hijo.
siempre extrae todos los valores del cromosoma del mismo padre para ambos hijos.
puede extraer todos los valores del cromosoma del mismo padre para ambos hijos.
nunca extrae todos los valores del cromosoma del mismo padre para ambos hijos.
El operador de Mutación se usa en un Algoritmo Genético para ...
aumentar la diversidad de la población.
entrenar el algoritmo.
aumentar la probabilidad de Convergencia Prematura.
elegir los individuos a reproducir.
Todo Sistema Experto Tradicional debe poder
aprender automáticamente a resolver nuevos tipos de problemas del dominio.
justificar cómo se obtuvieron los resultados generados.
autoorganizar sus módulos para aprender.
superar al experto humano.
En la Pirámide de la Información, los Conocimientos están asociados al nivel
Semántico.
Pragmático.
Sintáctico.
de Juicios Morales.
La INCO busca ...
estudiar el comportamiento inteligente de los seres humanos.
conseguir una teoría de la inteligencia humana.
construir sistemas inteligentes que reproduzcan las acciones y razonamiento de los seres humanos.
todas las opciones anteriores.
Las RNA de Hopfield aplican una estrategia de entrenamiento
por Corrección de Error.
Supervisada.
Hebbiana.
Ranking.
La topología de las Redes Neuronales Artificiales de Hopfield se caracteriza en que ...
siempre tienen conexiones laterales entre sus neuronas.
puede tener conexiones de tipo recurrentes (o recursivas) entre sus neuronas.
puede tener conexiones desde una capa a la capa anterior entre sus neuronas.
siempre tienen conexiones hacia adelante entre sus neuronas.
El Análisis de Protocolos es considerado una técnica de ...
Formalización.
Conceptualización.
Educción de Conocimientos.
Extracción de Conocimientos.
Si se quiere implementar un Sistema Experto mediante un Algoritmo Genético, el experto del
dominio debería suministrar el conocimiento necesario para definir
el criterio de paro.
los operadores de Selección, Cruzamiento y Mutación.
el cromosoma y la función de aptitud.
los parámetros de los operadores genéticos.
En un ejercicio de Deducción Natural, sólo se puede utilizar la "Introducción de la Conjunción"
(IC) entre dos términos, si...
ambos términos de la conjunción siempre aparecen en otras líneas de la demostración.
al menos uno de los términos de la conjunción aparece en otra línea de la demostración.
la tesis tiene una implicación.
la tesis no tiene una implicación.
La fase del Proceso de Implementación de Sistemas Inteligentes que se ocupa de emplear
las tecnologías de la Inteligencia Artificial para desarrollar cada módulo del sistema es
Definición del Problema.
Construcción del Modelo.
Aplicación del Sistema Inteligente.
Identificación y Transformación de los Datos.
Un ejemplo de un problema de Optimización es ...
reconocer figuras geométricas en base a su imagen.
detectar la gravedad y sintomatologia de un paciente mediante la técnica de Triage.
identificar la mejor distribución de personas en las colas de un banco para minimizar su tiempo de espera.
sugerir la mejor carrera universitaria para estudiar en base a gustos y notas de un alumno de secundaria.
La Red Neuronal Artificial de tipo Multi-Perceptrón BackPropagation tiene la desventaja que ...
sólo puede servir para aproximar funciones de tipo lineal.
sólo puede aprender ejemplos que sean suficientemente ortogonales entre sí.
depende del azar para ajustar los pesos de las conexiones durante el entrenamiento.
no hay una regla universal para determinar la cantidad de neuronas y capas ocultas de la red.
Cuando se realiza la implementación de una Red Neuronal Artificial, la "normalización"
(o "estandarización") se usa para ..
identificar la tasa de aprendizaje óptima.
determinar los valores iniciales de los pesos de las conexiones.
encontrar la cantidad de neuronas que deben formar las capas ocultas.
ajustar los valores de los datos disponibles para facilitar el entrenamiento.
En un Algoritmo Genético, si durante varios ciclos de la corrida todos los individuos de
la población son idénticos entre sí, entonces seguramente hay un problema por utilizar
un criterio de paro definido por tiempo en lugar por cantidad de ciclos.
un cruzamiento binomial basado en máscaras dobles.
una probabilidad de mutación demasiado baja.
una generación de población inicial totalmente al azar.
Para poder utilizar cualquier algoritmo de Aprendizaje Automático (Machine Learning), siempre
se necesita ...
identificar al modelo.
conocer una solución que resuelva al problema.
tener ejemplos representativos sobre el problema.
contar con un Experto en la aplicación de Inteligencia Artificial.
Los Sistemas Inteligentes que poseen internamente un repositorio para registrar pasos
aplicados en la resolución del problema son ...
los Sistemas Expertos.
los Sistemas Expertos Tradicionales.
las Redes Neuronales Artificiales.
los Sistemas Basados en Conocimiento.
Si se necesita aplicar Inteligencia Artificial para estimar la cantidad de años que tiene un árbol
dependiendo de su especie, su ancho y su altura, entonces para implementar
el Sistema Inteligente debería usar ...
un Algoritmo Genético.
una RNA Perceptrón.
una RNA de Hopfield.
una RNA Multi-Perceptrón BackPropagation.
En un ejercicio de Deduccion Natural, solo se puede aplicar la regla de Introduccion de la
Implicación (II), cuando ...
la tesis no tiene una implicación.
la tesis tiene una implicación.
las hipotesis tienen implicaciones.
las hipotesis no tienen implicaciones.
La fase del Proceso de Implementación de Sistemas Inteligentes que se ocupa de evaluar
la viabilidad del proyecto es
Definición del Problema.
Construcción del Modelo.
Aplicación del Sistema Inteligente.
Identificación y Transformación de los Datos.
Un ejemplo de un problema de Optimización es ...
reconocer el tipo de flor que aparece en una fotografia.
estimar el valor futuro del Bitcoin teniendo en cuenta sus valores históricos.
determinar el mejor cronograma de actividades para un turista que visita una ciudad.
identificar el equipo de futbol que ganará un partido en base a las características de sus jugadores.
La Red Neuronal Artificial de tipo Multi-Perceptrón BackPropagation tiene la ventaja que
nunca se sobreentrena por lo que siempre generaliza en forma correcta.
durante el entrenamiento sólo necesita iterar cada eiemplo una única vez.
puede aprender (en teoría) a aproximar cualquier tipo de función lineal o no lineal.
existen muchos métodos confiables para determinar la cantidad de neuronas y capas ocultas de la red.
Cuando se realiza la implementación de una Red Neuronal Artificial, si tengo que "normalizar"
(o "estandarizar") los datos, entonces se debe aplicar sobre los datos de:
entrenamiento solamente.
validación y prueba.
entrenamiento y validación.
entrenamiento, validación y prueba.
Si todos los individuos de la población son idénticos entre sí durante varios ciclos de la corrida
de un Algoritmo Genético, entonces seguramente hay un problema por utilizar
generación de la población inicial al azar.
el método de selección ranking.
el método de cruzamiento cruza binomial al azar.
el método de cruza simple con varios puntos de corte.
En un Algoritmo Genético, cada cromosoma determina
el tipo de problema a resolver.
una posible solución al problema.
sólo la solución optima del problema.
el conocimiento aprendido por el algoritmo.
Como resultado de aplicar un algoritmo de Aprendizaje Automático (Machine Learning),
siempre se obtiene ...
un modelo.
un problema resuelto.
un Sistema Inteligente.
una Base de Conocimientos.
Los Sistemas Inteligentes que poseen internamente un componente especial para justificar los
resultados generados son
los Sistemas Expertos.
los Sistemas Expertos Tradicionales.
las Redes Neuronales Artificiales.
los Sistemas Basados en Conocimiento.
Si se necesita aplicar Inteligencia Artificial para identificar la enfermedad que tiene una
persona en base a los síntomas que presenta, entonces para implementar
el Sistema Inteligente debería usar
un Algoritmo Genético.
una RNA Perceptrón.
una RNA de Hopfield.
una RNA Multi-Perceptrón BackPropagation.
En un ejercicio de Deducción Natural, si la tesis tiene una implicación, entonces
no se debe aplicar la regla de Introducción de la Implicación (II).
se debe aplicar la regla de Introducción de la Implicación (II).
se podria o no aplicar la regla de Introducción de la Implicación (II).
nunca se aplica la regla de Introducción de la Implicación (II).
Durante la fase de "Definición del Problema" del Proceso de Implementación de Sistemas
Inteligentes
se identifican los módulos del Sistema Inteligente.
se construyen las interfaces software del Sistema Inteligente.
se evalúan los datos disponibles para la construcción del Sistema Inteligente.
se determinan las tecnologías a aplicar en la construcción del Sistema Inteligente.
Un ejemplo de un problema de Predicción es ...
reconocer al personaje de "Los Simpsons" en base a una imagen.
resolver el acertijo del "Dueño del Pececito" propuesto por Einstein.
estimar la cantidad de días que lloverá el mes próximo en base a la situación climática actual.
organizar la ubicación óptima de centros de reciclaje en base a las demandas de la población.
La Red Neuronal Artificial de Hopfield tiene la desventaja que ...
necesita iterar varias veces durante su entrenamiento para aprender cada ejemplo.
no necesita iterar durante su funcionamiento para determinar la salida correspondiente.
sólo puede aprender sin error ejemplos que sean suficientemente ortogonales entre sí.
requiere realizar muchas operaciones matemáticas complejas durante el entrenamiento.
Para determinar la cantidad de neuronas que tiene la capa oculta de
una Red Neuronal Artificial de tipo Multi-Perceptrón BackPropagation, se debe ...
aplicar el concepto del Gradiente Negativo.
usar la misma cantidad de neuronas que en la capa de entrada.
multiplicar la tasa de aprendizaie por la cantidad de ciclos de entrenamiento.
probar realizar varios entrenamientos con diferentes cantidades y analizar el error obtenido.
Al usar el método de selección por Ruleta durante la corrida de un Algoritmo Genético
siempre se va a elegir al mejor individuo de la población en cada ciclo.
dependiendo del azar se puede o no elegir al mejor individuo en cada ciclo.
nunca se va a elegir al mejor individuo de la población en cada ciclo.
el método de selección no importa porque el mejor individuo se elige al generar la población inicial.
Si estoy usando un algoritmo de Aprendizaje Automático (Machine Learning)
con Aprendizaje de tipo Supervisado, entonces para poder hacer el entrenamiento
siempre necesito conocer los datos de entrada y los datos de salida correspondientes.
sólo necesito conocer los datos de entrada.
sólo necesito conocer los datos de salida.
no necesito datos porque aprende con ayuda del Experto.
Si un Sistema Inteligente no posee Base de Conocimientos, entonces se puede decir que ese
sistema ...
representa los conocimientos de forma implícita.
representa los conocimientos de forma explicita.
utiliza conocimientos provenientes de fuentes públicas.
utiliza conocimientos provenientes de fuentes privadas.
Si necesito un Sistema Inteligente para identificar la mejor combinación de colores en una
página web de forma que se maximice la usabilidad de los usuarios, entonces debería
implementarlo usando ...
un Algoritmo de Inducción.
un Algoritmo Genético.
una RNA Perceptrón.
una RNA Multi-Perceptrón BackPropagation.
Durante la fase de "Aplicación del Sistema Inteligente del Proceso de Implementación de
Sistemas Inteligentes
se identifican los módulos del Sistema Inteligente.
se construyen las interfaces software del Sistema Inteligente.
se evalúan los datos disponibles para la construcción del Sistema Inteligente.
se determinan las tecnologías a aplicar en la construcción del Sistema Inteligente.
Un ejemplo de un problema de Clasificación es ...
estimar la cantidad de pasajeros que tendrá el transporte público en AMBA un día laboral.
detectar la presencia de malezas en los cultivos de soja en base a fotografías disponibles.
identificar la ubicación óptima de 8 reinas en un tablero de ajedrez para que no se "maten" entre sí.
encontrar el mejor stock de productos para tener en cada sucursal de una cadena de supermercados.
La Red Neuronal Artificial de Hopfield tiene la ventaja que ...
puede estimar un valor de salida a partir de otros valores de entrada.
no necesita iterar durante su entrenamiento para aprender cada ejemplo.
no necesita iterar durante su funcionamiento para determinar la salida correspondiente.
puede aprender cualquier cantidad de ejemplos sin importar sus características.
Para determinar la cantidad de capas ocultas de una Red Neuronal Artificial
de tipo Multi-Perceptrón BackPropagation, se debe ...
utilizar una única capa de neuronas ocultas.
calcular la derivada de la función de las neuronas por cada ejemplo.
analizar el error obtenido de realizar varios entrenamientos con diferentes topologías.
tomar la mitad de la cantidad de atributos de entrada multiplicado por la cantidad de valores de salida.
Al usar el método de selección por Ranking durante la corrida de un Algoritmo Genético ...
siempre se va a elegir al mejor individuo de la población en cada ciclo.
dependiendo del azar se puede o no elegir al mejor individuo en cada ciclo.
nunca se va a elegir al mejor individuo de la población en cada ciclo.
el método de selección no importa porque el mejor individuo se elige al generar la población inicial.
Si estoy usando un algoritmo de Aprendizaje Automático (Machine Learning)
con Aprendizaje de tipo No Supervisado, entonces para poder hacer el entrenamiento
siempre necesito conocer los datos de entrada y los datos de salida correspondientes.
sólo necesito conocer los datos de entrada.
sólo necesito conocer los datos de salida.
no necesito datos porque aprende con ayuda del Experto.
Si un Sistema Inteligente posee Base de Conocimientos, entonces se puede decir que ese
sistema
representa los conocimientos de forma explícita.
representa los conocimientos de forma implícita.
utiliza conocimientos provenientes de fuentes públicas.
utiliza conocimientos provenientes de fuentes privadas.
Si necesito un Sistema Inteligente para encontrar la mejor combinación de medios de
transporte que minimice tanto el costo como el tiempo de viaje para ir desde mi casa
hasta la facultad, entonces debería implementarlo usando.
un Algoritmo de Inducción.
un Algoritmo Genético.
una RNA Perceptrón.
una RNA Multi-Perceptrón BackPropagation.
En un ejercicio de Deducción Natural, sólo se puede aplicar la regla de Introducción de la
Disyunción (ID), cuando los términos que se desean utilizar en la aplicación de la regla
existen todos dentro de las líneas de la demostración.
no existe ninguno dentro de las líneas de la demostración.
al menos uno existe en una línea de la demostración.
al menos uno se encuentra expresado en lógica proposicional.
Para que un Sistema Inteligente implementado resulte exitoso en una Organización, se debe
buscar que...
reemplace a los expertos humanos existentes.
aprenda automáticamente todos los conocimientos de la Organización.
se integren a los sistemas software tradicionales existentes.
Todas las opciones son correctas.
La principal ventaja de utilizar un Algoritmo Genético es que..
es capaz de aprender entre una corrida y otra.
no necesita analizar todas las posibles soluciones al problema.
determina automáticamente las heuristicas que se deben aplicar.
Todas las opciones son correctas.
En un Algoritmo Genético, el operador de Selección..
nunca elige dos individuos idénticos.
siempre elige al mejor individuo de la población, al menos una vez.
nunca elige al peor individuo de la población más de una vez.
elige un subconjunto de individuos para que sean luego ingresados al operador de Cruzamiento.
El Alcance del Sistema Inteligente delimitado en la Definición del Problema es utilizado para
definir la integración de los Módulos del Sistema Inteligente.
determinar las Tareas de los Módulos del Sistema Inteligente.
identificar los Datos que se pueden utilizar para construir los Módulos del Sistema Inteligente.
Todas las opciones son correctas.
Construir un módulo del Sistema Inteligente usando un Algoritmo Genético de Inteligencia
Computacional.
garantiza siempre encontrar la solución óptima al problema detectado.
necesita definir primero los conocimientos educidos en la Base de Conocimientos.
requiere definir las características de las posibles soluciones y una función que las evalúe.
Todas las opciones son correctas.
La Estrategia de Entrenamiento que permite que una Red Neuronal Artificial aprenda modificando el valor de los pesos de las conexiones es...
Entrenamiento por Corrección de Error.
Entrenamiento Hebbiano.
Entrenamiento Competitivo / Cooperativo.
Todas las opciones son correctas.
Antes de comenzar a entrenar una Red Neuronal Artificial de tipo Multi-Perceptrón
BackPropagation es muy difícil definir la cantidad correcta de
Neuronas de Entrada.
Neuronas Ocultas.
Neuronas de Salida.
Todas las opciones son correctas.
En sus comienzos la Inteligencia Artificial pudo dar respuesta a...
generar algoritmos basados en lógica y heurísticas.
construir artefactos capaces de pensar como los seres humanos.
generar algoritmos que emularan el pensamiento humano.
construir artefactos capaces de emular las capacidades del cerebro humano.
Los mecanismos de Selección de un Algoritmo Genético...
permiten siempre evitar los máximos locales.
generan heterogeneidad a la población
si se ejecutan, generan un cambio en un bit de un individuo.
definen los individuos para el operador de Cruzamiento.
La población final de un Algoritmo Genético..
posee al mejor individuo de toda la corrida.
es la población resultante de la corrida del Algoritmo Genético.
es la población resultante de la primera vuelta del Algoritmo Genético.
es idéntica a la población final de otra corrida siempre que tenga los mismos parámetros y la misma poblacion inicial.
Los Modelos Conceptuales generados en la Definición del Problema son utilizados principalmente para.
comprender los requerimientos y conocimientos del dominio.
diseñar los Módulos del Sistema Inteligente.
estudiar los Datos disponibles para la construcción del Modelo.
evaluar la precisión del Modelo construido.
Construir un módulo del Sistema Inteligente usando una Red Neuronal Artificial correspondiente a Machine Learning (o Aprendizaje Automático)...
garantiza que el Modelo entrenado siempre resolverá el problema detectado.
implica entrenar al Modelo suministrándole datos representativos del Problema.
utiliza los Modelos Conceptuales del Problema como única fuente para el entrenamiento.
Todas las opciones son correctas.
La Estrategia de Entrenamiento que requiere que se cicle muchas veces sobre los mismos datos para lograr que la Red Neuronal Artificial aprenda es.
Entrenamiento por Corrección de Error.
Entrenamiento Hebbiano.
Entrenamiento de Hopfield.
Todas las opciones son correctas.
Para evitar el sobreentrenamiento (o sobreaprendizaje) de una Red Neuronal Artificial de tipo Multi-Perceptrón BackPropagation, se debe tener cuidado al momento de definir.
el valor de la Tasa de Aprendizaje.
la cantidad de Ciclos para el Entrenamiento.
los Pesos de las Conexiones entre las Neuronas.
la Matriz de Confusión.
En una organización, los Sistemas Inteligentes que resultan exitosos son..
los que reemplazan a los expertos humanos existentes.
los que aplican conocimientos provenientes de fuentes públicas.
totalmente independientes de los sistemas software tradicionales existentes.
los que se encuentran vinculados a los sistemas software tradicionales existentes.
El operador de Mutación de los Algoritmos Genéticos.
modifica siempre un individuo en todas las vueltas.
modifica siempre varios individuos en todas las vueltas.
modifica un individuo pero sólo en algunas vueltas.
Todas las opciones son correctas.
En un Algoritmo Genético, para definir la Función de Aptitud que se utilizará, es necesario
primero...
identificar el mecanismo de selección a utilizar.
tener al menos una versión preliminar de la estructura del cromosoma.
tener definidos los pesos de las conexiones.
tener al menos una corrida realizada.
En la Definición del Problema se debe evaluar la viabilidad de aplicar Inteligencia Artificial (IA) para determinar
si es posible aplicar IA para cumplir los Objetivos.
si aplicar IA es la mejor alternativa para cumplir los Objetivos.
si se justifica aplicar lA para cumplir los Objetivos.
Todas las opciones son correctas.
Construir un módulo del Sistema Inteligente usando un Sistema Basado en Conocimientos
correspondiente a la Inteligencia Artificial Tradicional.
garantiza siempre resolver el problema detectado con alta precisión.
se puede realizar aunque no se cuente con ningún tipo de conocimiento sobre el problema.
requiere que se hayan identificado previamente las reglas asociadas al problema.
Todas las opciones son correctas
La Estrategia de Entrenamiento de Redes Neuronales Artificiales que sólo necesita que los
patrones de entrenamiento incluyan los valores de entrada pero no la salida deseada es
Entrenamiento por Corrección de Error.
Entrenamiento del Gradiente Decreciente Supervisado.
Entrenamiento Hebbiano.
Todas las opciones son correctas.
Se denomina sobreentrenamiento (o sobreaprendizaje) de una Red Neuronal Artificial de tipo Multi-Perceptrón BackPropagation, cuando la red ya entrenada..
no genera error con los datos de entrenamiento pero genera mucho error con los datos de validación.
genera mucho error con los datos de entrenamiento pero no genera error con los datos de validación.
no genera error con los datos de entrenamiento ni con los de validación.
Todas las opciones son correctas.
Lo que hace años era considerado Inteligencia Artificial (IA)...
actualmente puede ser que no sea considerado IA.
siempre será considerado IA.
contempla a la imaginación.
tiene una base de conocimientos explicita.
Durante la corrida de un Algoritmo Genético, un "individuo inválido" puede ser generado por
un operador de Selección que utiliza el operador de selección de Ruleta.
la Convergencia Prematura
un criterio de paro que no considera la cantidad de vueltas.
un operador de Cruzamiento que usa cruza multipunto.
En un Algoritmo Genético, los conocimientos del problema se definen en
el criterio de paro.
los pesos de las conexiones.
la función de aptitud.
los operadores genéticos.
En la Definición del Problema, se deben aplicar diversas técnicas para educir los requerimientos y conocimientos del dominio porque
no suelen estar disponibles en forma explicita.
puede haber conflictos entre diferentes stakeholders.
se pueden encontrar distribuidos en muchas fuentes diferentes.
Todas las opciones son correctas.
Construir un módulo del Sistema Inteligente usando Algoritmos de Inducción correspondiente a Machine Learning (o Aprendizaje Automático).
se puede realizar aunque el ingeniero no tenga ningún conocimiento sobre el problema.
garantiza siempre generar un conjunto de reglas.
necesita de datos como única fuente para el entrenamiento.
Todas las opciones son correctas.
La Estrategia de Entrenamiento de Redes Neuronales Artificiales que siempre necesita que los
patrones de entrenamiento incluyan tanto los valores de entrada, como la salida deseada
correspondiente, es
Entrenamiento por Corrección de Error.
Entrenamiento por Refuerzo.
Entrenamiento Competitivo / Cooperativo.
Todas las opciones son correctas.
Si al entrenar una Red Neuronal Artificial de tipo Multi-Perceptron BackPropagation se obtiene mucho error, se recomienda
modificar los parámetros de aprendizaje.
utilizar otros valores de pesos iniciales en las conexiones de las neuronas.
modificar el orden en que se ingresan los patrones.
Todas las opciones son correctas.
Los conocimientos de los Expertos humanos generalmente.
son permanentes y no se pueden perder.
están interiorizados por lo que resultan dificiles de educir.
están interiorizados por lo que resultan fáciles de extraer.
se encuentran disponibles en todos los libros del dominio.
En la práctica, el mejor individuo de una corrida de un Algoritmo Genético se podría encontrar en
la población inicial.
la población final.
la población intermedia de alguna de las vueltas.
todas las opciones son correctas.
Con respecto a los métodos de Cruzamiento de un Algoritmo Genético.
la cruza multipunto es similar a la máscara complemento.
la cruza simple es similar a la máscara complemento.
la cruza multipunto es similar a la máscara doble.
la cruza simple es similar a la máscara doble.
En la Identificación y Transformación de los Datos, los datos disponibles deben ser "formateados" para
corregir atributos con valores nulos.
corregir atributos con errores o ruido.
cambiar el tipo de valores de algunos atributos.
todas las opciones son correctas.
Si sólo se disponen de reglas representativas del problema, entonces se puede construir el módulo del Sistema Inteligente a través de la aplicación de
Inteligencia Artificial Tradicional (Sistema Basado en Conocimientos).
Inteligencia Computacional (Algoritmo Genético).
Aprendizaje Automático (Red Neuronal Artificial).
cualquiera de las opciones se pueden aplicar.
El Modelo de Red Neuronal Artificial que siempre posee una capa de neuronas con, por lo menos, 2 neuronas interconectadas entre sí es
RNA Perceptrón.
RNA Multi-Perceptrón BackPropagation.
RNA de Hopfield.
todas las opciones son correctas.
Una Red Neuronal Artificial de tipo Multi-Perceptron BackPropagation ya entrenada es evaluada
generando la Matriz de Confusión.
calculando su Exactitud y Precisión.
utilizando datos diferentes a los que se usaron para entrenar.
todas las opciones son correctas.
Los conocimientos aplicados por un Sistema Experto Tradicional son
públicos y privados.
solamente públicos.
solamente privados.
no son ni públicos ni privados.
En un Algoritmo Genético, al aplicar el Cruzamiento.
siempre se debe romper la caracteristica de un padre al generar los hijos.
siempre los padres deben ser diferentes.
se recomienda no romper la caracteristica de un padre al generar los hijos.
los padres deben poseer una buena función de aptitud, solo de esta manera los hijos serán mejores.
Los conocimientos del problema en un Algoritmo Genético se encuentran en.
la función de aptitud.
la población final.
el criterio de paro.
los operadores genéticos.
En la Identificación y Transformación de los Datos, se deben "normalizar" (o estandarizar) los datos disponibles.
si hay atributos que poseen escalas muy diferentes entre si.
usando siempre los mismos parametros cada vez que se aplica la formula.
de manera que al algoritmo de Machine Learing le resulte más sencillo generar el Modelo correcto.
todas las opciones son correctas.
El Modelo de Red Neuronal Artificial que posee siempre 2 o más capas de neuronas interconectas entre si es...
RNA Perceptrón.
RNA Multi-Perceptrón BackPropagation.
RNA de Hopfield.
todas las opciones son correctas
En la construcción de una Red Neuronal Artificial de tipo Multi-Perceptrón BackPropagation, la Matriz de Confusión se utiliza para
determinar la cantidad de neuronas de entrada y salida.
ayudar a entender los patrones de entrenamiento.
evaluar si la red fue entrenada correctamente.
todas las opciones son correctas.
Los Sistemas Expertos Tradicionales.
tienen una base de conocimientos explícita.
no tienen base de conocimientos explicita.
pueden, o no, tener una base de conocimientos explicita.
tienen el conocimientos distribuido en la Memoria de Trabajo y el Motor de Inferencias.
El operador de un Algoritmo Genético que busca reducir la posibilidad de Convergencia Prematura aumentando la diversidad de la población es
mutación.
selección.
cruzamiento.
criterio de paro.
Los Algoritmos Genéticos
prueban todas soluciones posibles para encontrar la mejor solución al problema.
encuentran siempre la mejor solución al problema.
pueden encontrar una buena solución al problema.
solo se pueden aplicar cuando el espacio de búsqueda es infinito.
En la Identificación y Transformación de los Datos, se deben estudiar los datos disponibles para
detectar datos con ruido o errores.
detectar valores faltantes o nulos.
detectar datos redundantes o duplicados.
todas las opciones son correctas.
Si sólo se dispone de una función heurística para valorar las posibles soluciones del problema,
entonces se puede construir el módulo del Sistema Inteligente a través de la aplicación de
Inteligencia Artificial Tradicional (Sistema Experto Tradicional).
Inteligencia Computacional (Algoritmo Genético).
Aprendizaje Automático (Algoritmo de Inducción).
cualquiera de las opciones se pueden aplicar.
El Modelo de Red Neuronal Artificial que posee siempre 1 única neurona es
RNA Perceptrón.
RNA Multi-Perceptrón BackPropagation.
RNA de Hopfield.
todas las opciones son correctas.
Si al evaluar una Red Neuronal Artificial de tipo Multi-Perceptron BackPropagation ya entrenada con los datos de Validación, se obtiene una Precisión igual al 51%, entonces se puede decir que
la red es confiable para resolver el problema, al tener un valor mayor al 50%.
la red no es confiable para resolver el problema porque es similar a tirar una moneda.
la red es confiable para resolver el problema pero está sobreentrenada.
la red no es confiable para resolver el problema porque está sobreentrenada.
Todo Sistema Basado en Conocimientos debe poder...
aprender automáticamente a resolver nuevos tipos de problemas del dominio.
incorporar automáticamente conocimientos de fuentes privadas del dominio.
representar los conocimientos del dominio en forma explícita.
poseer una Memoria de Trabajo.
en un Algoritmo Genética, el método de Ruleta ...
suele prevenir la ocurrencia de Convergencia Prematura.
siempre elige al menos una vez al mejor individuo de la población.
nunca elige al peor individuo de la población.
utiliza un ranking de posición para elegir los individuos.
Dentro de los Algoritmos Genéticos, el criterio de paro
establece cuantas veces se ejecuta la mutación.
determina el fin de la corrida del Algoritmo Genético.
siempre se cumple ante una determinada cantidad de vueltas.
es el operador más importante del Algoritmo Genético.
En la Identificación y Transformación de los Datos, los datos disponibles deben ser "limpiados" para
corregir atributos con valores nulos
corregir atributos con valores incompletos.
corregir atributos con errores o ruido.
Todas las opciones son correctas
El Modelo de Red Neuronal Artificial que puede tener varias neuronas ocultas es..
RNA Perceptrón.
RNA Multi-Perceptron BackPropagation.
RNA de Hopfield.
Todas las opciones son correctas.
Para determinar que una Red Neuronal Artificial de tipo Multi-Perceptrón BackPropagation ya
entrenada es confiable para resolver el problema, al evaluarla con los datos de Validación
una Exactitud superior al 90%.
una Precisión superior al 90%.
una Recuperación (o Exhaustividad) superior al 90%.
un valor superior al 90% en las tres métricas.
En un Emparrillado, se deben analizar todas las relaciones entre las características que
estén en el mismo grupo.
tengan iguales valores en todos los elementos.
el experto indique.
tengan una distancia menor a 2.
Si se utiliza una Red Neuronal Artificial, todos los conocimientos entrenados se encuentran
almacenados en...
relaciones entre conceptos.
en forma implícita dentro de la red.
reglas del estilo SI a ENTONCES b.
procedimientos con lista de acciones.
La principal característica que distingue a los Sistemas Expertos Tradicionales de los Sistemas
Basados en Conocimiento es..
que uno tiene Motor de Inferencias y el otro no.
todas las opciones son correctas.
la fuente del conocimiento que contiene.
que uno tiene Base de Conocimientos y el otro no.
Un Sistema Experto Tradicional almacena la traza del razonamiento aplicado para resolver el
problema en...
la Base de Conocimientos.
el Motor de Inferencias.
la Memoria de Trabajo.
el Trazador de Explicaciones.
Toda Red Neuronal Artificial que tenga conexiones hacia atrás o laterales...
necesita ciclar para estabilizarse durante su entrenamiento.
aprende más rápido.
no necesita ciclar para estabilizarse durante su funcionamiento.
necesita ciclar para estabilizarse durante su funcionamiento.
Siempre la mayor complejidad de implementar un Algoritmo Genético es...
determinar el orden en que se ejecutan los operadores.
todas las opciones son correctas.
definir la función de aptitud.
implementar el funcionamiento del operador de Mutación.
La principal ventaja de utilizar un Algoritmo Genético es que...
es capaz de aprender entre una corrida y otra.
todas las opciones son correctas.
no necesita analizar todas las posibles soluciones al problema.
determina automáticamente las heurísticas que se deben aplicar.
Todo Sistema Experto debe ser capaz de..
utilizar los conocimientos mejor que el experto humano para resolver el problema.
aplicar el sentido común igual que el experto humano.
aplicar parte de los conocimientos del experto humano para resolver el problema.
todas las opciones son correctas.
La técnica de Educción de Conocimientos más útil para identificar el conocimiento
procedimental utilizado por un experto para resolver la tarea es...
Observación de Tareas Habituales.
Análisis de Protocolos.
Emparrillado.
Cuestionario.
En una corrida de un Algoritmo Genético...
el mejor valor de aptitud siempre se encuentra en la población inicial.
siempre el valor de aptitud de la población de un ciclo va a ser mejor que el del ciclo anterior.
siempre el valor de aptitud de la población de un ciclo va a ser mejor que el del ciclo siguiente.
el valor de aptitud de la población de un ciclo puede ser mejor o peor que el del ciclo anterior.
Durante la fase de “Identificación de la Tarea” dentro de la Metodología IDEAL
se identifica la tecnología de IA a utilizar
se identifica la Tarea / Problema y el alcance
se identifica la Tabla de Concepto-Atributo-Valor.
se identifica el tipo de Mantenimiento a planificar.
En el Estudio de Viabilidad propuesto por la Metodología IDEAL, se analizan los aspectos de …
Plausibilidad, Adecuación, Justificación y Validez.
Plausibilidad, Adecuación, Justificación y Éxito.
Plausibilidad, Adecuación, Portabilidad y Éxito.
Plausibilidad, Solidez, Justificación y Éxito.
En al ámbito de los Algoritmos Genéticos (AG), la afirmación que NO es correcta es …
una corrida de un AG tiene muchos ciclos/vueltas.
una corrida de un AG termina con una población final.
un ciclo/vuelta de un AG tiene muchas corridas.
un ciclo/vuelta de un AG activa el operador de mutación.
Si necesito un Sistema Inteligente para encontrar la mejor combinación de vagones disponibles en una plaza de estacionamiento que minimice tanto el costo como el tiempo de movimientos con el objetivo de armar un tren, entonces debería implementarlo usando …
un Algoritmo Genético.
una RNA Perceptrón.
una RNA Multi-Perceptrón BackPropagation.
una RNA Hopfield.
La Inteligencia Artificial es considerada como …
una ciencia que busca fundamentalmente superar a la inteligencia humana.
una ciencia y una ingeniería.
una inteligencia general que se observa en los Sistemas Expertos Tradicionales.
una ciencia y una ingeniería que reemplazan a los expertos.
Todo el conocimiento “aprendido” durante el entrenamiento de una Red Neuronal Artificial se almacena en …
los pesos de las conexiones entre las neuronas
la función de activación de las neuronas.
el algoritmo de entrenamiento utilizado.
el estado de las neuronas ocultas.
Al construir una Red Neuronal Artificial, la normalización de los datos …
se debe aplicar con los mismos parámetros sobre los datos de entrenamiento, los datos de validación y los datos de prueba.
permite reduce distorsiones en los valores de los ejemplos de entrada.
lleva los valores de todos los atributos a escalas similares.
todas las opciones son correctas.
Si en la corrida de un Algoritmo Genético se usa el método de Cruza Multipunto con los individuos padres A y B, entonces siempre …
un hijo es una mezcla de los genes de A y B, y el otro hijo es otra mezcla de los genes de A y B.
un hijo es una mezcla de los genes de A y B, y el otro hijo es su complemento.
un hijo es idéntico a A y el otro hijo es idéntico a B.
todas las opciones son correctas.
Para que el Sistema Inteligente se encuentre “integrado” se deben desarrollar las interfaces entre …
el sistema inteligente desarrollado y otros sistemas inteligentes disponibles en la organización.
el sistema inteligente desarrollado y los sistemas software tradicionales disponibles en la organización
los modelos que forman el sistema inteligente desarrollado (también conocidas como canalizaciones).
todas las opciones son correctas.
Para evaluar una Red Neuronal Artificial ya entrenada que posee valores de salida continuos (es decir, cualquier número real), se debe utilizar las métricas …
de Precisión, Recuperación y/o Exactitud.
de Error Absoluto y/o Error Relativo.
de la Matriz de Confusión.
todas las opciones son correctas.
Si en la corrida de un Algoritmo Genético se usa el método de Cruza Binomial Máscara Doble con los individuos padres A y B, entonces puede suceder que …
un hijo es una mezcla de los genes de A y B, y el otro hijo es otra mezcla de los genes de A y B
un hijo es una mezcla de los genes de A y B, y el otro hijo es su complemento.
un hijo es idéntico a A y el otro hijo es idéntico a B.
todas las opciones son correctas.
Los Sistemas Inteligentes que utilizan métodos de búsqueda para determinar los conocimientos que se tienen que aplicar para resolver el problema, son …
los Algoritmos Genéticos
las Redes Neuronales Artificiales
los Sistemas Basados en Conocimientos
todas las opciones son correctas.
Si se instala en producción un Sistema Inteligente cuyos modelos utilizan aprendizaje de tipo “offline” (o estático), entonces …
el Sistema Inteligente puede seguir “aprendiendo” en forma automática en producción.
se deben realizar tareas manuales de mantenimiento ante cambios en los requisitos de la organización.
a partir de los mismos datos de entrada, los resultados generados en producción pueden ser distintos a los generados durante el entrenamiento del Sistema Inteligente.
todas las opciones son correctas.
Los Sistemas Inteligentes que utilizan conocimientos declarativos y explícitos adquiridos de fuentes públicas, son …
los Algoritmos Genéticos
las Redes Neuronales Artificiales.
los Sistemas Expertos Tradicionales
los Sistemas Basados en Conocimientos.
Si se instala en producción un Sistema Inteligente cuyos modelos utilizan aprendizaje de tipo “online” (o dinámico), entonces
el Sistema Inteligente puede seguir “aprendiendo” en forma automática en producción.
se deben realizar tareas manuales de mantenimiento ante cambios en los requisitos de la organización.
a partir de los mismos datos de entrada, los resultados generados en producción pueden ser distintos a los generados durante el entrenamiento del Sistema Inteligente.
todas las opciones son correctas.
Dentro de fase de “Definición del Problema” correspondiente al Proceso de Implementación de Sistemas Inteligentes se debe realizar …
el desarrollo de las interfaces externas del Sistema Inteligente.
la ejecución de los procesos de Entrenamiento, Validación y Prueba.
el estudio de viabilidad sobre la posibilidad de aplicar Inteligencia Artificial.
la selección de la tecnología más adecuada para cada módulo del Sistema Inteligente.
El tipo de Red Neuronal Artificial que sólo puede aprender aproximar funciones lineales pero nunca podrá aprender funciones no-lineales, es la …
RNA Perceptrón.
RNA de Hopfield.
RNA Multi-Perceptrón BackPropagation.
todas las opciones son correctas.
Un ejemplo de un problema de Predicción/Estimación es …
identificar la cantidad de baches (de 0 a +∞) que aparecen en la foto de una imagen.
identificar cuál personaje de la tira de historietas “Clemente” aparece en una imagen.
identificar el género musical al que pertenece una canción a partir de su archivo de audio.
identificar una película que se puede recomendar a una persona de acuerdo a sus preferencias.
Si se necesita identificar las reglas para ganar el juego de la batalla Naval a partir de las jugadas históricas del campeón mundial, entonces para implementarlo se debería usar …
una RNA Perceptrón.
una RNA de Hopfield.
un Algoritmo Genético.
un Algoritmo de Inducción.
Una vuelta (o ciclo) en un Algoritmo Genético…
ejecuta los operadores de selección, cruzamiento y mutación.
ejecuta los operadores de crear población inicial, selección, cruzamiento y mutación.
calcula la población final.
siempre mejora los valores de la función de aptitud de todos los individuos.
Un Algoritmo Genético…
es un tipo de Sistema Software Tradicional.
es un tipo de Sistema Inteligente.
es un Sistema Basado en Conocimientos.
es un tipo de Sistema Experto Tradicional.
Los conocimientos privados…
se extraen.
se educen.
se entrenan.
se ignoran.
El modelo de RNA que sólo permite utilizar valores numéricos para codificar los patrones suministrados como datos entrada es…
RNA Multi-Perceptrón Back-Propagation.
RNA Perceptrón.
RNA de Hopfield.
Todas las opciones son correctas.
La principal ventaja de utilizar un Algoritmo Genético es que…
aprende gracias a su Base de Conocimientos
sabe con certeza cómo buscar las soluciones.
no necesita analizar todas las posibles soluciones al problema.
puede aprender a resolver el problema.
Si luego de entrenar una RNA Multi-Perceptrón Back-Propagation se obtiene una precisión de entrenamiento igual al 23% y una precisión de validación igual al 22%, entonces se puede concluir que…
el entrenamiento ha fallado, por lo que se debería realizar nuevamente inicializando los pesos al azar y usando menor cantidad de ciclos de entrenamiento.
el entrenamiento ha fallado, por lo que se debería realizar nuevamente inicializando los pesos al azar y usando una tasa de aprendizaje de 5,30.
el entrenamiento de la red todavía no ha finalizado, por lo que se debería continuar con los valores de los pesos actuales.
la red ha sido entrenada con éxito, por lo que puede ser instalada en producción.
En cada ciclo de un Algoritmo Genético, la Mutación…
siempre modifica varios bits de un individuo de la población actual.
siempre modifica un bit de un individuo de la población actual.
puede modificar o no un bit de un individuo de la población actual.
puede modificar o no varios bit de un individuo de la población actual.
Los métodos de Selección de un Algoritmo Genético…
siempre eligen a los individuos con mejor valor de aptitud.
siempre eligen a los individuos con peor valor de aptitud.
pueden elegir dos veces al mismo individuo.
no pueden elegir dos veces al mismo individuo.
