WorksheetsUT1 Aprendiendo de los datos
Total questions: 10
Worksheet time: 5mins
1. ¿Qué se entiende por “aprendizaje automático”?
Campo que estudia cómo almacenar datos en bases relacionales
Proceso mediante el cual las computadoras aprenden sin ser programadas explícitamente
Técnica de visualización de grandes volúmenes de datos
Método para limpiar y filtrar información
Según Tom Mitchell (1998), un programa aprende cuando…
Disminuye el tamaño de los datos de entrada
Mejora su rendimiento en una tarea gracias a la experiencia
Aumenta la capacidad de almacenamiento
Copia el comportamiento humano
¿Cuál de los siguientes ejemplos corresponde a “datos no estructurados”?
Una tabla de clientes en Excel
Una base de datos relacional
Un conjunto de imágenes y audios
Una lista de precios en formato CSV
¿Qué tipo de problema busca encontrar la clase o categoría a la que pertenece un elemento?
Clustering
Clasificación
Detección de asociaciones
Detección de anomalías
En un problema de regresión, el objetivo principal del modelo es:
Clasificar elementos por su tipo
Agrupar datos similares
Estimar un valor numérico de salida
Detectar valores atípicos
¿Qué caracteriza al método de clustering?
Busca reglas de asociación entre elementos
Agrupa elementos por su similaridad sin clases predefinidas
Divide los datos en conjuntos de entrenamiento y validación
Predice valores futuros a partir de patrones pasados
La detección de asociaciones se usa comúnmente para:
Detectar valores atípicos
Identificar relaciones de interés entre elementos
Clasificar imágenes
Medir la precisión de un modelo
¿Qué se entiende por anomalía o outlier en un conjunto de datos?
Un valor promedio
Un dato con comportamiento similar al resto
Una entrada que no concuerda con el comportamiento general
Una variable irrelevante
¿Cuál de las siguientes proporciones es más común para dividir un dataset en entrenamiento y validación?
60% / 40%
70% / 30%
50% / 50%
10% / 90%
En un conjunto de datos, las variables deben ser:
Aleatorias y numerosas
Representativas del problema y equilibradas
Escasas y simples
Elegidas al azar sin criterio
