En la mitología griega, ¿quién escribió sobre autómatas que tendrían lo que hoy conocemos como inteligencia artificial? Virgilio Shakespeare Homero.
El matemático persa Al-Juarismi es considerado el padre de: El cálculo El álgebra La geometría.
¿Quién tuvo la idea de crear el Ars Magna (La gran obra de arte)? Alfonso X el Sabio Ramón Llull Tomás de Torquemada.
¿Qué es el algoritmo Adaboost? Un algoritmo que permite manejar datos no estructurados mediante árboles de decisión Un algoritmo que permite manejar datos estructurados Un algoritmo que permite manejar datos estructurados mediante árboles de decisión.
Una de las características principales que todo algoritmo debe cumplir es: Ser preciso y estar bien definido. Saltarse el orden de cada uno de los pasos que lo conformen. No tener un final.
El término algoritmo empezó a utilizarse de forma generalizada: A mediados del siglo XX A comienzos del siglo XXI A principios del siglo XX.
¿Qué era la Máquina Analítica? Un ordenador programable a vapor ideado en el siglo XX que nunca llegó a construirse Un ordenador programable a vapor ideado en el siglo XIX que nunca llegó a construirse Un ordenador programable a vapor ideado en el siglo XVIII que nunca llegó a construirse.
¿Cómo puede ser el modelo en el aprendizaje automático? Predictivo Predictivo o descriptivo Predictivo o descriptivo o ambos.
El algoritmo en machine learning sirve para: Almacenar patrones Encontrar patrones Proporcionar una conexión segura a un sistema informático.
Un problema que pueden tener los datos recolectados en las aplicaciones sería: Que nunca hay datos nulos Que siempre están dentro del contexto analizado La duplicidad.
¿Qué son los datos de entrenamiento? El conjunto de datos inicial que se utilizan para entrenar algoritmos de aprendizaje automático El conjunto de datos inicial que se utilizan para entrenar algoritmos de aprendizaje automático semisupervisado, exclusivamente Una forma de aprendizaje automático.
¿Qué tipo de objetivo persigue conseguir el aprendizaje automático? Un objetivo principalmente general Un objetivo general Un objetivo específico.
Lo principal que hace el aprendizaje automático es: Crear datos nuevos. Encontrar patrones en los datos. Resolver algoritmos matemáticos.
¿Qué tipos de aprendizajes existen? Aprendizaje supervisado o por refuerzo, aprendizaje no supervisado y aprendizaje semisupervisado Aprendizaje supervisado, aprendizaje no supervisado o por refuerzo y aprendizaje semisupervisado Aprendizaje supervisado, aprendizaje no supervisado y aprendizaje semisupervisado o por refuerzo.
¿Cuál es la principal diferencia del aprendizaje no supervisado frente al aprendizaje supervisado? El aprendizaje no supervisado implica que un modelo busca en los datos de entrada sin etiquetar tratando de encontrarles sentido sin supervisión humana En el aprendizaje no supervisado un modelo aprende a predecir resultados en función del conjunto de datos etiquetado, lo que significa que ya contiene los ejemplos de respuestas correctas cuidadosamente trazados sin supervisión humana En el aprendizaje no supervisado un modelo aprende a predecir resultados en función del conjunto de datos etiquetado, lo que significa que ya contiene los ejemplos de respuestas correctas cuidadosamente trazados por supervisores humanos.
¿Cuál es un ejemplo algorítmico específico del aprendizaje semisupervisado? Internet El E-learning El Q-learning.
¿Qué permite el aprendizaje no supervisado? Que las aplicaciones tengan la capacidad de aprender y encontrar patrones ocultos en grandes conjuntos de datos con supervisión humana Que las aplicaciones tengan la capacidad de aprender y encontrar patrones ocultos en grandes conjuntos de datos sin supervisión humana Que las aplicaciones tengan la capacidad de aprender y encontrar patrones ocultos en pequeños conjuntos de datos sin supervisión humana.
¿Qué se conoce como modelo? Una ecuación algorítmica para producir un resultado sin nuevos datos basados en las reglas derivadas de los datos de entrenamiento Una ecuación algebraica para producir un resultado con nuevos datos basados en las reglas derivadas de los datos de entrenamiento Una ecuación algorítmica para producir un resultado con nuevos datos basados en las reglas derivadas de los datos de entrenamiento.
Es uno de los primeros pasos dentro del ciclo de vida de un modelo de machine learning: Despliegue de la aplicación Modelo de prueba Recopilación de datos.
Fases en el ciclo de vida en el análisis de datos son: La recopilación de datos, el análisis de los resultados y la explotación de datos, entre otros La recopilación de datos y el análisis de los resultados, exclusivamente La sustitución de datos, el análisis de los resultados y la explotación de datos, entre otros.
¿En qué año se inventaron las máquinas de vectores de apoyo? 2000 1992 1970.
¿De qué consta un nodo? Entradas, pesos, sesgo y salidas Entradas, sesgo y salidas Entradas y salidas.
¿Cuál es un concepto principal precursor de las redes neuronales? El aprendizaje de Jean Piaget La lógica de umbral El aprendizaje por descubrimiento.
¿Quién propuso que las vías neuronales se fortalecen con cada uso sucesivo? Walter Pitts Warren McCulloch Donald Hebb.
¿Qué aprendizaje funciona alimentando los datos de muestra de la máquina con varias características y el valor correcto de salida de los datos? Aprendizaje supervisado Aprendizaje no supervisado Redes neuronales no supervisadas.
El aprendizaje automático no supervisado es: La categoría principal de aprendizaje automático que permite que un sistema actúe sobre la información dada sin ninguna guía externa Una subcategoría de aprendizaje automático que permite que un sistema actúe sobre la información dada sin ninguna guía externa Una subcategoría de aprendizaje automático que nunca permite que un sistema actúe sobre la información dada sin ninguna guía externa.
¿Cuál es el objetivo principal del aprendizaje automático? Construir modelos que no imiten y no generalicen datos Construir modelos que imiten y especifiquen datos Construir modelos que imiten y generalicen datos.
¿Qué método de aprendizaje consiste en una gran cantidad de árboles que funcionan como un conjunto? K- vecinos más cercanos Árboles de decisión SVM.
¿Qué es el clustering o análisis de clústeres? El proceso de agrupar objetos en conjuntos, donde exclusivamente los elementos con menos similitudes se agrupan El proceso de agrupar objetos en conjuntos, donde los elementos con más similitudes se agrupan, mientras que el resto cae en otros grupos El proceso de agrupar sólo determinados objetos.
¿Cómo se denomina el proceso de agrupar objetos en conjuntos? Redes neuronales Árboles de decisión Clustering.
Dentro del aprendizaje por refuerzo, ¿qué tipo implica aumentar las posibilidades de que un comportamiento específico vuelva a ocurrir al eliminar la condición negativa? Refuerzo negativo Refuerzo positivo Ambas respuestas son correctas.
¿Cuántos tipos de métodos de aprendizaje semisupervisado hay? Sólo uno Dos Tres.
¿En qué año se utilizó por primera vez el término de inteligencia artificial? 1956 1946 1950.
¿Quién creó la primera implementación de aprendizaje automático? Marvin Minsky Arthur Samuel Alan Turing.
¿En cuántas categorías se pueden clasificar los datos de entrenamiento? Sólo en una categoría Dos Tres.
¿Cuáles son los tipos más exitosos de algoritmos de aprendizaje automático? Son aquellos que automatizan procesos de toma de decisiones generalizando a partir de ejemplos desconocidos Son aquellos que automatizan procesos de toma de decisiones generalizando a partir de ejemplos conocidos y ocasionalmente de ejemplos desconocidos Son aquellos que automatizan procesos de toma de decisiones generalizando a partir de ejemplos conocidos.
¿Cuáles son las principales categorías de aprendizaje automático? Supervisadas y refuerzo Supervisadas, sin supervisión y refuerzo Supervisadas y sin supervisión.
¿Cuál es una aplicación del mundo real del aprendizaje automático no supervisado? Las criptomonedas La visión por computadora La tarjeta de débito.
¿Qué es la exploración de datos?: Es un subproceso de la ordenación y clasificación que se utiliza para comprender la adecuación de los datos comprobados de forma conjunta Es el proceso principal de la ordenación y clasificación que se utiliza para comprender la naturaleza de los datos con los que se va a trabajar Es un subproceso de la ordenación y clasificación que se utiliza para comprender la naturaleza de los datos con los que se va a trabajar.
¿Qué son las RNN? Son las redes convolucionales Son las redes neuronales recurrentes Son un tipo de archivo gráfico.
Las ANN: Son fundamentales para los sistemas de inteligencia artificial y no artificial Son fundamentales para los sistemas de inteligencia artificial No son fundamentales para los sistemas de inteligencia artificial.
Las ANN: Son una serie de algoritmos que imitan las funciones del cerebro animal Son una serie de algoritmos que imitan las funciones del cerebro humano Son una serie de algoritmos que imitan las funciones del cerebro humano y a veces del cerebro animal.
¿Qué conocemos como ANN? Bitcoins Regresión logística Redes neuronales artificiales.
La identificación de los datos corresponde a la fase de: La recopilación de los datos La sustitución de los datos El análisis de los resultados.
¿Qué es un algoritmo? Término con el que nos referimos al conjunto de reglas que sigue una máquina para alcanzar un objetivo concreto, siempre aplicada a la actividad mediada por ordenador Término con el que nos referimos al conjunto de reglas que sigue una máquina para alcanzar un objetivo concreto, no siempre aplicada a la actividad mediada por ordenador Término con el que nos referimos al conjunto de reglas que sigue un ordenador para alcanzar un objetivo no necesariamente concreto.
¿Qué es el algoritmo K-vecinos más cercanos (KNN)? Es uno de los algoritmos de aprendizaje supervisado automático que se utiliza tanto para resolver problemas de clasificación como de regresión Es uno de los algoritmos de aprendizaje supervisado automático que se utiliza para resolver exclusivamente problemas de regresión Es uno de los algoritmos de aprendizaje supervisado automático que se utiliza para resolver exclusivamente problemas de clasificación.
¿Cuáles son algunos de los términos utilizados en el aprendizaje semisupervisado? Agente, acción y programación estática Agente, acción y entorno Programación estática, acción y factor de descuento.
¿En qué aprendizaje se utilizan los datos de entrenamiento etiquetados? En el aprendizaje no supervisado En el aprendizaje semisupervisado En el aprendizaje supervisado.
¿En qué categorías se pueden dividir el aprendizaje no supervisado? Paramétrico y no paramétrico No paramétrico y no aleatorio Paramétrico y aleatorio.
¿En qué año utilizan Facebook y Google el aprendizaje automático? 2014 2019 2009.
La regresión lineal: Es exclusivamente un algoritmo estadístico Es exclusivamente un algoritmo de aprendizaje automático Puede ser tanto un algoritmo estadístico como un algoritmo de aprendizaje automático.
La regresión lineal, en el ámbito del aprendizaje automático, ¿para qué se utiliza? Para hacer predicciones y obtener resultados definitivos Para hacer predicciones Para obtener resultados definitivos.
¿Qué es la regresión logística? Un modelo matemático utilizado para estimar la probabilidad de un evento que no se basa en datos previos Un modelo informático utilizado para estimar la probabilidad de un evento en base a los datos previos proporcionados Un modelo matemático utilizado para estimar la probabilidad de un evento en base a los datos previos proporcionados.
¿En cuántos grupos se puede clasificar la agrupación en clústeres? En cuatro grupos En cinco grupos En tres grupos.
¿Qué es la agrupación probabilística? La que intenta crear una jerarquía de clústeres La que utiliza distribuciones de probabilidad para crear agrupaciones La que permite que un punto de datos se agrupe exclusivamente en dos grupos.
En el análisis de datos: No es importante la selección de las técnicas de análisis a utilizar El modelo no se construye a partir del análisis Se deberá, en primer lugar, seleccionar las técnicas de análisis a utilizar.
¿Qué es SVM? Es uno de los algoritmos de aprendizaje supervisado que se utiliza para resolver exclusivamente problemas de clasificación Es uno de los algoritmos de aprendizaje supervisado que se utiliza para resolver exclusivamente problemas de regresión Es uno de los algoritmos de aprendizaje supervisado que se utiliza tanto para resolver problemas de clasificación como de regresión.
¿Cuál es el objetivo del SVM? Crear la mejor línea o límite de decisión que pueda segregar el espacio en clases para que podamos colocar fácilmente el nuevo punto de datos en la categoría incorrecta en el futuro Crear la mejor línea o límite de decisión que pueda segregar el espacio en clases para que podamos colocar fácilmente el nuevo punto de datos en la categoría correcta en el futuro Crear la peor línea o límite de decisión que pueda segregar el espacio en clases para que nunca podamos colocar fácilmente el nuevo punto de datos en la categoría correcta en el futuro.
La regresión, en el ámbito del aprendizaje automático, ¿para qué se utiliza? Para obtener resultados definitivos y estimar la probabilidad de un evento que no se basa en datos previos Para hacer predicciones Para estimar la probabilidad de un evento en base a los datos previos proporcionados.
¿Cómo se lleva a cabo el proceso de aprendizaje no supervisado? En línea Fuera de línea y ocasionalmente en línea Fuera de línea.
¿Cómo se lleva a cabo el proceso de aprendizaje supervisado? En línea y ocasionalmente fuera de línea Fuera de línea En línea.
¿Cómo es el aprendizaje no supervisado? Complejo y fuera de línea Simple y en tiempo real Complejo y en tiempo real.
¿Cómo es el aprendizaje supervisado? Muy preciso y fuera de línea Se desconoce el número de clases y en tiempo real Complejo y en tiempo real.
¿Qué es Naive Bayes? Un método de clasificación que asume que la presencia de una característica en una clase afecta a la presencia de alguna otra característica Un método de clasificación que asume que la presencia de una característica en una clase no afecta a la presencia de ninguna otra característica Un método de clasificación que asume que la presencia de una característica en una clase afecta a la presencia de todas las características.
¿Cuándo es útil el modelo Naive Bayes? Cuando se trata de un pequeño conjunto de datos Cuando se trata de grandes conjuntos de datos y ocasionalmente de un pequeño conjunto de datos Cuando se trata de grandes conjuntos de datos.
¿Qué significa SVM? Support Vector Microchip Support Visa Machine Support Vector Machine.
¿Qué significan las siglas SVM? Support Vector Machine Support Vector Supramachine Support Visa Machine.
¿Cómo funcionan los sistemas basados en memoria de los sistemas de filtrado colaborativo? Funcionan asumiendo un modelo generativo que explica las interacciones usuario-elemento haciendo nuevas predicciones Funcionan con valores registrados de interacciones artículo-artículo o usuario-usuario sin asumir ningún modelo Funcionan asumiendo un modelo generativo que explica las interacciones artículo-artículo o usuario-usuario haciendo nuevas predicciones.
Sobre la categoría de algoritmos en el aprendizaje semisupervisado, ¿qué afirmación es la correcta? Es la más avanzada categoría de algoritmos en Blockchain Es la menos avanzada categoría de algoritmos en Machine Learning Es la más avanzada categoría de algoritmos en Machine Learning.
¿Qué es la detección de anomalías? Una aplicación del aprendizaje automático supervisado Una aplicación del aprendizaje automático no supervisado Una aplicación del aprendizaje semisupervisado.
¿Qué es el modelo predictivo? Una técnica estadística utilizada para predecir el comportamiento futuro analizando datos exclusivamente actuales Una técnica estadística utilizada para predecir el comportamiento futuro analizando datos históricos y actuales Una técnica estadística utilizada para predecir el comportamiento futuro analizando datos exclusivamente históricos.
¿Qué podemos entender por el concepto de autoaprendizaje? Una clave característica del aprendizaje automático referido a la aplicación de modelos no estadísticos para detectar patrones y mejorar el desempeño sin comandos directos de programación Una clave característica del aprendizaje automático referido a la aplicación de modelos estadísticos para detectar patrones y mejorar el desempeño sin comandos directos de programación Una clave característica del aprendizaje automático referido a la aplicación de modelos estadísticos para detectar patrones y mejorar el desempeño siempre con comandos directos de programación.
¿Qué es un modelo generado por un algoritmo: Una funcionalidad, típicamente código, incapaz de reconocer patrones cuando se le presentan nuevos datos Una funcionalidad, ocasionalmente código, capaz de reconocer patrones cuando se le presentan nuevos datos Una funcionalidad, típicamente código, capaz de reconocer patrones cuando se le presentan nuevos datos.
¿Qué factor influye a que los modelos de aprendizaje sean mejores? Los usuarios utilizados Los productos utilizados Los datos con los que se entrenan.
Los datos sin procesar son: Datos sin etiquetar Datos etiquetados Datos de baja calidad e imprecisos.
En los algoritmos supervisados usamos: Datos etiquetados Datos sin etiquetar Datos en crudo.
¿Qué permitía el Aprendizaje Basado en la Explicación o EBL? Permitía a un ordenador analizar datos de entrenamiento y crear una regla general que descartaba datos sin importancia Permitía a un ordenador analizar datos de entrenamiento y crear una regla general que no descartaba ningún dato Permitía a un ordenador analizar datos de entrenamiento y crear una regla específica que descartaba datos sin importancia.
La afirmación correcta es: El aprendizaje automático expresamente se refiere a los cambios en los sistemas que realizan tareas asociadas con la inteligencia humana El aprendizaje automático generalmente se refiere a los cambios en los sistemas que realizan tareas asociadas con la inteligencia artificial El aprendizaje automático exclusivamente se refiere a la recopilación de datos en los sistemas que realizan tareas asociadas con la inteligencia artificial.
¿Cuál es la idea básica de los sistemas de recomendación? Utilizar las diversas fuentes de datos para inferir los intereses de los clientes donde la entidad a la que se proporciona la recomendación se conoce como usuario Utilizar las diversas fuentes de datos para inferir los intereses de los clientes donde la entidad a la que se proporciona la recomendación se conoce como artículo Utilizar solo una fuente de datos para inferir los intereses de los clientes donde la entidad a la que se proporciona la recomendación se conoce como usuario.
El aprendizaje no supervisado: Es menos complicado, aunque requiere más tiempo que el aprendizaje supervisado Es menos complicado y requiere menos tiempo que el aprendizaje supervisado Es más complicado y requiere más tiempo que el aprendizaje supervisado.
El aprendizaje automático o machine learning es: El campo principal de la inteligencia artificial que en términos generales es la capacidad de un ordenador con conexión a internet para imitar el comportamiento humano inteligente El campo principal de la inteligencia artificial que en términos generales es la capacidad de una máquina para imitar el comportamiento humano inteligente Un subcampo de la inteligencia artificial que en términos generales es la capacidad de una máquina para imitar el comportamiento humano inteligente.
¿En qué año se utilizó por primera vez el término de inteligencia artificial? 1950 1946 1956.
¿En cuántas categorías se pueden clasificar los datos de entrenamiento? Tres Sólo en una categoría Dos.
¿En qué aprendizaje se utilizan los datos de entrenamiento sin etiquetar? En el aprendizaje no supervisado En el aprendizaje supervisado En el aprendizaje semisupervisado.
El agrupamiento exclusivo, ¿qué significa? Que un punto de datos u objeto solo puede existir en un clúster Que se intenta crear una jerarquía de clústeres Que un punto de datos u objeto puede existir en varios clústeres.
¿Quiénes fueron los creadores del taller que fue considerado como el momento fundacional de la inteligencia artificial como campo de investigación? John McCarthy, Bill Gates, Claude Shannon y Nathaniel Rochester Bill Gates, Marvin Minsky, Claude Shannon y Nathaniel Rochester John McCarthy, Marvin Minsky, Claude Shannon y Nathaniel Rochester.
¿Qué taller, parte de una Conferencia, fue considerado como el momento fundacional de la inteligencia artificial como campo de investigación? Dartmouth Winter Research Project on Artificial Intelligence Dartmouth Summer Research Project on Artificial Intelligence Chicago Summer Research Project on Artificial Intelligence.
¿Qué son los árboles de decisión? Un método de aprendizaje donde una gran cantidad de árboles funcionan como un conjunto Un método de aprendizaje donde una pequeña cantidad de árboles funcionan como un conjunto Un método de lectura donde una gran cantidad de árboles funcionan como un conjunto.
¿Quién afirmó: ”El objetivo de la inteligencia artificial es crear modelos informáticos que muestren comportamientos inteligentes como los humanos”? Arthur Samuel Steve Jobs Boris Katz.
¿Cuáles son los principales problemas del aprendizaje automático supervisado? La regresión y la aleatoriedad La regresión, exclusivamente La clasificación y la regresión.
Los resultados producidos por los modelos de aprendizaje supervisados: Son más precisos que los resultados producidos por los modelos de aprendizaje no supervisados Son igual de precisos que los resultados producidos por los modelos de aprendizaje no supervisados Son menos precisos que los resultados producidos por los modelos de aprendizaje no supervisados.
¿Cómo es el aprendizaje semisupervisado? No es una combinación de aprendizaje supervisado y aprendizaje no supervisado Es una combinación de aprendizaje supervisado y aprendizaje no supervisado Es un aprendizaje que deriva exclusivamente del aprendizaje no supervisado.
El aprendizaje automático no supervisado: No requiere que un ser humano revise el modelo Requiere que un ser humano revise el modelo en ocasiones Requiere que un ser humano revise el modelo.
¿Para qué se utiliza generalmente el KNN? Exclusivamente para la recomendación de imágenes Para la recomendación y reconocimiento de imágenes Exclusivamente para el reconocimiento de imágenes.
¿Cuándo se vuelve lento el KNN? Cuando aumenta el tamaño de los datos que ya no están en uso Cuando aumenta el tamaño de los datos en uso Cuando disminuye el tamaño de los datos en uso.
¿Qué implica el reforzamiento negativo en el aprendizaje semisupervisado? Aumentar las posibilidades de que un comportamiento específico vuelva a ocurrir al eliminar la condición negativa Disminuir las posibilidades de que un comportamiento específico vuelva a ocurrir al eliminar la condición negativa Aumentar las posibilidades de que un comportamiento específico vuelva a ocurrir sin eliminar la condición negativa.
¿Quién fue uno de los padres de la informática? Karl Friedrich Benz Alexander Fleming Alan Turing.
¿Qué significa el término política en el aprendizaje semisupervisado? Que no es necesario asignar estados a acciones para que el agente pueda elegir la acción con la recompensa más alta Que se asignan estados a acciones para que el agente pueda elegir la acción con la recompensa más alta Que se asignan estados a acciones para que el agente pueda elegir la acción sin importar la recompensa.
¿Qué es la agrupación superpuesta? La que permite que un punto de datos se agrupe exclusivamente en dos grupos La que permite que un punto de datos se agrupe en dos o más grupos La que intenta crear una jerarquía de clústeres.
¿Qué son los datos sin etiquetar? Datos eventualmente procesados Datos sin procesar Datos procesados.
El algoritmo del “vecino más cercano” es posterior a la aparición de: Al reconocimiento automático del habla Las máquinas de vectores de apoyo El Test de Turing.
¿Qué es un vector? Es un grupo de números Es un número Es una red recurrente.
¿Quién creó la primera implementación de aprendizaje automático? Alan Turing Marvin Minsky Arthur Samuel.
¿Quién afirmó:”El objetivo de la inteligencia artificial es crear modelos informáticos que muestren comportamientos inteligentes como los humanos”? Boris Katz Arthur Samuel Steve Jobs.
¿En qué se concentra el aprendizaje supervisado? En patrones de aprendizaje exclusivamente basados en resultados conocidos, trabajando con conjuntos de datos etiquetados En patrones de aprendizaje a través de la conexión de la relación entre variables y resultados conocidos, trabajando con conjuntos de datos etiquetados En patrones de aprendizaje exclusivamente basados en resultados conocidos.
¿Qué significa AGI? Inteligencia Artificial Particular Inteligencia Humana General Inteligencia Artificial General.
¿Cómo se conoce también a la AGI? Inteligencia emocional Blockchain Inteligencia verdadera.
¿Cómo se conoce también el aprendizaje semisupervisado? Semisupervisado o por refuerzo Semisupervisado o exclusivo Semisupervisado o por esfuerzo.
Una característica principal que todo algoritmo debe tener es: Ser preciso y estar bien definido Tiene que ser impreciso Tiene que ser infinito.
¿En qué año utilizan Facebook y Google el aprendizaje automático? 2009 2019 2014.
¿Quién fue el pionero de la inteligencia artificial? Arthur Samuel Mikey Shulman Boris Katz.
¿Quién fue Al-Juarismi? Erudito persa que realizó trabajos influyentes en matemáticas, astronomía y geografía, cuyos trabajos en astronomía fueron clave para avanzar en la algoritmia Erudito persa que realizó trabajos influyentes en matemáticas y geografía, cuyos trabajos en matemáticas fueron clave para avanzar en la algoritmia Erudito persa que realizó trabajos influyentes en matemáticas, astronomía y geografía, cuyos trabajos en matemáticas fueron clave para avanzar en la algoritmia.
¿Qué significa que el aprendizaje automático requiera de gran cantidad de datos? Que el modelo se vuelve menos preciso con más ejemplos No es relevante el volumen de los datos Que el modelo se vuelve más preciso con más ejemplos.
¿Dónde es frecuente el uso de los árboles de decisión? La Banca La prensa La industria de la música.
¿Qué es el aprendizaje de reglas de asociación? Es un aprendizaje no supervisado utilizado para encontrar relaciones entre variables en grandes bases de datos Es un aprendizaje supervisado utilizado para encontrar relaciones entre variables en grandes bases de datos Es un aprendizaje no supervisado que intenta crear una jerarquía de clústeres.
¿Cuándo se utiliza el aprendizaje supervisado? Siempre que queramos realizar una ecuación algorítmica para producir un resultado sin nuevos datos basados en las reglas derivadas de los datos de entrenamiento Siempre que queramos predecir un determinado resultado de una entrada dada y tengamos ejemplos de pares de entrada/salida y queramos hacer predicciones precisas para datos nuevos Siempre que queramos predecir un determinado resultado de una entrada dada y tengamos ejemplos de pares exclusivamente de entrada y queramos hacer predicciones precisas para datos ya existentes.
En el aprendizaje no supervisado: Sólo algunas variables y algunos patrones de datos están clasificados Todas las variables y patrones de datos están clasificados No todas las variables y patrones de datos están clasificados.
¿Cómo se conoce también al aprendizaje de reglas de asociación? ARV ARL TOR.
¿Qué es MNIST? Una de las bases de datos más conocidas en el ámbito de la visión natural cuyo uso y estado actual está en continua evolución Una de las bases de datos más conocidas en el ámbito de la visión artificial cuyo uso y estado actual está en continua evolución Una de las bases de datos menos conocidas en el ámbito de la visión artificial cuyo uso y estado actual está en continua evolución.
¿Cómo se denomina tradicionalmente a la aplicación de métodos de aprendizaje automático a grandes colecciones de datos? Minería de datos o data mining Sistema peer-to-peer Blockchain.
Las siglas CNN significan: Credit neuronal networks Convolutional neural networks Cohort neuronal network.
¿Qué son las redes convolucionales? Son las redes que toman como entrada no solo el ejemplo de entrada actual sino también lo que han percibido previamente en el tiempo y de las que se suele decir que tienen memoria Son redes neuronales que se utilizan principalmente para clasificar imágenes, agrupar imágenes por similitud y realizar el reconocimiento de objetos dentro de las escenas Son redes neuronales que se utilizan sólo para realizar el reconocimiento de objetos dentro de las escenas.
¿Qué son las ConvNet o CNN? Un grupo de cadenas de televisión Son redes convolucionales Son redes recurrentes.
MNIST es una base de datos que contiene: Un conjunto importante de imágenes Un conjunto de datos numéricos sobre población Imágenes y datos numéricos demográficos.
La evolución de la base de datos MNIST se denomina: XMNIST MNIST v2 EMNIST.
¿Qué significa el filtrado basado en contenido? Significa que el sistema recomendará artículos similares a los que gustaron o compraron los usuarios Significa que el sistema no recomendará artículos similares a los que gustaron o compraron los usuarios Significa que el sistema recomendará artículos aleatorios a los que gustaron o compraron los usuarios.
¿Cómo puede ser el filtrado basado en contenido? Centrado en el usuario, exclusivamente Centrado en el artículo, exclusivamente Centrado en el artículo y centrado en el usuario.
|
