2411380_MD_IA_CORP

Indica en qué fase de la minería se evalúa el rendimiento del modelo: Introducción de los datos. Creación y selección de características. Creación y entrenamiento de modelos. Implementación del modelo.

Indica cuál de las siguientes opciones se corresponde con un conjunto de datos estructurados: Las fotografías de un dron militar. Las reseñas de una película en IMDB. Una tabla de Excel con los datos de las ventas de una pequeña empresa de e-commerce. Las publicaciones de un usuario en Instagram.

Un taller desarrolla un modelo que permite determinar si un coche debe cambiar el aceite y los filtros. Indica en qué tipo de tarea de minería de datos se enmarca el problema anterior: Clasificación. Regresión. Clustering. Análisis de correlación.

Indica qué tipo de aprendizaje automático utiliza un modelo como AlphaZero que aprende a jugar al ajedrez a través de jugar contra sí mismo: Aprendizaje supervisado. Aprendizaje no supervisado. Aprendizaje por refuerzo. Aprendizaje híbrido.

Indica qué herramienta utilizada en minería de datos cuenta con librerías dedicadas al aprendizaje automático como Scikit-learn: KNIME. Python. R. BigML.

Indica qué sentencia de Python permite eliminar todos los registros que contengan al menos un valor perdido en un DataFrame llamado «df»: df.dropnull(). df.isnull(). df.dropna(). df.isna().

Indica a qué tipo de JOIN se corresponde el siguiente diagrama: INNER JOIN. OUTER JOIN. LEFT JOIN. RIGHT JOIN.

Dada la siguiente variable: X = [1.8, 0.4, 0.1, 7.9]. ¿Cuál de las siguientes opciones se corresponde con su estandarización?. [-0,24, -0,68, −0,78, 1,70]. [0,1, 7,9]. [-1,8, -0,4, −0,1, −7,9]. [0,22, 0,04, 0, 1].

En un análisis de componentes principales, las inercias explicadas por las componentes principales vienen determinadas por... … los autovalores de la matriz ^TX. … los autovectores de la matriz ^TX. … el rango de la matriz ^TX. … el determinante de la matriz ^TX.

Dado el problema Y = Xẞ+ε, la regresión lineal busca los coeficientes ẞ tal que: ||Y - Xẞ|| sea mínimo. ||Y - Xẞ|| sea máximo. ||X - Yẞ|| sea mínimo. ||X - Yẞ|| sea máximo.

Una compañía telefónica utiliza una regresión logística múltiple para predecir la baja de sus clientes. De esta forma, pueden ofrecer ofertas personalizadas para evitar la marcha de algunos de ellos. Dicho modelo utiliza dos regresores: r1 que mide la antigüedad del cliente en días y r2 que mide el precio de la mensualidad delcliente en euros. Tras ajustar elmodelo, sus parámetros son: β0 = −2, β1 = 0,003 y β2 = 0,02. El modelo codifica con 0 la permanencia y con 1 la baja. ¿Se debe ofrecer una oferta personalizada a un cliente que lleva en la compañía un año completo (365 días) y paga al mes 65 €?. Sí, porque p(r₁, r₂) < 0.5. Sí, porque p(r₁, r₂) > 0.5. No, porque p(r₁, r₂) < 0.5. No, porque p(r₁, r₂) > 0.5.

El clasificador Naïve-Bayes recibe el nombre 'naive' (ingenuo) porque supone que: Las variables son independientes. Las variables son igualmente distribuidas. Las variables son normales. El número de clases es igual al número de variables.

Si en una regresión no paramétrica que utiliza el estimador de Nadaraya-Watson se pretende aumentar la suavidad de la regresión, entonces se debe: Aumentar el parámetro h. Disminuir el parámetro h. Aumentar el número de registros. Disminuir el número de registros.

Se dispone del siguiente árbol de decisión que permite clasificar 4 tipos de flores. Dada una nueva flor cuyos datos son [petal_width = 1.5, petal_length = 4.9], ¿a qué categoría asigna el modelo la flor?. Setosa. Versicolor. Virgínica. Lirio.

En un problema de clasificación de más de dos clases, ¿qué función de activación se debería elegir para la última capa de una red neuronal?. Tangente hiperbólica. Sigmoide. ReLU. Softmax.

¿En qué tipo de problema es adecuado utilizar el error cuadrático medio (función de pérdida)?. Regresión. Clasificación. Clustering. Análisis de correlación.

Indica cuál es el esquema básico de un algoritmo genético: Generación de la población inicial → selección → cruce → mutación. Generación de la población inicial → cruce → mutación → selección. Generación de la población inicial → mutación → selección → cruce. Generación de la población inicial → selección → mutación → cruce.

Calcula la distancia de Chebyshev de los siguientes dos puntos: P = [6, 2, 4, 5, 2], Q = [2, 9, 7, 6, 5]. 4. 7. 1. 8.

Indica qué opción se ajusta a la siguiente imagen: Regresión con sesgo alto. Clasificación con sesgo alto. Regresión con varianza alta. Clasificación con varianza alta.

Indica a qué métrica para evaluar el rendimiento de modelos de regresión corresponde la siguiente expresión: Error cuadrático medio. Error absoluto medio. Coeficiente de determinación. Coeficiente de determinación ajustado.

Se dispone de cuatro modelos de k-vecinos más cercanos con k = 1, 5, 10, 15. Dado el siguiente gráfico, indica con qué valor del parámetro k se obtiene el mejor rendimiento: k = 1. k = 5. k = 10. k = 15.

Indica qué técnica de evaluación de modelos utiliza submuestras con reemplazamiento para estimar la distribución del rendimiento: Método de retención (hold out method). Validación cruzada k-fold. Leave-one-out. Bootstrapping.

Indica qué modelo combina las votaciones de varios modelos individuales en las que elpeso del voto depende del rendimiento de cada modelo: Bootstrapping. Boosting. Random forest. Decision tree.

Indica qué fase del modelo CRISP-DM se centra en entender los objetivos y requerimientos del proyecto desde una perspectiva de negocio: La comprensión del negocio. La comprensión de los datos. El modelado. El despliegue.

Indica qué sistema se encarga de asistir en la producción y es fundamental a la hora de gestionar stocks, cadenas de montaje, necesidad de piezas... CRM. ERP. SCM. big data.

Indica qué modelo de subcontratación de minería de datos se basa en que la empresa proporcione las preguntas y una consultora externa las responda utilizando para ello sus modelos: Compra de las puntuaciones (scores) o predicciones. Compra de modelos. Subcontratación de consultores o expertos en minería de datos. Desarrollo de un programa interno.

¿Qué metodología para el proceso de minería de datos comenzó como un proyecto de la Unión Europea?. KDD. SEMMA. CRISP-DM. DMM.

Indica la fase del modelo CRISP-DM faltante en la siguiente imagen: El monitoreo posterior al despliegue. La preparación de los datos. La definición de métricas de negocio. La validación cruzada de modelos.