AAnS Tema 1

¿Qué es el aprendizaje no supervisado?. Un tipo de aprendizaje donde se proporcionan ejemplos de entrada junto con sus correspondientes salidas esperadas. Un tipo de aprendizaje donde se utilizan datos no etiquetados para descubrir patrones o estructuras intrínsecas en los datos. Un tipo de aprendizaje donde se utilizan datos etiquetados para entrenar un modelo. Ninguna de las anteriores.

¿Cuál de las siguientes afirmaciones es cierta sobre el aprendizaje no supervisado?. Se utiliza para predecir una variable de salida basada en variables de entrada. No requiere la existencia de variables de entrada en los datos de entrenamiento. Se utiliza para clasificar los datos en dos o más categorías predefinidas. No requiere la existencia de variables de salida en los datos de entrenamiento, trabaja creando grupos para las instancias teniendo en cuenta las características.

¿Cuál es uno de los principales objetivos del aprendizaje no supervisado?. Clasificación. Regresión. Exploración y descubrimiento de patrones. Ninguna de las anteriores.

¿Cuál de las siguientes técnicas se utiliza comúnmente en el aprendizaje no supervisado para reducir la dimensionalidad de los datos?. Clustering. Regresión lineal. Análisis de componentes principales (PCA). Vectores y valores propios.

¿Cuál de las siguientes afirmaciones describe mejor el proceso de clustering en el aprendizaje no supervisado?. Agrupar los datos en clústeres basados en similitudes entre ellos. Dividir los datos en conjuntos de categorías predefinidas. Asignar valores a las características de entrada para predecir una variable de salida. Dividir los datos en conjuntos de igual tamaño ordenados por cualquier dimensión.

¿Por qué es importante el preprocesamiento de datos en el aprendizaje no supervisado?. Para eliminar datos atípicos. Para mejorar la calidad de los datos y facilitar el análisis. Para aumentar la complejidad del modelo. Ninguna de las anteriores.

¿Qué tipo de datos se utilizan comúnmente en el aprendizaje no supervisado?. Datos no estructurados. Datos categóricos. Datos numéricos y categóricos. Datos estructurados y no estructurados.

¿Qué técnica se utiliza para convertir variables categóricas en una representación numérica en el aprendizaje no supervisado?. Clustering. Transformación de datos. Técnicas de visualización. Encoding de datos categóricos.

¿Cuál es uno de los retos del aprendizaje no supervisado?. La necesidad de etiquetas para cada ejemplo de entrenamiento. La interpretación de los resultados obtenidos. La falta de algoritmos disponibles. El manejo de la maldición de la dimensionalidad.

¿Cuál es uno de los beneficios del aprendizaje no supervisado?. La capacidad de predecir valores de salida precisos. La capacidad de descubrir patrones y estructuras ocultas en los datos. La capacidad de entrenar modelos con menor cantidad de datos. Ninguna de las anteriores.