WorksheetsFundamentos del Aprendizaje Automático
Total questions: 14
Worksheet time: 12mins
¿Cuál de estas se enfoca en el desarrollo de sistemas que resuelven problemas/tareas de la mejor manera posible?
Programación
Inteligencia Artificial
Aprendizaje Automático
Aprendizaje Profundo
¿Cuáles son los tipos de aprendizaje supervisado?
Predicción y análisis
Clustering y clasificación
Clasificación y regresión
Agrupación y segmentación
En un problema de clasificación, la variable de salida es...
Numérica
Categórica
Clusters
No hay salida
¿Cuál no es un algoritmo de clasificación común?
Árboles de decisión
Regresión lineal
Máquinas de soporte vectorial (SVM)
K-vecinos más cercanos (KNN)
¿Cuáles son tipos de aprendizaje no supervisado? Seleccione todos los que apliquen.
Clasificación
Clusterización
Predicción
Recomendación
Detección de anomalías
¿En qué se diferencia el aprendizaje automático de la programación tradicional?
La programación tradicional se basa en la inteligencia artificial.
El aprendizaje automático requiere menos datos que la programación tradicional.
El aprendizaje automático no puede adaptarse a nuevas situaciones.
El aprendizaje automático aprende de datos, mientras que la programación tradicional sigue instrucciones fijas.
Selecciona un ejemplo de un caso de aprendizaje supervisado.
Segmentación de imágenes en redes neuronales
Predecir el precio de las acciones de una empresa a futuro
Reducir el número de variables de un conjunto de datos para su visualización
Detectar transacciones fraudulentas por patrones transaccionales
Proporciona un ejemplo de un caso de aprendizaje no supervisado.
Clasificación de imágenes con etiquetas predefinidas.
Predicción de precios de viviendas con datos históricos.
Análisis de sentimientos en comentarios de redes sociales.
Agrupamiento de clientes en segmentos según comportamientos de compra.
¿Qué es la regresión en el contexto del aprendizaje supervisado?
La regresión se utiliza únicamente para análisis cualitativos.
La regresión es un método para clasificar datos discretos.
La regresión en el aprendizaje supervisado es un método para predecir valores continuos.
La regresión es un tipo de algoritmo de clustering.
¿Qué papel juegan las características en el aprendizaje automático?
Las características son irrelevantes en el aprendizaje automático.
Las características solo afectan el tiempo de entrenamiento del modelo.
Las características son esenciales en el aprendizaje automático, ya que influyen en la calidad y precisión del modelo.
Las características son opcionales y no impactan en el rendimiento del modelo.
¿Qué es el clustering en el aprendizaje no supervisado?
El clustering es una técnica de visualización de datos en tiempo real.
El clustering es una técnica de agrupamiento de datos similares en aprendizaje no supervisado.
El clustering se utiliza para predecir resultados en aprendizaje supervisado.
El clustering es un método de clasificación de datos etiquetados.
¿Cómo se evalúa el rendimiento de un modelo de aprendizaje supervisado?
Se evalúa mediante métricas como precisión, recuperación, F1-score y matriz de confusión.
Se evalúa a través de la cantidad de datos utilizados.
Se evalúa únicamente con gráficos de rendimiento.
Se evalúa solo con la tasa de error.
¿Qué tipo de problemas se pueden resolver con aprendizaje no supervisado?
Optimización de algoritmos de aprendizaje
Problemas de clasificación supervisada
Problemas de segmentación, agrupamiento, detección de anomalías y reducción de dimensionalidad.
Predicción de resultados futuros
¿Por qué es importante la calidad de los datos en el aprendizaje automático?
La calidad de los datos asegura la precisión y efectividad de los modelos de aprendizaje automático.
La calidad de los datos no afecta el rendimiento de los modelos.
La calidad de los datos es irrelevante para el aprendizaje automático.
Los datos de baja calidad son más fáciles de procesar.
