Inteligencia artificial Tema4

¿Qué es la orquestación de modelos generativos?. Un proceso para entrenar modelos de IA. Una técnica para combinar múltiples modelos de IA para tareas complejas. Un tipo de arquitectura de red neuronal. Un método para optimizar un solo modelo de IA.

¿Cuál es la herramienta principal que se utilizará para diseñar, implementar y gestionar pipelines de IA?. Python. GPT-4. n8n. Docker.

¿Qué es un 'Flujo de Trabajo (Workflow)' en el contexto de la orquestación?. Un modelo de IA especializado. Una secuencia de pasos o tareas que se ejecutan en un orden específico. Una herramienta para la interfaz visual. Un tipo de conector en n8n.

¿Qué representa un 'Nodo (Node)' en n8n?. El inicio del flujo de trabajo. Una acción específica, como 'Generar Texto' o 'Enviar un Email'. La conexión entre dos nodos. El resultado final del flujo de trabajo.

¿Cuál es la función de un 'Conector (Connector)' en n8n?. Inicia la ejecución del flujo de trabajo. Define el flujo de datos entre dos nodos. Ejecuta código personalizado. Permite el auto-hospedaje del flujo de trabajo.

¿Qué es un 'Disparador (Trigger)' en n8n?. Un nodo que inicia la ejecución del flujo de trabajo. Un nodo que define el flujo de datos. Un nodo para ejecutar código personalizado. Un nodo para almacenar información.

¿Qué es un 'Modelo Especializado' en la orquestación?. Un modelo de IA entrenado para una tarea específica. Un nodo en n8n. Un tipo de disparador. Una forma de conectar dos nodos.

¿Por qué es importante superar las limitaciones de un solo modelo al orquestar?. Porque los modelos grandes son siempre mejores. Porque ningún modelo es perfecto en todo. Para usar más nodos en n8n. Para gastar más dinero en IA.

¿Cómo la orquestación ayuda a mejorar la eficiencia y reducir costos?. Utilizando modelos grandes y costosos. Diseñando flujos que utilicen modelos pequeños y rápidos para tareas simples y modelos más potentes solo cuando es necesario. Usando solo un modelo de IA. Reduciendo el número de nodos en n8n.

¿Cómo la orquestación permite crear capacidades multimodales complejas?. Usando un solo modelo de IA. Combinando diferentes modalidades de IA, como texto, imágenes y código. Eliminando nodos en n8n. Simplificando el flujo de trabajo.

¿Cómo la orquestación mejora la fiabilidad y el control?. Haciendo que la tarea sea más compleja. Dividiendo la tarea en pasos más pequeños y manejables. Usando un solo modelo de IA. Aumentando el costo del proyecto.

¿Cuáles son algunas de las características clave de n8n?. Interfaz de línea de comandos, sin nodos pre-construidos, sin flexibilidad, auto-hospedaje. Interfaz visual, nodos pre-construidos, flexibilidad, auto-hospedaje, orientado a datos. Sin interfaz visual, nodos personalizados, sin flexibilidad, sin auto-hospedaje, sin datos. Interfaz visual, sin nodos pre-construidos, sin flexibilidad, auto-hospedaje, orientado a datos.

¿Qué significa 'Interfaz Visual' en n8n?. La capacidad de ejecutar código JavaScript. La posibilidad de arrastrar y soltar nodos para construir pipelines. La habilidad de crear nodos personalizados. La integración con servicios externos.

¿Qué ofrecen los 'Nodos Pre-construidos' en n8n?. La capacidad de escribir código personalizado. Una amplia gama de nodos para servicios de IA, bases de datos, APIs y servicios en la nube. La posibilidad de auto-hospedar los flujos de trabajo. El acceso a datos de nodos anteriores.

¿Qué permite la 'Flexibilidad' en n8n?. La conexión de nodos. Crear nodos personalizados y ejecutar código. Acceder a datos de nodos anteriores. El uso de disparadores.

¿Qué significa 'Auto-hospedaje' en n8n?. Ejecutar el flujo de trabajo en la nube. Ejecutar el flujo de trabajo en un servidor local, VPS o en la nube, dando control total sobre los datos y la infraestructura. Usar nodos pre-construidos. Usar la interfaz visual.

¿Qué significa que n8n está 'Orientado a Datos'?. Cada nodo procesa y pasa objetos JSON, facilitando la manipulación y transformación de los datos entre pasos. Solo funciona con bases de datos SQL. Requiere que se escriba código en cada nodo. Usa una interfaz de línea de comandos.

¿Cuál es el primer paso en la Metodología de Diseño de Flujos de Trabajo?. Descomposición de la Tarea. Definición del Objetivo Final. Selección de Modelos y Herramientas (Nodos). Diseño del Flujo de Datos.

¿Cuál es el segundo paso en la Metodología de Diseño de Flujos de Trabajo?. Definición del Objetivo Final. Descomposición de la Tarea. Implementación y Pruebas Incrementales. Selección de Modelos y Herramientas (Nodos).

¿Qué se hace en el paso 'Selección de Modelos y Herramientas (Nodos)'?. Se define el objetivo final. Se asigna el mejor modelo o herramienta para cada paso. Se divide el objetivo en pasos lógicos. Se construye el flujo en n8n.

¿Para qué sirve el paso 'Diseño del Flujo de Datos'?. Para construir el flujo en n8n. Para definir qué información necesita cada nodo del nodo anterior. Para definir el objetivo final. Para seleccionar los modelos y herramientas.

¿Qué ocurre en el paso 'Implementación y Pruebas Incrementales'?. Se construye el flujo en n8n, ejecutando y validando la salida de cada nodo antes de añadir el siguiente. Se definen los datos necesarios para cada nodo. Se asignan los modelos y herramientas. Se divide el objetivo en pasos lógicos.

¿Qué se considera en el paso 'Refinamiento y Manejo de Errores'?. La definición del objetivo final. La posible caída del feed RSS y qué hacer si el generador de imágenes produce un resultado de baja calidad. La selección de modelos y herramientas. La construcción del flujo de trabajo.

¿Cuál es el patrón de orquestación más simple?. Patrón Agente (Agent-like). Patrón Abanico (Fan-out/Fan-in). Patrón Cadena (Chain). Patrón de Auto-Corrección (Self-Correction Loop).

¿Qué hace el 'Patrón Agente (Agent-like)'?. Divide una tarea y la procesa en paralelo. Un LLM actúa como un 'cerebro' que decide qué herramienta o modelo usar. Evalúa y refina la salida de un modelo. La salida de un modelo es la entrada directa del siguiente.

¿Qué ocurre en el 'Patrón Abanico (Fan-out/Fan-in)'?. Una tarea se divide y se procesa en paralelo, luego los resultados se consolidan. Un modelo genera una salida y otro modelo la evalúa. Un LLM decide qué herramienta usar. La salida de un modelo es la entrada directa del siguiente.

¿Qué característica define el 'Patrón de Auto-Corrección (Self-Correction Loop)'?. La salida de un modelo se usa como entrada para el siguiente. Un modelo evalúa la salida de otro y, si es necesario, se genera un nuevo prompt. Una tarea se divide y se procesa en paralelo. Un LLM decide la siguiente acción.

¿Cómo se accede a los datos del nodo inmediatamente anterior en n8n?. Usando {{ $node.data }}. Usando {{ $json.data }}. Usando {{ $node.nombre.data }}. Usando {{ $datos.nodo.anterior }}.

¿Cómo se accede a los datos de un nodo específico por su nombre en n8n?. Usando {{ $node.data }}. Usando {{ $json.data }}. Usando {{ $node["Nombre del Nodo"].json.data }}. Usando {{ $datos.nodo.nombre }}.

¿Qué se puede hacer con el nodo 'Code' (anteriormente 'Function')?. Acceder a los datos de nodos anteriores. Extraer campos específicos de un JSON, combinar datos, formatear prompts y convertir tipos de datos. Crear nodos pre-construidos. Definir el objetivo final.

¿Qué ocurre en la 'Ejecución Síncrona' en n8n?. Los nodos se ejecutan en paralelo. Los nodos se ejecutan en secuencia. Se utilizan nodos 'Wait'. Se ejecutan operaciones asíncronas.

¿Cómo se manejan las 'Operaciones Asíncronas' en n8n?. Con el nodo 'Code'. Con el nodo 'Merge'. Con nodos 'Wait' o 'Schedule'. Con la ejecución síncrona.

¿Qué hace el nodo 'Split in Batches'?. Consolida los resultados de diferentes ramas paralelas. Divide una lista de ítems en lotes para procesarlos en paralelo. Espera un tiempo determinado. Accede a los datos del nodo anterior.

¿Qué hace el nodo 'Merge'?. Divide una lista de ítems en lotes. Consolida los resultados de diferentes ramas paralelas en una única estructura de datos. Espera un tiempo determinado. Extrae campos específicos de un JSON.

¿Cómo se puede mantener un 'estado' o 'contexto' en un flujo de trabajo?. Accediendo a los datos de nodos anteriores. Usando el nodo 'Merge'. Usando el nodo 'IF'. Usando el patrón Cadena.

¿Qué hace el nodo 'Set Node'?. Mantiene el estado y contexto. Permite crear o modificar variables explícitamente en el flujo de trabajo. Consolida los resultados de diferentes ramas. Divide una lista de ítems en lotes.

¿Dónde se pueden almacenar datos para un estado persistente en n8n?. En el nodo 'Code'. En bases de datos SQL/NoSQL o almacenes de clave-valor (Redis). En el nodo 'Merge'. En el nodo 'IF'.

En el ejemplo práctico de comunicación en n8n, ¿qué nodo se usa para traducir el comentario?. El nodo 'Detect Language'. El nodo 'Analyze Sentiment'. El nodo 'Translate'. El nodo 'Merge'.

¿Qué tipo de herramientas se pueden usar en el Taller Práctico: Implementación de un Pipeline Multimodal con n8n?. Herramientas comerciales únicamente. Herramientas gratuitas o con capa gratuita generosa. Solo herramientas de línea de comandos. Solo herramientas visuales.