¿Qué es MATLAB? Una criptomoneda Un lenguaje de secuencia de comando general de dominio Un lenguaje de secuencia de comando específico de dominio.
La versión actual de Python es: V2 V3 V4.
¿Qué características de Python son correctas? Simplemente es fácil de aprender Impreciso y tiene estructuras de alto nivel eficientes Potente, fácil de aprender y tiene estructuras de alto nivel eficientes.
¿Qué introduce la palabra clave def? No se aplica en Python Una definición de la función Una definición de la función solo en la versión Python1.
Elija la opción correcta: Python solo puede manipular números Python, además de los números, puede manipular cadenas que se pueden expresar de distintas formas con la única limitación que no puedan encerrarse entre comillas dobles Python, además de los números, puede manipular cadenas que se pueden expresar de distintas formas.
¿Qué son los paquetes? Una forma de estructurar el espacio de nombres de los módulos de Python mediante el uso de "nombres de paquetes con puntos" Una forma de estructurar el espacio de nombres de los módulos de Python mediante el uso de "nombres de módulos con puntos" Son archivos que contienen definiciones y declaraciones de Python donde el nombre del archivo es el nombre del paquete con el sufijo .py adjunto.
En el siguiente ejemplo “ -> {salsa de soja}”, ¿qué indica la flecha -> ? Indica lo que viene después cuando leemos de izquierda a derecha Indica lo que viene primero cuando leemos de izquierda a derecha Indica lo que viene después cuando leemos de derecha a izquierda.
¿Cuál es la afirmación correcta? A diferencia de lo que ocurre con los módulos, las clases no participan de la naturaleza dinámica de Python: se crean en tiempo de ejecución y se pueden modificar aún más después de la creación Como ocurre con los módulos, las clases participan de la naturaleza dinámica de Python: se crean en tiempo de ejecución pero no se pueden modificar después de la creación Como ocurre con los módulos, las clases participan de la naturaleza dinámica de Python: se crean en tiempo de ejecución y se pueden modificar aún más después de la creación.
¿Qué realiza el comando python -c command [arg]? Lanza el intérprete de comandos de Python Actualiza los paquetes de Python Realiza una instalación del intérprete de Python.
¿Qué funcionalidad principal tiene NumPy? Manejo de matrices multidimensionales Carga de datasets Impresión por consola de números.
¿Qué contiene NumPy? Contiene, exclusivamente, funcionalidad para la generación de números Contiene funcionalidad para matrices multidimensionales, funciones matemáticas de alto nivel tales como operaciones de álgebra lineal y la transformada de Fourier y pseudoaleatoria para la generación de números Contiene funcionalidad para matrices multidimensionales y funciones matemáticas de alto nivel tales como operaciones de álgebra lineal.
¿Qué librería de Python nos proporciona el objeto DataFrame? SciPy Pandas Matplotlib.
¿Cuál es la afirmación correcta? Los archivos __init__.rar son necesarios para que Python trate los directorios que contienen el archivo como paquetes, evitando que los directorios con un nombre común, oculten involuntariamente módulos válidos que aparecen más adelante en la ruta de búsqueda del módulo Los archivos __init__.py son necesarios para que Python trate los directorios que contienen el archivo como paquetes, evitando que los directorios con un nombre común, oculten involuntariamente módulos válidos que aparecen más adelante en la ruta de búsqueda del módulo Los archivos __init__.py son necesarios para que Python trate los directorios que contienen el archivo como paquetes, sin evitar que los directorios con un nombre común, oculten involuntariamente módulos válidos que aparecen más adelante en la ruta de búsqueda del módulo.
La afirmación correcta es: Un pandas DataFrame es una tabla, similar a un documento de Word Un pandas MetalFrame es una tabla, similar a una hoja de cálculo de Excel Un pandas DataFrame es una tabla, similar a una hoja de cálculo de Excel.
De los siguientes términos, ¿cuáles son librerías claves para nuestro proyecto? Scipy, pandas, numpy y google Scipy, pandas y numpy Sólo scipy.
¿Qué es pandas? Es una biblioteca de Matplotlib usada para la gestión y el análisis de datos que está construido alrededor de un dato estructura denominada DataFrame que se modela a partir de R DataFrame Es una biblioteca de Python usada para la gestión y el análisis de datos que está construido alrededor de un dato estructura denominada MetalFrame que se modela a partir de M DataFrame Es una biblioteca de Python usada para la gestión y el análisis de datos que está construido alrededor de un dato estructura denominada DataFrame que se modela a partir de R DataFrame.
Para eliminar el primer elemento de la lista cuyo valor es igual a x, ¿qué debemos utilizar? list.remove(x) list.delete(x) list.clear(x).
¿Cómo funciona el algoritmo en la fase de clasificación? El algoritmo etiqueta los datos de acuerdo con las muestras de salida en las que se entrenó el algoritmo reconociendo ciertos tipos de entidades y buscando elementos similares emparejándolos en categorías relevantes siendo capaz de detectar anomalías en los datos El algoritmo etiqueta los datos de acuerdo con las muestras de entrada en las que se entrenó el algoritmo reconociendo ciertos tipos de entidades y buscando elementos similares emparejándolos en categorías relevantes siendo capaz de detectar anomalías en los datos El algoritmo etiqueta los datos de acuerdo con las muestras de entrada en las que se entrenó el algoritmo reconociendo ciertos tipos de entidades sin buscar elementos similares aunque pueda emparejarlos en categorías relevantes.
La técnica de Clustering corresponde a: Aprendizaje no supervisado Aprendizaje supervisado Regresión lineal.
¿En qué campos se utiliza la regresión? En muchos campos diferentes: economía, la informática, las ciencias sociales Sólo en el campo de la informática En el campo de la política y la informática.
¿Cuál es un propósito de la regresión? Entender los valores en los datos Calcular predicciones de ciertos resultados que no se basen en datos pasados Tratar un gran conjunto de datos y ocasionalmente de un pequeño conjunto de datos.
De los siguientes algoritmos, es típicamente no supervisado: SVM Kernels Manifolds Árbol de decisión.
¿Qué es la regresión multivariante? La categoría principal de aprendizaje automático que permite que un sistema actúe sobre la información dada sin ninguna guía externa Es un caso de regresión lineal con dos o más variables independientes Es un caso de regresión lineal con una variable.
¿Qué es la regresión en el aprendizaje supervisado? Es la parte del aprendizaje supervisado que se encarga de calcular las posibilidades a partir de los datos disponibles siendo un método para formar el valor objetivo basado en predictores específicos, aunque no señalan las relaciones de causa y efecto entre las variables Es la parte del aprendizaje supervisado que se encarga de calcular las posibilidades a partir de los datos disponibles siendo un método para formar el valor objetivo basado en predictores generales que señalan las relaciones de causa y efecto entre las variables Es la parte del aprendizaje supervisado que se encarga de calcular las posibilidades a partir de los datos disponibles siendo un método para formar el valor objetivo basado en predictores específicos que señalan las relaciones de causa y efecto entre las variables.
¿A qué nos ayuda el truco del kernel? Nos ayuda a construir un clasificador más preciso, aunque no convierte un problema no separable en un problema separable Nos ayuda a construir un clasificador más preciso convirtiendo un problema no separable en un problema separable al agregarle más dimensión Nos ayuda a construir un clasificador menos preciso al convertir un problema no separable en un problema separable.
¿Qué algoritmo está muy relacionado con la reducción de la dimensionalidad? Clustering K-Means Manifolds.
¿Qué establece n_clusters en K-means? Establece k para el paso de agrupación Establece el número máximo de iteraciones para cada inicialización del algoritmo k-means Establece el número de inicializaciones a realizar.
¿Qué es K-means? Es un algoritmo para el agrupamiento jerárquico que coloca los puntos de datos en el número predefinido de grupos conocido como K Es un algoritmo para el agrupamiento exclusivo que coloca los puntos de datos en el número predefinido de grupos conocido como K Es un algoritmo para el agrupamiento superpuesto que coloca los puntos de datos en el número predefinido de grupos conocido como K.
¿Qué es el agrupamiento superpuesto? El agrupamiento superpuesto o agrupamiento "suave" es el que permite que los elementos de datos sean miembros de más de un grupo con diferentes grados de pertenencia El agrupamiento superpuesto o agrupamiento "duro" es el que permite que los elementos de datos sean miembros de más de un grupo con diferentes grados de pertenencia El agrupamiento superpuesto o agrupamiento jerárquico es el que permite que los elementos de datos sean miembros de más de un grupo con diferentes grados de pertenencia.
¿Cuál es el propósito del algoritmo de aprendizaje automático en el análisis de la cesta? Encontrar relaciones entre un grupo de artículos en un conjunto de datos Reducir el número de dimensiones de un conjunto de datos Encontrar el centro de una matriz de datos.
¿Qué son Annuals? Son competiciones en Kaggle que ofrecen problemas amistosos y fáciles para principiantes Son competiciones en Kaggle que siempre aparecen durante un período determinado del año Son competiciones en Kaggle que implican un propósito científico o de investigación en lugar de comercial.
¿Cuál es un espacio y filtro de la información al que podemos acceder en Datasets? A Google A los conjuntos de datos más populares A los conjuntos de datos más antiguos.
El análisis de las necesidades de cliente es: Una de las partes importantes de un proyecto de machine learning antes de comenzar a programar el algoritmo Una de las partes importantes de un proyecto de machine learning después de comenzar a programar el algoritmo Una de las partes importantes de un proyecto de machine learning durante la programación del algoritmo.
Una de las necesidades del cliente a tener en cuenta cuando se analizan los requerimientos es: Funcionalidad Soporte Ambas respuestas son correctas.
¿Qué sucede si elegimos guardar y ejecutar todo? Que se ejecuta el script Que se guarda la versión definitiva del script antes de que esté listo para ejecutar y enviar Que se guarda una versión intermedia del script antes de que esté listo para ejecutar y enviar.
Una de las metodologías ágiles sería: Scrum Planificación secuencial Diagrama de Gantt.
Uno de los elementos principales de la metodología SCRUM es: La pila de producto El diagrama de Gantt El uso de los recursos.
Uno de los IDEs para trabajar con Python es: Eclipse PyCharm PythonStudio.
¿Una forma correcta de lanzar el intérprete de comandos en Python es? python command [arg] python -c command [arg] python -c [arg] command.
La palabra reservada para definir una función en Python es: def function func.
Una forma de instalar un nuevo módulo o paquete en Python es mediante: pyp node pip.
Librería esencial que proporciona manejo de matrices multidimensionales. pandas NumPy Scipy.
¿Cuál de estos algoritmos puede ser considerado supervisado? Regresión lineal SVM Ambas respuestas son correctas.
¿Cuál de estos algoritmos puede ser considerado no supervisado? Regresión lineal Árbol de decisión Ninguna de las respuestas es correcta.
Una de las técnicas para calcular el rendimiento de un algoritmo supervisado es: Aplicar random forest El error instantáneo El error cuadrático medio.
Es una de las técnicas más utilizadas para el aprendizaje no supervisado: Clustering Árboles de decisión Regresión lineal.
¿Cuál es el objetivo de los árboles de decisión? Crear un modelo que prediga el valor de una variable de destino mediante el aprendizaje de reglas de decisión simples deducidas de las características de los datos Crear un modelo donde una pequeña cantidad de árboles funcionan como un conjunto Crear un método de aprendizaje supervisado paramétrico que se utiliza para la clasificación y la regresión.
¿Cuál es la afirmación correcta? La elaboración manual de reglas de decisión es factible para todas las aplicaciones, sin presentar ninguna desventaja La elaboración manual de reglas de decisión es factible para algunas aplicaciones, particularmente aquellos en los que los humanos tienen una buena comprensión del proceso de modelado con la desventaja de que el diseño de reglas requiere una comprensión profunda de cómo se debe tomar una decisión por un experto humano La elaboración manual de reglas de decisión no es factible para algunas aplicaciones con la ventaja de que el diseño de reglas requiere una comprensión profunda de cómo se debe tomar una decisión por un experto humano.
¿Cuál sería una ventaja del uso de los árboles de decisión? Aunque los árboles de decisión pueden ser inestables pueden generar un árbol completamente diferente Capaz de manejar datos numéricos y categóricos El sobreajuste.
¿Cuál sería una ventaja del uso de los árboles de decisión? La posibilidad de validar un modelo mediante pruebas estadísticas Hay conceptos que los árboles no los expresan fácilmente porque son difíciles de aprender Resolver exclusivamente problemas de clasificación.
Una aplicación en la vida real del agrupamiento es: Detección de anomalías Segmentación de clientes Ambas respuestas son correctas.
¿Cuántas técnicas estadísticas hay para validar los resultados del aprendizaje de grupos? Hay dos clases: validación interna y validación multidireccional Hay dos clases: validación interna y validación externa Sólo existe la técnica de validación interna.
Una de las características del aprendizaje no supervisado es: Encontrar datos o patrones a partir de datos de test Encontrar datos o patrones por sí mismo Usar modelos supervisados para mejorarlos.
Si hablamos de la problemática en la dimensionalidad y su reducción hablamos de: Clustering Manifolds K-means.
Es un algoritmo de aprendizaje que intenta encontrar relaciones entre un grupo de artículos en un conjunto de datos: Biclustering Análisis de la cesta Manifolds.
Otra plataforma de competiciones basada en el análisis de datos es: Google Scipy DrivenData.
El entorno de computación dentro de Kaggle se denomina: Notebook Jupiter R.
Uno de los tipos de competiciones se denomina: Masters Individuals Notebooks.
El conjunto de datos dentro de un notebook de Kaggle se denomina: MINST Pandas Dataset.
Es una de las partes importantes de un proyecto de machine learning antes de comenzar a programar el algoritmo: Preparar el entorno de trabajo Medir las discrepancias con la realidad Análisis de las necesidades del cliente.
Característica de la metodología SCRUM: Es una metodología ágil Es una metodología estructurada Ninguna de las respuestas es correcta.
Es uno de los elementos principales de la metodología SCRUM: El Sprint El uso de los recursos El diagrama de Gantt.
¿Qué es el algoritmo Apriori? Es el algoritmo utilizado en el análisis de la cesta de la compra que resulta útil para el aprendizaje no supervisado que no requiere ningún entrenamiento donde hay predicciones y es útil con grandes conjuntos de datos Es el algoritmo utilizado en el análisis de la cesta de la compra que resulta útil para el aprendizaje supervisado que requiere entrenamiento y es útil con grandes conjuntos de datos Es el algoritmo utilizado en el análisis de la cesta de la compra que resulta útil para el aprendizaje no supervisado que no requiere ningún entrenamiento y es útil con grandes conjuntos de datos.
¿Qué es la usabilidad del dataset? Es un número calculado por Kaggle en el que se refleja el nivel de profundidad de documentación que se ha realizado en un dataset donde influye un conjunto de elementos que además son guiados a través de textos o ayudantes Es un número calculado por Kaggle en el que se refleja el nivel de profundidad de documentación que se ha realizado en un dataset donde no influye un conjunto de elementos Es un número calculado por Kaggle en el que se refleja el nivel de profundidad de documentación que se ha realizado en un dataset donde influye un conjunto de elementos sin que sean guiados a través de textos o ayudantes.
De las siguientes, ¿cuáles son competiciones en Kaggle? Featured, Masters, Research y Playground Featured, Masters, Research y Netrek Featured, Singstar, Research y Playground.
¿Cuál es el lenguaje de programación que se ha convertido prácticamente en universal? Python Objective-C JavaScript.
¿Cuál es la afirmación correcta? Random forest consiste en una gran cantidad de árboles de decisión individuales que operan como un conjunto donde cada árbol individual en el bosque aleatorio crea una predicción de clase y la clase con más votos se convierte en la predicción de nuestro modelo Random forest se vuelve menos preciso con más ejemplos Random forest consiste en una pequeña cantidad de árboles de decisión individuales que operan como un conjunto donde cada árbol individual en el bosque aleatorio crea una predicción de clase y la clase con más votos se convierte en la predicción de nuestro modelo.
¿Cuál es la afirmación correcta? El intérprete actúa como una simple calculadora donde podemos escribir una expresión y escribirá el valor. Se pueden utilizar los operadores +, -, * y / funcionan como en la mayoría de los demás lenguajes, pero no se pueden usar paréntesis para agrupar. El intérprete actúa como una simple calculadora donde podemos escribir una expresión y escribirá el valor, donde no se pueden utilizar los operadores +, -, * y / ni tampoco se pueden usar paréntesis para agrupar El intérprete actúa como una simple calculadora donde podemos escribir una expresión y escribirá el valor. Se pueden utilizar los operadores +, -, * y / funcionan como en la mayoría de los demás lenguajes y también se pueden usar paréntesis para agrupar.
¿Para qué se utilizan las métricas? Para supervisar y medir el rendimiento de un modelo durante el entrenamiento y las pruebas y no es necesario que sean diferenciables Para supervisar y medir el rendimiento de un modelo durante el entrenamiento y las pruebas siendo necesario que sean diferenciables Para supervisar y medir el rendimiento de un modelo durante el entrenamiento y no es necesario que sean diferenciables.
¿Qué elementos imprescindibles lleva asociado el machine learning para su correcto desarrollo? Un lenguaje de programación, exclusivamente Las matemáticas y los datos Las matemáticas, los datos y un lenguaje de programación.
¿En qué década comenzaron las primeras interacciones del Concurso Internacional de Programación Universitaria? En la década de 1960 En la década de 1970 En la década de 1980.
¿Qué significa MSE? Error cuadrático medio Error absoluto medio Matriz de confusión.
¿Qué significa MAE? Error absoluto medio Error cuadrático medio Matriz de confusión.
¿Qué son los árboles de decisión? Un método de aprendizaje donde una pequeña cantidad de árboles funcionan como un conjunto Son un método de aprendizaje supervisado no paramétrico que se utiliza para la clasificación y la regresión Son un método de aprendizaje supervisado paramétrico que se utiliza para la clasificación y la regresión.
¿Qué es Biclustering? Es la tarea de agrupar simultáneamente las filas y columnas de la matriz de datos en diferentes subgrupos logrando que las filas y columnas dentro de un subgrupo muestren patrones similares Es la tarea de agrupar simultáneamente las filas y columnas de la matriz de datos en diferentes subgrupos, aunque no logra que las filas y columnas dentro de un subgrupo muestren patrones similares Es una aplicación del aprendizaje automático supervisado.
¿Qué significa la entrada en el etiquetado de datos? Significa los tipos de información dentro del conjunto de datos en los que se está entrenando el algoritmo mostrando qué tipos de datos hay y cuáles son sus características definitorias Significa que el etiquetado no establece los resultados deseados para el algoritmo Significa que el etiquetado establece los resultados deseados para el algoritmo.
¿Qué es un módulo? Es un archivo que contiene definiciones de Python donde el nombre del archivo es el nombre del módulo con el sufijo .py adjunto Es un archivo que contiene definiciones y declaraciones de Python donde el nombre del archivo es el nombre del módulo con el sufijo .rar adjunto Es un archivo que contiene definiciones y declaraciones de Python donde el nombre del archivo es el nombre del módulo con el sufijo .py adjunto.
¿Qué es Zindi? Es una plataforma de competiciones de crowdsourcing dedicada a los desafíos sociales globales Es una plataforma de competencia de ciencia de datos de África centrada en resolver los problemas sociales, económicos, sociales y ambientales de África Es una plataforma de competencia de ciencia de datos de África centrada en resolver exclusivamente los problemas ambientales de África.
¿Qué son los Notebooks de Kaggle? Son entornos computacionales que no permiten un control de versiones, basados en contenedores Docker que se ejecutan en máquinas en la nube y nos permiten escribir y ejecutar tanto scripts como programas en R y lenguajes Python Son entornos computacionales que no permiten un control de versiones, basados en contenedores Docker que se ejecutan en máquinas en la nube y nos permiten escribir y ejecutar solo scripts Son entornos computacionales que permiten un control de versiones, basados en contenedores Docker que se ejecutan en máquinas en la nube y nos permiten escribir y ejecutar tanto scripts como programas en R y lenguajes Python.
¿Qué garantiza la validación de resultados en el aprendizaje no supervisado? Que nuestro modelo brinde buenos resultados en los datos de entrenamiento y en los datos en vivo o de prueba Que nuestro modelo brinde buenos resultados sólo en los datos de entrenamiento Que nuestro modelo brinde buenos resultados sólo en los datos en vivo o de prueba.
El preprocesamiento de datos es: Una de las etapas menos necesarias para el correcto uso y funcionamiento del proceso de Machine Learning ya que los datos deben codificarse para adecuarse a los sistemas que van a realizar los análisis para que puedan interpretarse de forma correcta Una de las etapas más necesarias para el correcto uso y funcionamiento del proceso de Machine Learning aunque los datos no deban codificarse para adecuarse a los sistemas que van a realizar los análisis Una de las etapas más necesarias para el correcto uso y funcionamiento del proceso de Machine Learning ya que los datos deben codificarse para adecuarse a los sistemas que van a realizar los análisis para que puedan interpretarse de forma correcta.
Para agregar un elemento al final de la lista, ¿qué debemos utilizar? list.pop([i]) list.append(x) list.insert(i, x).
Para insertar un elemento en una posición determinada, ¿qué debemos utilizar? list.insert(i, x) No es posible tal acción list.pop([i]).
¿Qué es el error cuadrático medio? Es una métrica utilizada para los problemas de clasificación que encuentra el promedio de la diferencia al cuadrado entre el valor objetivo y el valor predicho por el modelo de regresión Es una métrica utilizada para los problemas de regresión que encuentra el promedio de la diferencia al cuadrado entre el valor objetivo y el valor predicho por el modelo de regresión Es una métrica utilizada para los problemas de clasificación que encuentra el promedio de la diferencia al cuadrado entre el valor objetivo y el valor predicho por el modelo de clasificación.
¿Cuál es la afirmación correcta? El entorno nos permite decidir si usar siempre la última configuración de entorno de Docker (la elección segura) o fijar el Notebook a la versión original del entorno proporcionado por Kaggle (la elección arriesgada) El entorno nos permite decidir si usar siempre la última configuración de entorno de Docker (la opción arriesgada que es lenta para obtener actualizaciones) o fijar el Notebook a la versión original del entorno proporcionado por Kaggle (la elección segura) El entorno nos permite decidir si usar siempre la última configuración de entorno de Docker (la opción arriesgada) o fijar el Notebook a la versión original del entorno proporcionado por Kaggle (la elección segura).
¿A partir de qué año Kaggle es parte de Google? Desde el año 2007 Desde el año 2017 Desde el año 2019.
¿Qué es el conjunto denominado forge dataset? Es un ejemplo de un conjunto de datos de clasificación sintético de una clase Es un ejemplo de un conjunto de datos de clasificación sintético de dos clases Es un ejemplo de un conjunto que se utiliza para resolver exclusivamente problemas de clasificación.
¿Qué es la matriz de confusión? a. Es una visualización tabular de las etiquetas de verdad sobre el terreno frente a las predicciones del modelo donde cada fila de la matriz de confusión representa las instancias de una clase real y cada columna representa las instancias de una clase predicha b. Es un aprendizaje no supervisado que intenta crear una jerarquía de clústeres c. Es una visualización tabular de las etiquetas de verdad sobre el terreno frente a las predicciones del modelo donde cada fila de la matriz de confusión representa las instancias de una clase predicha y cada columna representa las instancias de una clase real.
¿Por qué el modelo de bosque aleatorio es tan efectivo? Porque una gran cantidad de modelos relativamente correlacionados funcionarán como un comité, superando a cualquiera de los modelos constituyentes individuales Porque una pequeña cantidad de modelos relativamente no correlacionados funcionarán como un comité, superando a cualquiera de los modelos constituyentes colectivos Porque una gran cantidad de modelos relativamente no correlacionados funcionarán como un comité, superando a cualquiera de los modelos constituyentes individuales.
¿Qué es la detección de anomalías? Una aplicación del aprendizaje no supervisado donde es posible ayudar a agrupar personas que tienen rasgos similares y crear prototipos de clientes para campañas de marketing y focalización más eficientes Una aplicación del aprendizaje no supervisado donde es posible detectar cualquier tipo de valores atípicos en los datos Una aplicación del aprendizaje automático supervisado donde es posible detectar cualquier tipo de valores atípicos en los datos.
¿Cuál sería una desventaja del uso de los árboles de decisión? Pueden ser inestables porque pequeñas variaciones en los datos pueden generar un árbol completamente diferente La posibilidad de validar un modelo mediante pruebas estadísticas Capaz de manejar problemas de múltiples salidas.
¿Qué es un random forest? Es una colección de árboles de decisión, donde cada árbol es ligeramente diferente de los demás cuya idea es que cada árbol puede hacer una función relativamente buena de predicción no siendo probable que se sobreajuste en parte de los datos Es una colección de árboles de decisión, donde cada árbol es ligeramente diferente de los demás cuya idea es que cada árbol puede hacer una función relativamente buena de predicción siendo probable que se sobreajuste en parte de los datos Es una colección de árboles de decisión, donde cada árbol es idéntico los demás.
¿Cuál es una forma para que los bosques aleatorios tengan un orden de aleatoriedad? Construyendo un clasificador menos preciso al convertir un problema no separable en un problema separable A través de los datos utilizados para construir un árbol Intentando crear una jerarquía de clústeres.
¿Cuál de los siguientes algoritmos es no supervisado? Árbol de decisión Bitcoin Manifolds.
¿Cómo logramos la reducción de la dimensionalidad? Disminuyendo las posibilidades de que un comportamiento específico vuelva a ocurrir al eliminar la condición negativa Que nuestro modelo brinde buenos resultados sólo en los datos en vivo o de prueba Tomando una proyección aleatoria de los datos permitiendo cierto grado de visualización de la estructura de datos.
¿Qué es el aprendizaje profundo? Es un aprendizaje que muestra una gran promesa en muchas aplicaciones de aprendizaje donde los algoritmos a menudo se adaptan con mucho cuidado a un caso sin ninguna guía externa Es un aprendizaje que muestra una gran promesa en muchas aplicaciones de aprendizaje donde los algoritmos a menudo se adaptan con mucho cuidado a un caso de uso específico Es un aprendizaje que muestra una gran promesa en muchas aplicaciones de aprendizaje donde los algoritmos a menudo se adaptan con mucho cuidado a un caso de uso general.
¿Cuál es la parte más importante en el proceso de aprendizaje automático? Comprender los datos con los que está trabajando siendo irrelevante cómo se relacionan con la tarea que desea resolver no siendo efectivo elegir aleatoriamente un algoritmo Comprender los datos con los que está trabajando siendo irrelevante cómo se relacionan con la tarea que desea resolver siendo efectivo elegir aleatoriamente un algoritmo Comprender los datos con los que está trabajando y cómo se relacionan con la tarea que desea resolver no siendo efectivo elegir aleatoriamente un algoritmo.
¿Qué es el Proyecto scikit-learn? Es un proyecto de código cerrado Es un proyecto donde su uso y distribución son gratuitos que se desarrolla y mejora de forma constante con una comunidad de usuarios muy activa Es un proyecto de código cerrado donde su uso y distribución no son gratuitos, pero se desarrolla y mejora de forma constante con una comunidad de usuarios muy activa.
¿Qué es Enthought Canopy? Una distribución de Python para computación científica que viene con NumPy e IPython, donde su versión gratuita incluye scikit-learn Una distribución de Python hecha para procesamiento de datos a pequeña escala y computación científica que está disponible en Mac OS, Windows y Linux Una distribución de Python para computación científica que viene con NumPy, SciPy, matplotlib, pandas e IPython, donde su versión gratuita no incluye scikit-learn.
¿Qué es scipy.sparse? Una de las partes de SciPy que proporciona matrices dispersas que se utilizan cuando queremos almacenar una matriz 1D que contiene en su mayoría ceros Una de las partes de SciPy que proporciona matrices dispersas que se utilizan cuando queremos almacenar una matriz 1D que podría contener en su mayoría ceros Una de las partes de SciPy que proporciona matrices dispersas que se utilizan cuando queremos almacenar una matriz 2D que contiene en su mayoría ceros.
¿Qué es SciPy? Una distribución gratuita de Python para computación científica, específicamente para Windows que viene con NumPy, SciPy, matplotlib, pandas, IPython y scikit- learn Una colección de funciones para computación científica en Python que proporciona, solo, rutinas avanzadas de álgebra lineal y función matemática para la optimización Una colección de funciones para computación científica en Python que proporciona, entre otras funcionalidades, rutinas avanzadas de álgebra lineal, función matemática para la optimización, procesamiento de señales, funciones matemáticas especiales y distribuciones estadísticas.
¿Qué determina el algoritmo de optimización? Determina que nuestro modelo brinde buenos resultados sólo en los datos en vivo o de prueba Determina cómo se actualizan los pesos de conexión en cada paso de entrenamiento con respecto a la función de pérdida dada Determina cómo se actualizan los pesos de conexión en cada paso de entrenamiento sin relación con la función de pérdida dada.
¿Qué es la pérdida en entrenamiento? Es una hoja de cálculo de Excel Es una métrica utilizada para evaluar cómo un modelo de aprendizaje profundo se ajusta a los datos de entrenamiento evaluando el error del modelo sobre el conjunto de entrenamiento Es una métrica donde una muestra de datos es utilizada para proporcionar una evaluación parcial de un ajuste de modelo final en el conjunto de datos de entrenamiento.
¿Cuál es la afirmación correcta? La función de pérdida que usaremos es categorical_crossentropy, junto con el optimizador de Adam exclusivamente La función de pérdida que usaremos es categorical_crossentropy, junto con el optimizador de Adam aunque se puede experimentar con otros optimizadores La función de pérdida que usaremos es categorical_crossentropy, sin usar optimizadores.
¿Qué es Python (x, y)? Una distribución gratuita de Python para computación científica para Windows y Mac OS que viene con NumPy, SciPy, matplotlib, pandas, IPython y scikit- learn Una distribución de Python para computación científica, específicamente para Windows que viene con pandas, IPython y scikit- learn Una distribución gratuita de Python para computación científica, específicamente para Windows que viene con NumPy, SciPy, matplotlib, pandas, IPython y scikit- learn.
¿A dónde se pueden importar las definiciones de un módulo? A otros módulos y solo en casos concretos al módulo principal Exclusivamente al módulo principal A otros módulos o al módulo principal.
¿En qué década comenzaron las primeras interacciones del Concurso Internacional de Programación Universitaria? En la década de 1960 En la década de 1980 En la década de 1970.
¿Qué es un hiperplano? Es una recta en un espacio bidimensional, tridimensional e incluso en espacios de cuatro dimensiones o más que divide el plano en dos mitades Es un caso de regresión lineal con una variable Es un método de aprendizaje supervisado no paramétrico que se utiliza para la clasificación y la regresión.
¿Cómo funciona SVM para buscar el hiperplano marginal máximo? Generando hiperplanos que segregan las clases de la mejor manera para luego seleccionar el hiperplano incorrecto con la segregación mínima desde los puntos de datos más lejanos Selecciona el hiperplano correcto con la segregación máxima desde los puntos de datos más cercanos para luego generar hiperplanos que segregan las clases de la mejor manera Generando hiperplanos que segregan las clases de la mejor manera para luego seleccionar el hiperplano correcto con la segregación máxima desde los puntos de datos más cercanos.
¿Cuál es la idea central de SVM? Encontrar un hiperplano marginal máximo (MMH) que divida mejor el conjunto de datos en clases Encontrar un hiperplano marginal máximo (SMH) que divida mejor el conjunto de datos en clases Encontrar un hiperplano marginal máximo (MMS) que divida mejor el conjunto de datos en clases.
¿Cómo se define la métrica de la precisión de la clasificación? Como el número de predicciones correctas dividido por el número total de predicciones, multiplicado por 50 Como el número de predicciones correctas dividido por el número total de predicciones, dividido por 100 Como el número de predicciones correctas dividido por el número total de predicciones, multiplicado por 100.
¿De qué se compone un especificador de requisitos? Se compone de un nombre de proyecto seguido de un especificador de versión obligatorio Se compone exclusivamente de un especificador de versión obligatorio Se compone de un nombre de proyecto seguido de un especificador de versión opcional.
¿Qué proporcionan las clases? Funcionalidad, exclusivamente Un medio para agrupar datos y funcionalidad No proporcionan nada relevante.
¿Cuál es el uso más común de pip? Instalar desde Linux usando un especificador de requisitos Instalar desde Python Package Index sin usar un especificador de requisitos Instalar desde Python Package Index usando un especificador de requisitos.
¿Cómo nos aseguramos de tener pip disponible? Ejecutando el comando: py -m rar --version Ejecutando el comando: py -m pip Ejecutando el comando: py -m pip --version.
¿Qué conseguimos con el siguiente comando: python3 -m pip install --upgrade SomeProject? Actualizar un SomeProject ya instalado a la última versión de PyPI Instalar una versión específica de SomeProject Instalar la última versión de SomeProject.
¿Qué conseguimos con el siguiente comando: python3 -m pip install "SomeProject"? Instalar la última versión de SomeProject Instalar una versión específica de SomeProject Actualizar un SomeProject ya instalado a la última versión de PyPI.
¿Qué se persigue con el aprendizaje automático supervisado? Exclusivamente, permitir predicciones de los resultados futuros en función de los datos disponibles Sólo escalar el alcance de los datos y permitir predicciones de los resultados futuros en función de los datos disponibles Escalar el alcance de los datos, descubrir relaciones entre entidades, extraer los puntos claves más relevantes y permitir predicciones de los resultados futuros en función de los datos disponibles, entre otras.
¿Qué son los vectores de soporte? Son los puntos de datos que están más cerca del hiperplano que definen mejor la línea de separación al calcular los márgenes y que son menos relevantes para la construcción del clasificador Son los puntos de datos que están más lejos del hiperplano que definen mejor la línea de separación al calcular los márgenes Son los puntos de datos que están más cerca del hiperplano que definen mejor la línea de separación al calcular los márgenes.
¿Qué hacen los modelos lineales? Realizan una predicción utilizando una función lineal de las características de entrada y salida Realizan una predicción utilizando una función lineal de las características de salida Realizan una predicción utilizando una función lineal de las características de entrada.
¿Cuál es la afirmación correcta? Manifold Learning puede considerarse como un intento de generalizar marcos lineales como el análisis de componentes secundarios (MSE) para que sean sensibles a la estructura no lineal de los datos Manifold Learning puede considerarse como un intento de generalizar marcos lineales como el análisis de componentes principales (MSE) para que sean sensibles a la estructura no lineal de los datos Manifold Learning puede considerarse como un intento de generalizar marcos lineales como el análisis de componentes principales (PCA) para que sean sensibles a la estructura no lineal de los datos.
¿Cuántos métodos hay para crear un Notebook? Hay dos métodos: en el primero debemos ir a la sección código del menú en el lado izquierdo de la página de destino en https://www.kaggle.com/ y hacemos clic en el botón + Nuevo cuaderno y en el segundo podemos ir a la página del conjunto de datos que nos interesa y hacer clic en nuevo cuaderno Solo hay un método que consiste en ir a la sección código del menú en el lado izquierdo de la página de destino en https://www.kaggle.com/ y hacemos clic en el botón + Nuevo cuaderno Solo hay un método que consiste en ir a la página del conjunto de datos que nos interesa y hacer clic en nuevo cuaderno.
|
