MACHINE LEARNING (1-2-3)

¿Cómo puede ser el modelo en el aprendizaje automático?. Predictivo. Predictivo o descriptivo o ambos. Predictivo o descriptivo.

¿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.

La retropropagación, ¿de qué es sinónimo?. Es sinónimo de corrección. Es sinónimo de divergencia. Es sinónimo desactualización.

¿Qué es un hiperplano?. Es un método de aprendizaje supervisado no paramétrico que se utiliza para la clasificación y la regresión. Es un caso de regresión lineal con una variable. Es una recta en un espacio bidimensional, tridimensional e incluso en espacios de cuatro dimensiones o más que divide el plano en dos mitades.

¿Qué es el discriminador en las GAN?. Una red neuronal que evalúa los datos para verificar su autenticidad decidiendo si cada instancia de datos que revisa pertenece al conjunto de datos de entrenamiento real o no. Una red neuronal que genera nuevas instancias de datos. Una red neuronal que evalúa los datos sin verificar su autenticidad.

¿Qué es el generador en las GAN?. Una red neuronal que evalúa los datos para verificar su autenticidad decidiendo si cada instancia de datos que revisa pertenece al conjunto de datos de entrenamiento real o no. Una red neuronal que genera nuevas instancias de datos. Una red neuronal que genera los datos para verificar su autenticidad decidiendo si cada instancia de datos que revisa pertenece al conjunto de datos de entrenamiento real o no.

¿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". Son archivos que contienen definiciones y declaraciones de Python donde el nombre del archivo es el nombre del paquete con el sufijo .py adjunto. Una forma de estructurar el espacio de nombres de los módulos de Python mediante el uso de "nombres de módulos con puntos".

¿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 no supervisado que intenta crear una jerarquía de clústeres. Es un aprendizaje supervisado utilizado para encontrar relaciones entre variables en grandes bases de datos.

¿En qué aprendizaje se utilizan los datos de entrenamiento sin etiquetar?. En el aprendizaje supervisado. En el aprendizaje no supervisado. En el aprendizaje semisupervisado.

¿Qué taller, parte de una Conferencia, fue considerado como el momento fundacional de la inteligencia artificial como campo de investigación?. Dartmouth Summer Research Project on Artificial Intelligence. Chicago Summer Research Project on Artificial Intelligence. Dartmouth Winter Research Project on Artificial Intelligence.

¿Qué es la detección de anomalías?. Una aplicación del aprendizaje semisupervisado. Una aplicación del aprendizaje automático supervisado. Una aplicación del aprendizaje automático no supervisado.

¿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 establece el valor del argumento de métricas?. Establece el parámetro para monitorear y registrar durante la fase de entrenamiento. Establece sólo el parámetro para monitorear durante la fase de entrenamiento. Establece relaciones entre un grupo de artículos en Internet.

¿Qué se persigue con el aprendizaje automático supervisado?. Sólo escalar el alcance de los datos y permitir predicciones de los resultados futuros en función de los datos disponibles. Exclusivamente, 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 establece n_clusters en K-means?. Establece el número máximo de iteraciones para cada inicialización del algoritmo k-means. Establece k para el paso de agrupación. Establece el número de inicializaciones a realizar.

¿Quién fue Al-Juarismi?. Erudito persa que realizó trabajos influyentes en matemáticas, astronomía y geografía, cuyos trabajos en matemáticas 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 astronomía fueron clave para avanzar en la algoritmia.

¿Qué es pandas?. 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 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 DataFrame que se modela a partir de R DataFrame.

¿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 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.

¿Qué es “x” en las variables “y sobre x”?. X es el parámetro de la red neuronal donde tiene una relación con el error, y al cambiar el parámetro, solo podemos disminuir el error. X es el parámetro de la red neuronal donde tiene una relación con el error, y al cambiar el parámetro, podemos aumentar o disminuir el error. X es el parámetro de la red neuronal que no tiene una relación con el error.

¿Qué garantiza la validación de resultados en el aprendizaje no supervisado?. Que nuestro modelo brinde buenos resultados sólo 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 en los datos de entrenamiento y en los datos en vivo o de prueba.

La identificación de los datos, corresponde a la fase de: El análisis de los resultados. La recopilación de los datos. La sustitución de los datos.

¿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 y también 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, 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.

¿Qué es el conjunto denominado forge dataset?. Es un ejemplo de un conjunto de datos de clasificación sintético de dos clases. Es un ejemplo de un conjunto de datos de clasificación sintético de una clase. Es un ejemplo de un conjunto que se utiliza para resolver exclusivamente problemas de clasificación.

¿Qué es Enthought Canopy?. Una distribución de Python para computación científica que viene con NumPy, SciPy, matplotlib, pandas e IPython, donde su versión gratuita no incluye scikit-learn. 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.

¿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.

El aprendizaje automático o machine learning es: Un subcampo de la inteligencia artificial que en términos generales es la capacidad de una máquina para imitar el comportamiento humano inteligente. 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.

¿Cuántos tipos de métodos de aprendizaje semisupervisado hay?. Tres. Sólo uno. Dos.

¿Cuál es la afirmación correcta?. Al entrenar nuestro modelo debemos tener en cuenta que los resultados que se muestran variarán con cada ejecución del programa debido a la naturaleza estocástica de los algoritmos involucrados. Al entrenar nuestro modelo debemos tener en cuenta que los resultados que se muestran no variarán con cada ejecución del programa debido a la naturaleza estocástica de los algoritmos involucrados. Al comparar nuestro modelo con otro modelo debemos tener en cuenta que los resultados que se muestran variarán con cada ejecución del programa debido a la naturaleza estocástica de los klústeres involucrados.

¿Qué es la convolución en el contexto de una red neuronal convolucional?. Es la integral que mide cuánto se superponen dos funciones cuando una pasa sobre la otra. Es una operación lineal que implica la multiplicación de un conjunto de pesos con la entrada donde la multiplicación se realiza entre una matriz de datos de entrada y una matriz tridimensional de pesos. Es una operación lineal que implica la multiplicación de un conjunto de pesos con la entrada donde la multiplicación se realiza entre una matriz de datos de entrada y una matriz bidimensional de pesos.

¿Qué son Annuals?. 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. Son competiciones en Kaggle que ofrecen problemas amistosos y fáciles para principiantes.

El término algoritmo empezó a utilizarse de forma generalizada: A comienzos del siglo XXI. A mediados del siglo XX. A principios del siglo XX.

¿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 2D 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.

¿Cómo se llaman las redes donde el aprendizaje profundo utiliza una estructura de algoritmos de varias capas?. Redes neuronales. Redes de área personal. Redes Python.

¿Cómo se conoce también al aprendizaje de reglas de asociación?. TOR. ARL. ARV.

¿Para qué se pueden usar las GAN?. Es un ejemplo de un conjunto que se utiliza para resolver exclusivamente problemas de clasificación. Para crear un conjunto de datos de clasificación sintético de una clase. Para sustentar las Deepfakes.

¿Qué significa MSE?. Error absoluto medio. Matriz de confusión. Error cuadrático medio.

¿En qué año se utilizó por primera vez el término de inteligencia artificial?. 1946. 1956. 1950.

¿Cuál es la afirmación correcta?. El Perceptrón multicapa entra en la categoría de algoritmos feedforward porque las entradas se combinan con los pesos iniciales en una suma ponderada y se someten a la función de activación, al igual que en el perceptrón con la diferencia de que cada combinación lineal se propaga a la siguiente capa. El Perceptrón multicapa entra en la categoría de algoritmos feedforward porque las entradas se combinan con los pesos iniciales en una suma ponderada y se someten a la función de activación, a diferencia del perceptrón sin ninguna diferencia. El Perceptrón multicapa no existe.

¿Por qué es famoso el conjunto de datos de flores de Iris?. Porque prácticamente todo el mundo lo utiliza como el conjunto de datos de "hola mundo" en el aprendizaje automático y las estadísticas. Porque prácticamente todo el mundo lo utiliza como el conjunto de datos de "ok Google" en el aprendizaje automático y las estadísticas. Porque prácticamente todo el mundo lo utiliza como el conjunto de datos de "hola mundo" sólo en el aprendizaje automático.

¿Qué calcula el método de evaluate()?. Calcula la entrada de la red para uno o más ejemplos de entrenamiento/prueba. Calcula la entrada de la red, exclusivamente, para un ejemplo de entrenamiento/prueba. Calcula la precisión general del modelo en el conjunto de datos pasado como argumento.

¿Dónde es frecuente el uso de los árboles de decisión?. La Banca. La industria de la música. La prensa.

¿En qué año se inventaron las máquinas de vectores de apoyo?. 1970. 2000. 1992.

¿Qué es la convolución para fines matemáticos?. Es el etiquetado que establece los resultados deseados para el algoritmo. Es la integral que mide cuánto se superponen dos funciones cuando una pasa sobre la otra. Es el vector que mide cuánto se superponen dos funciones cuando una pasa sobre la otra.

¿Quién afirmó:”El objetivo de la inteligencia artificial es crear modelos informáticos que muestren comportamientos inteligentes como los humanos”?. Boris Katz. Steve Jobs. Arthur Samuel.

¿Quién diseñó la Máquina Analítica?. Charles Babbage. Lady Lovelace. Thomas Edison.

¿Cuál es la afirmación correcta?. La función de pérdida que usaremos es categorical_crossentropy, sin usar optimizadores. 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.

¿Qué es MATLAB?. Una criptomoneda. Un lenguaje de secuencia de comando específico de dominio. Un lenguaje de secuencia de comando general de dominio.

¿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 un ordenador para alcanzar un objetivo no necesariamente concreto. 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.

¿Qué es Keras?. Es una criptomoneda. Es un algoritmo. Es una de las bibliotecas más usadas en Python para el análisis de las redes neuronales.

¿Cuál es un paso que sigue una GAN?. El generador toma números aleatorios y devuelve un conjunto de números ordenados. El discriminador toma números aleatorios y devuelve una imagen. El generador toma números aleatorios y devuelve una imagen.

¿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.

Los resultados producidos por los modelos de aprendizaje supervisados: Son menos 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 más precisos que los resultados producidos por los modelos de aprendizaje no supervisados.

¿Cuál es el objetivo de los árboles de decisión?. Crear un modelo donde una pequeña cantidad de árboles funcionan como un conjunto. 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 método de aprendizaje supervisado paramétrico que se utiliza para la clasificación y la regresión.

¿Qué son los datos sin etiquetar?. Datos procesados. Datos eventualmente procesados. Datos sin procesar.

¿Cuándo se vuelve lento el KNN?. Cuando disminuye el tamaño de los datos en uso. Cuando aumenta el tamaño de los datos en uso. Cuando aumenta el tamaño de los datos que ya no están en uso.

Para comprender las GAN, ¿de qué algoritmos debemos comprender el funcionamiento?: Debemos saber cómo funcionan los algoritmos generativos siendo importante contrastarlos con los algoritmos discriminativos ya que éstos últimos intentan clasificar los datos de entrada. Debemos saber cómo funcionan los algoritmos generativos no siendo importante contrastarlos con los algoritmos discriminativos. Debemos saber cómo funcionan los algoritmos generativos siendo importante contrastarlos con los algoritmos discriminativos ya que éstos últimos intentan clasificar los datos de salida.

¿En qué aprendizaje se utilizan los datos de entrenamiento etiquetados?. En el aprendizaje no supervisado. En el aprendizaje semisupervisado. En el aprendizaje supervisado.

¿Qué es TensorFlow?. Es la interfaz de programación de aplicaciones de alto nivel. Es la interfaz que construye un clasificador menos preciso al convertir un problema no separable en un problema separable. Es una plataforma de código abierto para el aprendizaje automático.

¿Cuál es la afirmación correcta?. El cerebro humano contiene neuronas interconectadas con axones que reciben entradas, a partir de éstas, la neurona produce una salida de señal eléctrica en la dendrita para luego emitir las señales a través de las terminales de la dendrita a otras neuronas. El cerebro humano contiene neuronas interconectadas con dendritas que reciben entradas, a partir de éstas, la neurona produce una salida de señal eléctrica en el axón para luego emitir las señales a través de las terminales del axón a otras neuronas. El cerebro humano no contiene neuronas interconectadas con dendritas.

¿Cuál es la afirmación correcta?. Validation loss es una métrica utilizada para evaluar cómo un modelo de aprendizaje profundo se ajusta a los datos de entrenamiento. Validation loss es una métrica utilizada para evaluar el rendimiento de un modelo de aprendizaje profundo en el conjunto de validación. Validation loss es una métrica que evalúa el error del modelo sobre el conjunto de entrenamiento.

¿Qué es la detección de anomalías?. Una aplicación del aprendizaje automático supervisado donde es posible detectar cualquier tipo de valores atípicos en los datos. 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.

¿Qué es un modelo generado por un algoritmo: 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. Una funcionalidad, típicamente código, incapaz de reconocer patrones cuando se le presentan nuevos datos.

¿Qué tiene el Perceptrón multicapa?. Tiene capas de entrada y salida, y una o más capas ocultas con muchas neuronas apiladas juntas. Solo tiene varias capas ocultas con pocas neuronas apiladas juntas. El Perceptrón multicapa no existe.

¿Qué permite el aprendizaje no supervisado?. Que las aplicaciones tengan la capacidad de aprender y encontrar patrones ocultos en pequeños conjuntos de datos sin 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 grandes conjuntos de datos con supervisión humana.

¿Qué son los vectores de soporte?. 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. 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.

¿Qué elementos imprescindibles lleva asociado el machine learning para su correcto desarrollo?. Las matemáticas, los datos y un lenguaje de programación. Las matemáticas y los datos. Un lenguaje de programación, exclusivamente.

¿Cuántas bibliotecas claves necesitaremos instalar para nuestro proyecto?. Seis. Cinco. Una.

¿Para qué se usan las redes adversariales generativas o GAN?. Se usan exclusivamente para el análisis de imágenes. Se usan para el análisis de imágenes, vídeo u otras aplicaciones multimedia. Se usan para el análisis de aplicaciones que no sean multimedia.

¿Qué permitía el Aprendizaje Basado en la Explicación o EBL?. Permitía a un ordenador analizar datos de entrenamiento y crear una regla específica 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 general que descartaba datos sin importancia.

El aprendizaje no supervisado: Es menos complicado y requiere menos tiempo que el aprendizaje supervisado. Es menos complicado, aunque requiere más tiempo que el aprendizaje supervisado. Es más complicado y requiere más tiempo que el aprendizaje supervisado.

¿Qué es la matriz de confusión?. Es un aprendizaje no supervisado que intenta crear una jerarquía de clústeres. 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. 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.

¿Qué pueden contener las capas?. Pesos y sesgos que se ajustan durante la fase de entrenamiento. Pesos y sesgos que nunca se ajustan durante la fase de entrenamiento. Sólo contienen pesos.

En la mitología griega, ¿quién escribió sobre autómatas que tendrían lo que hoy conocemos como inteligencia artificial?. Virgilio. Shakespeare. Homero.

¿Cuál es un espacio y filtro de la información al que podemos acceder en Datasets?. A los conjuntos de datos más populares. A los conjuntos de datos más antiguos. A Google.

~Es un algoritmo que intenta encontrar relaciones entre un grupo de artículos en Internet =Es un enfoque de aprendizaje automático que intenta encontrar relaciones entre un grupo de artículos en un ... ::¿Qué es el análisis de la cesta de la compra?{ ~Es un algoritmo que intenta encontrar relaciones entre un grupo de artículos en Internet =Es un enfoque de aprendizaje automático que intenta encontrar relaciones entre un grupo de artículos en un ...::¿Cuál de los siguientes algoritmos es no supervisado?. Bitcoin. Árbol de decisión. Manifolds.

¿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.

¿Qué tipo de objetivo persigue conseguir el aprendizaje automático?. Un objetivo general. Un objetivo principalmente general. Un objetivo específico.

¿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 algorítmica para producir un resultado con 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.

De las siguientes, ¿cuáles son competiciones en Kaggle?. Featured, Masters, Research y Playground. Featured, Masters, Research y Netrek. Featured, Singstar, Research y Playground.

¿Qué conseguimos con “softmax”?. Es la función de activación que se debe usar en la capa de entrada para normalizar todas las entradas para que sumen 1, asegurando que estén en el rango [0, 1]. Es la función de activación que se debe usar en la capa de salida para normalizar todas las salidas para que sumen 1, asegurando que estén en el rango [0, 1]. Es la función de activación que se debe usar en la capa de salida para normalizar todas las salidas para que sumen 0.