Font size
WorksheetsTendencias y futuro de la tecnología
Total questions: 101
Worksheet time: 1hrs 3mins
¿Qué es la Inteligencia Artificial (IA)?
La Inteligencia Artificial es un tipo de robot físico.
La Inteligencia Artificial (IA) es un campo de la informática que simula la inteligencia humana en máquinas.
La Inteligencia Artificial se refiere a la inteligencia de los animales.
La Inteligencia Artificial es un nuevo tipo de software de diseño gráfico.
¿Cuál es un ejemplo de IA en la educación?
Tutores virtuales personalizados.
Libros de texto digitales.
Exámenes estandarizados en papel.
Clases presenciales tradicionales.
¿Qué significa IA generativa?
IA generativa es un tipo de inteligencia artificial que solo analiza datos.
IA generativa es un tipo de inteligencia artificial que crea contenido nuevo a partir de datos existentes.
IA generativa se refiere a la inteligencia artificial que solo clasifica información.
IA generativa es un sistema que no puede crear contenido nuevo.
¿Qué es el aprendizaje automático (Machine Learning)?
El aprendizaje automático se basa únicamente en la programación manual.
El aprendizaje automático es un método de enseñanza tradicional.
El aprendizaje automático es un tipo de hardware avanzado.
El aprendizaje automático permite a las máquinas aprender de datos y mejorar su rendimiento en tareas específicas.
¿Qué tareas puede realizar un sistema de IA?
Creación de música original
Gestión de redes sociales
Procesamiento de lenguaje natural, reconocimiento de imágenes, toma de decisiones, automatización de procesos, análisis de datos, aprendizaje automático.
Desarrollo de hardware
¿Cómo puede un asistente virtual ayudar a los estudiantes?
Un asistente virtual puede hacer tareas físicas por los estudiantes.
Un asistente virtual puede reemplazar a los profesores en el aula.
Un asistente virtual puede ayudar a los estudiantes respondiendo preguntas, organizando tareas y ofreciendo recursos educativos.
Un asistente virtual puede organizar eventos sociales para los estudiantes.
¿Qué capacidades humanas simula la IA?
Capacidad de volar
Intuición emocional
Memoria fotográfica
Razonamiento, aprendizaje, percepción, comprensión del lenguaje, toma de decisiones, resolución de problemas.
¿Cuál es la importancia de la IA en la personalización del aprendizaje?
La IA no tiene impacto en el aprendizaje.
La IA solo se utiliza para evaluar exámenes.
La IA es irrelevante para la educación moderna.
La IA es crucial para personalizar el aprendizaje, ya que adapta el contenido a las necesidades individuales de los estudiantes.
¿Qué tipo de datos puede analizar la IA?
Datos visuales
Datos de audio
Datos temporales
Datos estructurados, no estructurados y semiestructurados.
¿Cómo ha evolucionado la IA a lo largo de la historia?
La IA solo se utiliza en videojuegos y entretenimiento.
La IA fue inventada en el siglo XXI.
La IA se ha mantenido igual desde su creación en los años 50.
La IA ha evolucionado desde algoritmos básicos en los años 50 hasta aplicaciones avanzadas en diversas áreas en la actualidad.
¿Cómo se utiliza la IA en la atención médica?
La IA se utiliza para diagnósticos, personalización de tratamientos, análisis de datos clínicos y telemedicina.
La IA no tiene aplicaciones en la atención médica.
La IA se utiliza solo para la administración de hospitales.
La IA se usa exclusivamente para la facturación médica.
¿Qué es un algoritmo de aprendizaje automático?
Un algoritmo de aprendizaje automático es un tipo de hardware.
Un algoritmo de aprendizaje automático es un programa que no utiliza datos.
Un algoritmo de aprendizaje automático es un método que permite a las computadoras aprender de datos y hacer predicciones.
Un algoritmo de aprendizaje automático es un conjunto de reglas fijas.
¿Qué son las redes neuronales artificiales?
Sistemas de comunicación entre computadoras.
Dispositivos de almacenamiento de datos.
Algoritmos de búsqueda en bases de datos.
Modelos computacionales que simulan el funcionamiento del cerebro humano para aprender de datos.
¿Cuál es la función de una neurona en una red neuronal?
Las neuronas solo transmiten señales eléctricas sin procesar información.
Las neuronas almacenan datos de forma permanente.
La función de una neurona en una red neuronal es procesar entradas y generar salidas mediante funciones de activación.
Las neuronas en una red neuronal son responsables de la memoria a largo plazo.
¿Qué es la ética en la inteligencia artificial?
La ética en la inteligencia artificial es un manual de instrucciones para programadores de IA.
La ética en la inteligencia artificial es el conjunto de principios que regulan el desarrollo y uso responsable de la IA.
La ética en la inteligencia artificial es un conjunto de algoritmos que optimizan el rendimiento de la IA.
La ética en la inteligencia artificial se refiere a la velocidad de procesamiento de los sistemas de IA.
¿Por qué es importante considerar la ética en el desarrollo de IA?
Para simplificar el proceso de desarrollo.
Es importante para garantizar justicia, responsabilidad y evitar daños.
Para aumentar la competitividad en el mercado.
Para maximizar las ganancias de las empresas.
Cita una aplicación de IA en la vida diaria.
Impresoras 3D
Juegos de mesa
Cámaras de seguridad
Asistentes virtuales en smartphones
¿Cuáles son algunos de los desafíos actuales de la IA?
Aumento de la velocidad de procesamiento
Reducción de costos en la producción
Mejora en la creatividad de las máquinas
Desafíos actuales de la IA: ética, transparencia, sesgos, seguridad y regulación.
¿Qué se espera del futuro de la inteligencia artificial?
La inteligencia artificial será reemplazada por humanos.
La inteligencia artificial será más avanzada, ética y ampliamente integrada en la sociedad.
La inteligencia artificial se limitará a tareas simples.
La inteligencia artificial no tendrá impacto en la economía.
¿Qué es un prompt en el contexto de la IA?
Un prompt es un tipo de software de IA.
Un prompt es un modelo de IA en sí mismo.
Un prompt es un conjunto de datos almacenados en la nube.
Un prompt es una instrucción o pregunta dada a un modelo de IA para generar respuestas.
¿Cuáles son los pasos para crear un prompt efectivo?
Crear un diseño gráfico, elegir un tema, agregar imágenes, publicar en redes sociales.
Definir un público objetivo, hacer una encuesta, escribir un ensayo, enviar correos electrónicos.
Establecer un presupuesto, elegir un color, seleccionar una fuente, revisar la gramática.
Definir el objetivo, usar lenguaje claro, proporcionar contexto, especificar formato y ajustar según pruebas.
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.
¿Qué es el Aprendizaje Automático?
Un proceso en el que las máquinas aprenden a realizar tareas sin ser programadas explícitamente.
Un método para enseñar a los humanos a programar.
Una forma de comunicación entre robots.
¿Qué es un algoritmo?
Una fórmula matemática compleja.
Un conjunto de instrucciones para realizar una tarea.
Un tipo de robot.
¿Cuál es una preocupación común sobre el desarrollo de la Inteligencia Artificial?
La falta de inversión en investigación.
El impacto negativo en el empleo.
La falta de aplicaciones prácticas.
¿Cuál es una de las ventajas potenciales de la Inteligencia Artificial?
Eliminar completamente la necesidad de trabajo humano.
Mejorar la eficiencia y la precisión en diversas tareas.
Crear un mundo sin desafíos ni problemas.
¿Cuál es un ejemplo de aplicación de la Inteligencia Artificial en la vida cotidiana?
Crear objetos.
Creación de contenido audiovisual
Hacer ejercicio.
¿Qué es una red neuronal?
Una red neuronal es un modelo computacional que simula el funcionamiento del cerebro humano para procesar información y aprender de datos.
Una red neuronal es un algoritmo de búsqueda en internet.
Una red neuronal es un sistema de comunicación entre dispositivos electrónicos.
Una red neuronal es un tipo de hardware especializado para computadoras.
¿Cuáles son las principales ramas de la IA?
Gestión de proyectos
Desarrollo de software
Análisis de datos
Aprendizaje automático, procesamiento del lenguaje natural, visión por computadora, robótica, sistemas expertos
¿Qué es el procesamiento del lenguaje natural?
El procesamiento del lenguaje natural es un método para traducir lenguajes de programación.
El procesamiento del lenguaje natural es un tipo de software de edición de texto.
El procesamiento del lenguaje natural es un campo de la inteligencia artificial que permite a las máquinas entender y generar lenguaje humano.
El procesamiento del lenguaje natural se refiere a la creación de gráficos y visualizaciones de datos.
¿Qué papel juega la IA en la automatización?
La IA juega un papel crucial en la automatización al permitir la ejecución autónoma de tareas y la optimización de procesos.
La IA es irrelevante en la ejecución de tareas automatizadas.
La IA no tiene impacto en la automatización de procesos.
La IA solo se utiliza para el análisis de datos.
¿Qué es un algoritmo y cómo se relaciona con la IA?
Los algoritmos son solo teorías matemáticas sin aplicación práctica.
Un algoritmo es un tipo de inteligencia artificial que aprende por sí mismo.
Un algoritmo es un conjunto de instrucciones que se utiliza para resolver problemas, y en la IA, son esenciales para el procesamiento de datos y la toma de decisiones.
Un algoritmo es una herramienta de hardware utilizada en IA.
Significa Internet de las Cosas, un concepto que hace referencia a las conexiones entre las personas, los objetos físicos como sensores o máquinas y la Internet.
IoT
Planificación de Recursos Empresariales (ERP)
IIoT
Big Data
Es un concepto que hace referencia a la capacidad de las computadoras para realizar tareas y tomar decisiones que, históricamente, necesitarían algún nivel de inteligencia humana.
Digitalización
M2M
Inteligencia artificial (IA)
Fábrica inteligente
Se enfoca en desarrollar sistemas informáticos capaces de realizar tareas que requieren inteligencia humana
Inteligencia aplicada al diseño gráfico
Chat GTP
Inteligencia Artificial
La Inteligencia artificial se aplica en el diseño gráfico en:
La Publicidad
Generación de ideas
Ediciòn de fotos
Todas las anteriores
¿Qué término se refiere a una rama de la IA que se centra en permitir a las máquinas comprender, interpretar y responder al lenguaje humano?
Aprendizaje automático
Redes neuronales.
Procesamiento de lenguaje naturales
Visión por computadora.
¿Cuál de las siguientes opciones es una forma de aprendizaje automático donde un algoritmo mejora automáticamente su rendimiento a través de la experiencia?
Aprendizaje supervisado.
Aprendizaje no supervisado.
Aprendizaje por refuerzos
Aprendizaje activo
¿Qué término se usa para describir sistemas de IA que imitan la estructura y funcionamiento del cerebro humano para realizar tareas específicas?
Algoritmos genéticos.
Redes neuronales.
Lógica difusa.
Árboles de decisión.
¿Qué tecnología de IA permite a las máquinas "ver" y comprender imágenes o videos?
Procesamiento de lenguaje natural.
Aprendizaje automático.
Visión por computadora.
Redes neuronales.
¿Qué técnica de análisis predictivo se utiliza comúnmente en educación para identificar patrones en grandes conjuntos de datos de estudiantes?
Extracción de características (Feature extraction).
Agrupamiento (Clustering).
Minería de datos educativos (Educational Data Mining).
¿Qué es un "chatbot" en el contexto de la inteligencia artificial?
Un robot físico con capacidades de conversación.
Un programa de computadora que simula una conversación con humanos a través de mensajes de texto o voz.
Un enfoque de IA que se centra en la mejora del reconocimiento de imágenes.
Seleccione un Asistente de voz mencionado
Siri
Alexa
Cortana
Selecciona dos características de la IA
Visión por computadora
Respuestas rápidas
Sencillez
Adaptabilidad
Seleccione 2 desventajas de la IA
Pérdida de empleos
Ayuda a la búsqueda de empleo
Ayuda con la creatividad
La posibilidad de su uso con fines maliciosos
Un ejemplo de procesamiento de lenguaje natural es:
Google Maps
Waze
Buscador de Google por toma de voz
Una red neuronal no puede procesar colores o datos visuales a diferencia de lo que sucede en la percepción:
Verdadero
Falso
¿Qué significa "IA débil" o "narrow AI"?
IA con poca potencia de procesamiento
Inteligencia artificial limitada a tareas específicas
IA que funciona solo de noche
IA que requiere poca energía
¿Qué es el "Deep Learning"?
Una técnica avanzada de Machine Learning
Un curso universitario
Una teoría matemática
Un videojuego de estrategia
¿Cómo se utiliza la inteligencia artificial en la medicina?
Diagnosticar enfermedades
Crear música
Construir coches
Predecir el clima
¿Qué tipo de IA aún no existe pero es un objetivo de desarrollo futuro?
IA Débil
IA Fuerte
IA de Traducción
IA para videojuegos
¿Cuál es la diferencia entre IA Débil y IA Fuerte?
IA Fuerte puede realizar todas las tareas humanas, IA Débil solo tareas específicas
IA Débil puede aprender más rápido
IA Fuerte solo responde preguntas
IA Fuerte es usada en videojuegos
¿Qué plataforma utiliza IA para sugerir contenido basado en tus preferencias?
Wikipedia
Netflix
Google Docs
Gmail
¿Cuál es el principal beneficio de utilizar algoritmos de aprendizaje automático en la agricultura?
Aumento de la producción de cultivos
Reducción de costos operativos
Mejora en la precisión de las predicciones climáticas
Optimización del uso de recursos hídricos
Es un término que hace referencia a conjuntos de datos tan grandes y complejos como para que hagan falta aplicaciones informáticas no tradicionales de procesamiento de datos para tratarlos adecuadamente
Lenguaje natural
Biométricas
Big Data
Robótica
¿En qué consistía el test de Turing?
Permite distinguir si tienes un pensamiento artificial
Le permite a las computadoras saber si eres un humano
Te permite distinguir si estás hablando con una persona o una máquina
Les permite a las computadoras evaluar tu capacidad de comprensión
¿En qué consiste el aprendizaje no supervisado en IA?
El algoritmo distingue entre dos tipos de fotos
El algoritmo aprende la mejor manera de cumplir la tarea por sí mismo
Se proporcionan recompensas o castigos según las acciones del algoritmo
El algoritmo determina por sí mismo las diferencias y similitudes entre los datos analizados
¿Qué tipo de aprendizaje se utiliza en juegos con reglas claras y constantes, donde se asigna un objetivo al algoritmo y se le proporcionan recompensas o castigos según sus acciones?
Aprendizaje supervisado
Aprendizaje profundo
Aprendizaje no supervisado
Aprendizaje por refuerzo
¿Qué tipo de algoritmos complejos organizados en capas se utilizan en el Deep Learning, inspirados en la forma en que el cerebro humano procesa la información?
Redes neuronales profundas
Algoritmos de búsqueda
Algoritmos de enrutamiento
Algoritmos genéticos
¿En qué consiste el aprendizaje por refuerzo en IA?
Asignar un objetivo sin recompensas ni castigos
Asignar un objetivo sin recompensas pero con castigos
Asignar un objetivo con recompensas y sin castigos
Asignar un objetivo con recompensas y castigos
¿Qué caracteriza al aprendizaje profundo en IA?
No está inspirado en el cerebro humano
Organiza la información en capas complejas
Utiliza algoritmos simples
Es menos efectivo que otros enfoques
¿Qué tipo de aprendizaje automático implica que el algoritmo determina por sí mismo las diferencias y similitudes entre los datos?
Aprendizaje supervisado
Aprendizaje no supervisado
Aprendizaje por refuerzo
Deep learning
¿Qué es el Aprendizaje Supervisado en el contexto del Aprendizaje Automático?
El Aprendizaje Supervisado es un tipo de aprendizaje automático donde el algoritmo no se entrena con un conjunto de datos de entrada y salida esperada
El Aprendizaje Supervisado es un tipo de aprendizaje automático donde el algoritmo no necesita datos de entrada
El Aprendizaje Supervisado es un tipo de aprendizaje automático donde el algoritmo aprende sin ejemplos etiquetados
El Aprendizaje Supervisado es un tipo de aprendizaje automático donde el algoritmo aprende a partir de ejemplos etiquetados, es decir, se le proporciona un conjunto de datos de entrada y salida esperada para entrenar el modelo.
¿Cuál es la principal diferencia entre el Aprendizaje Supervisado y el Aprendizaje No Supervisado?
En el Aprendizaje Supervisado no se utiliza ningún tipo de datos para entrenar el modelo
En el Aprendizaje Supervisado se utilizan datos etiquetados para entrenar el modelo, mientras que en el Aprendizaje No Supervisado no se utilizan etiquetas.
La principal diferencia es que en el Aprendizaje Supervisado no se requiere de un modelo para el entrenamiento
En el Aprendizaje No Supervisado se utilizan datos etiquetados para entrenar el modelo
¿Qué es la Regresión en el contexto del Aprendizaje Automático?
La regresión es un método para eliminar valores atípicos en un conjunto de datos.
La regresión es un método para clasificar datos en categorías.
La regresión en el contexto del Aprendizaje Automático es un método para predecir valores numéricos a partir de datos previamente observados.
La regresión es un método para predecir valores categóricos a partir de datos previamente observados.
¿Cuál es un ejemplo de aplicación de la Regresión en el mundo real?
Predecir el sabor de un helado basado en el color del empaque
Un ejemplo de aplicación de la Regresión en el mundo real es predecir el precio de una casa basado en factores como el tamaño, la ubicación y la edad.
Determinar la probabilidad de lluvia basado en el número de pájaros en el cielo
Calcular la temperatura del agua basado en la cantidad de peces en un lago
¿Qué es la Clasificación en el contexto del Aprendizaje Automático?
La clasificación en el contexto del Aprendizaje Automático se refiere al proceso de asignar una etiqueta o categoría a un conjunto de datos, con el fin de predecir la clase a la que pertenecen nuevos datos.
La clasificación se refiere a organizar archivos en carpetas
La clasificación es el proceso de eliminar datos irrelevantes
La clasificación se refiere a la agrupación de datos para su análisis
¿Cuál es la diferencia entre la Regresión y la Clasificación en el Aprendizaje Automático?
La regresión se utiliza para predecir categorías o clases, mientras que la clasificación se utiliza para predecir valores numéricos continuos.
La regresión se utiliza para predecir valores numéricos continuos, mientras que la clasificación se utiliza para predecir categorías o clases.
La regresión se utiliza para predecir valores categóricos, mientras que la clasificación se utiliza para predecir valores numéricos continuos.
La regresión y la clasificación son términos intercambiables en el Aprendizaje Automático.
¿Qué son las Redes Neuronales en el contexto del Aprendizaje Automático?
Las Redes Neuronales en el contexto del Aprendizaje Automático son un conjunto de algoritmos inspirados en el funcionamiento del cerebro humano, utilizados para el procesamiento de datos y la toma de decisiones.
Las Redes Neuronales son algoritmos utilizados para la construcción de edificios
Las Redes Neuronales son un conjunto de algoritmos para la creación de música
Las Redes Neuronales son un tipo de red social para profesionales
¿Cuál es la ventaja de las Redes Neuronales sobre otros algoritmos de Aprendizaje Automático?
La ventaja de las Redes Neuronales sobre otros algoritmos de Aprendizaje Automático es su falta de flexibilidad para adaptarse a partir de los datos
La ventaja de las Redes Neuronales sobre otros algoritmos de Aprendizaje Automático es su capacidad para aprender y adaptarse a partir de los datos, permitiendo el procesamiento de información compleja y la identificación de patrones en grandes conjuntos de datos.
La ventaja de las Redes Neuronales sobre otros algoritmos de Aprendizaje Automático es su incapacidad para procesar grandes conjuntos de datos
La ventaja de las Redes Neuronales sobre otros algoritmos de Aprendizaje Automático es su tendencia a identificar patrones de manera inexacta
¿Cuál es el propósito del Aprendizaje No Supervisado en el Aprendizaje Automático?
Predecir valores numéricos a partir de datos de entrada
Clasificar los datos en categorías predefinidas
El propósito del Aprendizaje No Supervisado en el Aprendizaje Automático es encontrar patrones o estructuras ocultas en los datos sin la necesidad de etiquetas o respuestas predefinidas.
Entrenar un modelo utilizando datos etiquetados
¿Cuál de las siguientes afirmaciones es verdadera?
El aprendizaje supervisado no requiere datos etiquetados.
En aprendizaje no supervisado, el modelo aprende a partir de ejemplos etiquetados.
El aprendizaje supervisado predice resultados basados en patrones aprendidos de datos etiquetados.
El aprendizaje no supervisado clasifica datos en categorías específicas predefinidas.
¿Qué es un problema de regresión?
El análisis de tendencias para prever eventos futuros.
La predicción de un valor numérico continuo basado en variables de entrada.
La clasificación de datos en categorías discretas.
El cálculo de probabilidades en modelos estadísticos.
¿Por qué es importante normalizar los datos?
Para que el modelo aprenda más rápido.
Para que todos los atributos tengan el mismo peso.
Para eliminar los datos atípicos.
Para que la inferencia sea más rápida.
¿Qué caracteriza a la Inteligencia Artificial Fuerte?
La habilidad de realizar únicamente tareas específicas.
La capacidad de comprender y aprender de manera similar a la inteligencia humana.
La limitación a tareas basadas en datos.
Su existencia en aplicaciones actuales de IA.
¿Cuál es una característica principal de la Inteligencia Artificial Débil?
Puede resolver problemas no anticipados.
Tiene consciencia similar a un ser humano.
Está diseñada para tareas específicas sin consciencia general.
Puede aprender cualquier tarea intelectual como un humano.
¿Cuál es la principal diferencia entre IA Fuerte e IA Débil?
Su capacidad de aprendizaje y generalidad de inteligencia.
El tipo de tareas que pueden realizar.
La cantidad de datos necesarios para su funcionamiento.
La complejidad de los algoritmos utilizados.
¿El Aprendizaje Automático (ML) es lo mismo que la Inteligencia Artificial (IA)?
Sí, son términos intercambiables.
No, ML es un subconjunto de IA.
ML es una parte de la IA Fuerte únicamente.
IA es un tipo de ML.
¿Qué es el Deep Learning en relación con el Machine Learning?
Un tipo diferente de IA.
Un subconjunto de ML enfocado en redes neuronales profundas.
Un método de ML que no requiere datos.
La misma cosa que ML.
¿Qué es el deep learning?
Algoritmos de machine learning cada vez más complejos con múltiples capas
Un tipo de aprendizaje a largo plazo
Un tipo de aprendizaje superficial
Un tipo de aprendizaje rápido
¿Qué es el big data en el contexto de la inteligencia artificial?
El fenómeno de acumular grandes cantidades de datos y analizarlos para obtener conocimiento
Un tipo de análisis matemático
Un tipo de música electrónica
Un tipo de base de datos pequeña
¿Qué tipo de algoritmo de inteligencia artificial se utiliza comúnmente en la clasificación y etiquetado de datos no estructurados?
Redes neuronales
Algoritmos genéticos
Árboles de decisión
K-means
Son aplicaciones de la Inteligencia Artificial
Finanzas
Educación
Agricultura
Todas las anteriores
Ninguna de las anteriores
Los _ _ _ _ _: Son el conjunto de unidades de procesamiento interconectadas
Nodos
Puntos
Neuronas
Nudos
Las funciones discriminantes de un árbol de decisión están basadas en
Funciones lineales de separación
Reglas SI-ENTONCES
Distancia entre ejemplos
Ninguna es correcta
El algoritmo de clasificación kNN se basa en
Determinar la clase minoritaria de los vecinos más cercanos de la instancia
Determinar la clase mayoritaria de los vecinos más cercanos de la instancia
Determinar la clase según la distancia al hiperplano de separación
Determinar la clase de salida de acuerdo a clase más repetida de training
¿Para qué puede ser bueno el Aprendizaje Automatizado?
Calcular raíces cúbicas
Detectar si un correo es spam
Leer la información de un sensor
Es un elemento de "Aprendizaje Profundo"
Procesamiento del Lenguaje Natural
Robotica
Redes Neuronales convolucionadas
Ninguna de las anteriores
Las redes neuronales convolucionales se han desarrollado en su mayoría gracias al estudio sobre:
Algoritmos numéricos
La visión
El audio
Imágenes
¿Cuál es la función de activación más comúnmente utilizada en redes neuronales?
Softmax
Tanh
Sigmoid
ReLU
¿Qué es el perceptrón en el contexto de redes neuronales?
El perceptrón es una red neuronal que puede realizar operaciones de multiplicación y división.
El perceptrón es un tipo de red neuronal que solo puede procesar datos numéricos.
El perceptrón es un tipo de red neuronal artificial que puede tomar entradas, procesarlas y generar una salida binaria.
El perceptrón es un tipo de red neuronal que solo puede tener una capa de neuronas.
¿Qué es una capa oculta en una red neuronal?
Una capa que se encuentra en la parte superior de la red neuronal, no involucrada en el cálculo.
Una capa intermedia entre la capa de entrada y la capa de salida en una red neuronal.
Una capa que conecta directamente la entrada con la salida sin procesamiento intermedio.
Una capa externa que no se utiliza en el proceso de la red neuronal.
Son el principal uso de las redes neuronales convolucionales.
Clasificación de Imágenes
Clasificación de Texto
Clasificación de Video
Clasificación de Ondas de Sonido
Un red CNN (Convolution Neural Network) está compuesta por: (Seleccione todas las correctas y luego click en enviar)
Capa de Entrada
Capa de Salida
Capas Ocultas
Millones de Parámetros
¿Cuál es la función de activación más comúnmente utilizada en las redes neuronales?
Sigmoide
Tangente hiperbólica
ReLU (Rectified Linear Unit)
Función de paso
¿Cuál de los siguientes es un algoritmo de clustering?
Regresión logística
K-means
Árbol de decisión
Perceptrón
¿Qué es el "backpropagation" en el contexto de redes neuronales?
Un método para la inicialización de pesos
Un algoritmo de clustering
Un algoritmo de optimización para ajustar los pesos en redes neuronales
Una técnica de regularización
¿Cuál es el propósito del "softmax" en una red neuronal?
Regularizar el modelo para prevenir el overfitting
Optimizar la función de costo
Convertir los valores de salida en probabilidades
Reducir la dimensionalidad de los datos de entrada
¿Cuáles son los nombres de las capas de las neuronas?
Entrada, procesadora, salida
Inicial, media, final
Entrada, oculta, salida
Interna, media, externa
