Font size
WorksheetsCuestionario sobre Inteligencia Artificial 50P
Total questions: 51
Worksheet time: 28mins
Según la capacidad de la IA, ¿cuál de las siguientes clasificaciones describe la IA que puede realizar tareas específicas sin intervención humana, pero no tiene conciencia ni comprensión profunda?
IA Débil.
IA Fuerte .
IA General.
IA Superinteligente.
¿Cómo se denomina la IA que posee la capacidad de entender y razonar en un nivel similar al humano en diversas tareas?
IA Débil .
IA Fuerte.
IA Supervisado.
IA Especializada.
¿Qué caracteriza al aprendizaje supervisado?
El modelo se entrena sin etiquetas.
El modelo se entrena con un conjunto de datos etiquetado.
El modelo no requiere entrenamiento.
El modelo se entrena sin datos de entrada.
¿Cuál es el propósito principal de un conjunto de datos de entrenamiento en el aprendizaje supervisado?
Evaluar el rendimiento del modelo.
Proporcionar datos no etiquetados.
Entrenar el modelo mediante ejemplos con etiquetas conocidas.
Medir la complejidad del modelo.
¿Cuál de los siguientes enfoques de IA se centra en permitir que los algoritmos aprendan a través de la retroalimentación y las recompensas?
Aprendizaje Supervisado.
Aprendizaje No Supervisado .
Aprendizaje por Reforzamiento .
Aprendizaje Profundo.
¿Qué tipo de aprendizaje de máquina se utiliza cuando el modelo se entrena con datos sin etiquetados y se espera que identifique patrones por sí mismo?
Aprendizaje Supervisado.
Aprendizaje No Supervisado.
Aprendizaje por Reforzamiento.
Aprendizaje Profundo.
¿Qué técnica de aprendizaje no supervisado se utiliza comúnmente para reducir la dimensionalidad de los datos?
Clustering.
Regresión.
Detección de anomalías.
Análisis de componentes principales (PCA).
¿Qué es una variable aleatoria discreta?
Una variable que puede tomar cualquier valor dentro de un rango continuo.
Una variable que solo puede tomar valores enteros específicos.
Una variable que no tiene valores posibles.
Una variable que solo puede tomar valores negativos.
¿Cuál de las siguientes situaciones describe mejor una variable aleatoria discreta?
La temperatura medida en grados Celsius.
El número de caras al lanzar un dado.
La altura de los estudiantes en una clase.
El tiempo que tarda en llegar un autobús.
¿Cuál de las siguientes situaciones describe mejor una variable aleatoria continua?
El número de libros en una biblioteca.
El resultado de lanzar un dado.
La cantidad de estudiantes en una clase.
El peso de una sandía.
¿Qué característica define a una distribución de probabilidad discreta?
Puede tomar cualquier valor en un intervalo continuo.
Asigna probabilidad positiva solo a valores específicos.
Tiene una función de densidad de probabilidad continua.
No puede representar eventos discretos.
¿Cuál de las siguientes afirmaciones describe mejor una distribución normal estándar?
Media igual a cero y desviación estándar igual a uno.
Media igual a uno y desviación estándar igual a cero.
Media igual a cero y varianza igual a dos.
Media igual a uno y varianza igual a cero.
¿Cuál es el operador utilizado para
¿Cuál es el operador utilizado para la exponenciación en Python?
^
**
^
//
¿Cuál de los siguientes es un contenedor inmutable en Python?
List.
Tuple.
Set.
Dictionary.
¿Cómo se declara un bucle "for" que recorre una lista llamada "mi_lista"?
for i in range(mi_lista):
for i in mi_lista:
for i = 0 to len(mi_lista):
foreach i in mi_lista:
¿Cuál es la palabra clave utilizada para definir una función en Python?
function.
def.
define.
fun.
¿Qué son los parámetros de una función en Python?
Valores que la función toma como entrada.
Valores que la función devuelve.
Palabras clave reservadas en Python.
Nombres de las funciones.
¿Cuál de las siguientes es una función incorporada en Python?
calculate()
readline()
define()
print()
¿Cómo se define una clase en Python?
define MiClase:
class MiClase:
create MiClase:
new MiClase:
¿Cuál es la función principal de los atributos en una clase?
Definir métodos.
Almacenar valores específicos para cada instancia de la clase.
Controlar el flujo del programa.
Realizar operaciones matemáticas.
¿Cuál es la relación entre una clase y un objeto en Python?
Una clase es una instancia de un objeto.
Un objeto es una instancia de una clase.
Una clase y un objeto son lo mismo.
Una clase y un objeto no están relacionados.
¿Cuál es la estructura de datos principal proporcionada por NumPy para realizar operaciones numéricas eficientes?
DataFrame.
Listas.
ndarrays.
Diccionarios.
¿Cuál es la estructura de datos principal en Pandas que se utiliza para almacenar datos bidimensionales etiquetados?
Dictionary.
Tuple.
DataFrame.
Series.
¿Cuál de las siguientes métricas es comúnmente utilizada para evaluar modelos de clasificación en scikit-learn?
MAE (Mean Absolute Error).
RMSE (Root Mean Squared Error).
F1-score.
R-squared.
¿Cuál de las siguientes afirmaciones describe mejor TensorFlow?
Es un framework de aprendizaje profundo desarrollado por Facebook.
Es un framework de código abierto desarrollado por Google para machine learning y aprendizaje profundo.
Es una biblioteca de procesamiento de lenguaje natural.
Es principalmente utilizado para manipulación de imágenes.
¿Cuál es el objetivo principal de un problema de clasificación en aprendizaje supervisado?
Predecir un valor numérico.
Agrupar datos en categorías predefinidas.
Identificar patrones en datos no etiquetados.
Realizar regresión lineal.
¿En qué tipo de problemas se utiliza comúnmente la regresión en aprendizaje supervisado?
Problemas de clasificación.
Análisis de componentes principales.
Agrupamiento de datos.
Predicción de valores numéricos.
¿Por qué se divide el conjunto de datos en un conjunto de entrenamiento y un conjunto de prueba en aprendizaje supervisado?
Para aumentar el tamaño del conjunto de datos.
Para evaluar el rendimiento del modelo en datos no vistos.
Para reducir la precisión del modelo.
Para realizar la validación cruzada.
¿Qué métrica se utiliza comúnmente para evaluar el rendimiento de un modelo de clasificación binaria?
Precisión (Accuracy).
Mean Absolute Error (MAE).
Root Mean Squared Error (RMSE).
F1-score.
En un árbol de decisión, ¿qué representa un nodo de decisión?
Una característica del conjunto de datos.
Una predicción final.
Un punto de división basado en una condición.
Un resultado de clasificación.
¿Cómo se puede medir la importancia de las características en un bosque aleatorio?
Observando la cantidad de nodos en los árboles.
Utilizando únicamente la precisión del modelo.
Contando la frecuencia con la que una característica se utiliza para dividir los árboles.
Calculando la ganancia de información.
¿Cuál es el objetivo principal de las Máquinas de Soporte Vectorial (SVM)?
Minimizar la función de pérdida.
Encontrar el hiperplano que maximiza el margen entre clases.
Ajustar un modelo polinómico a los datos.
Clasificar los datos en categorías predefinidas.
¿Qué algoritmo de aprendizaje no supervisado se utiliza comúnmente para realizar el clustering de datos?
Regresión logística.
K-Means.
Random Forest.
Support Vector Machines (SVM).
¿Cómo se define el aprendizaje por refuerzo?
Aprendizaje basado en ejemplos previamente etiquetados.
Aprendizaje donde el modelo no recibe retroalimentación.
Aprendizaje donde un agente toma acciones en un entorno para maximizar una señal de recompensa.
Aprendizaje no supervisado en entornos complejos.
¿Cuál es la unidad básica de procesamiento en una red neuronal?
Nodo.
Capa.
Neurona.
Conexión.
¿Para qué se utiliza comúnmente una función de activación en una red neuronal?
Para calcular el error.
Para determinar la tasa de aprendizaje.
Para introducir no linealidades en el modelo.
Para ajustar los pesos de las conexiones.
¿Qué técnica se utiliza comúnmente para entrenar un Perceptrón Multicapa?
Regresión lineal.
Descomposición QR.
Algoritmo de backpropagation.
Predicción de series temporales.
¿Qué estrategia puede ayudar a prevenir el sobreajuste (overfitting) en un Perceptrón Multicapa?
Aumentar el número de neuronas en las capas ocultas.
Reducir el número de capas ocultas.
Utilizar funciones de activación lineales.
Aplicar regularización como dropout.
¿En qué tipo de problemas son comúnmente utilizadas las redes neuronales convolucionales?
Procesamiento de lenguaje natural.
Análisis de redes sociales.
Predicción de series temporales.
Clasificación de imágenes.
¿Cuál es la característica principal de las redes neuronales recurrentes en comparación con las redes neuronales feedforward?
Utilizan capas convolucionales.
Pueden procesar secuencias de longitud variable.
Son más eficientes computacionalmente.
No requieren una función de activación.
¿Qué representa una época en el entrenamiento de una red neuronal?
Un ciclo completo a través del conjunto de entrenamiento.
El número de capas en la red.
La cantidad de datos en el conjunto de validación.
La función de activación utilizada.
¿Cuál es el propósito principal de la regularización en el contexto del entrenamiento de redes neuronales?
Acelerar el entrenamiento.
Aumentar la complejidad del modelo.
Reducir el sobreajuste (overfitting).
Ajustar los pesos iniciales.
¿Cuál es el propósito principal de la regresión logística?
Predecir una variable numérica.
Clasificar datos en dos categorías.
Realizar regresión en datos categóricos.
Ajustar una línea de mejor ajuste.
¿Cómo funciona el algoritmo K-Means en el agrupamiento de datos?
Utiliza una red neuronal para asignar cada punto a un clúster.
Agrupa los puntos en k clústeres minimizando la suma de las distancias al cuadrado desde cada punto hasta el centroide de su clúster asignado.
Clasifica los datos en dos clases.
Utiliza funciones de activación para asignar puntos a clústeres.
¿Para qué tipo de problemas se utiliza comúnmente la función softmax?
Problemas de regresión.
Clasificación binaria.
Clasificación multiclase.
Problemas de agrupamiento.
¿Cuál es el propósito principal de la retropropagación en el entrenamiento de redes neuronales?
Ajustar los pesos para minimizar la función de pérdida.
Incrementar la complejidad del modelo.
Determinar la tasa de aprendizaje adecuada.
Controlar la cantidad de nodos en cada capa.
¿Cuál es el propósito principal del pooling en una CNN?
Aumentar la resolución de la imagen.
Reducir el tamaño de la representación espacial.
Introducir no linealidades en el modelo.
Ajustar los pesos de la red.
¿Cuál es el propósito principal de agregar padding a la entrada en una operación de convolución?
Aumentar la resolución.
Mantener la entrada sin cambios.
Reducir la cantidad de operaciones computacionales.
Evitar la pérdida de información en los bordes.
¿Cuál es el propósito principal de las puertas en una GRU?
Controlar el flujo de información que se mantiene en la memoria de la unidad.
Aumentar la complejidad del modelo.
Reducir la tasa de aprendizaje.
Eliminar la necesidad de retropropagación.
¿En qué tipo de tareas son comúnmente utilizadas las LSTMs?
Procesamiento de imágenes y visión por computadora.
Tareas de clasificación de texto y análisis de sentimientos.
Juegos de ajedrez y juegos de mesa.
Problemas de regresión.
