ML - Parte 1. Test (01 - 40)

1. ¿De qué se compone un especificador de requisitos?. Se compone de un nombre de proyecto seguido de un especificador de versión opcional. Se compone de un nombre de proyecto seguido de un especificador de versión obligatorio. Se compone exclusivamente de un especificador de versión obligatorio.

2. ¿Qué introduce la palabra clave def?. Una definición de la función solo en la versión Python1. Una definición de la función. No se aplica en Python.

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

4. ¿Qué es Naive Bayes?. Un método de clasificación que asume que la presencia de una característica en una clase afecta a la presencia de alguna otra característica. Un método de clasificación que asume que la presencia de una característica en una clase afecta a la presencia de todas las características. Un método de clasificación que asume que la presencia de una característica en una clase no afecta a la presencia de ninguna otra característica.

5. ¿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 no supervisado que no requiere ningún 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 supervisado que requiere entrenamiento y es útil con grandes conjuntos de datos.

6. La regresión, en el ámbito del aprendizaje automático, ¿para qué se utiliza?. Para estimar la probabilidad de un evento en base a los datos previos proporcionados. Para obtener resultados definitivos y estimar la probabilidad de un evento que no se basa en datos previos. Para hacer predicciones.

7. ¿Cuál es la idea central de SVM?. Encontrar un hiperplano marginal máximo (SMH) que divida mejor el conjunto de datos en clases. Encontrar un hiperplano marginal máximo (MMH) que divida mejor el conjunto de datos en clases. Encontrar un hiperplano marginal máximo (MMS) que divida mejor el conjunto de datos en clases.

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

9. ¿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.

10. ¿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.

11. ¿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.

12. ¿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. 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 y que son menos relevantes para la construcción del clasificador.

13. ¿Cómo puede ser el filtrado basado en contenido?. Centrado en el artículo y centrado en el usuario. Centrado en el usuario, exclusivamente. Centrado en el artículo, exclusivamente.

14. ¿A dónde se pueden importar las definiciones de un módulo?. A otros módulos o al módulo principal. A otros módulos y solo en casos concretos al módulo principal. Exclusivamente al módulo principal.

15. ¿Cómo es el aprendizaje no supervisado?. Simple y en tiempo real. Complejo y fuera de línea. Complejo y en tiempo real.

16. Para agregar un elemento al final de la lista, ¿qué debemos utilizar?. list.pop([i]). list.append(x). list.insert(i, x).

17. 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.

18. ¿A partir de qué año Kaggle es parte de Google?. Desde el año 2019. Desde el año 2017. Desde el año 2007.

19. ¿Qué son los árboles de decisión?. Un método de aprendizaje donde una pequeña cantidad de árboles funcionan como un conjunto. Un método de aprendizaje donde una gran cantidad de árboles funcionan como un conjunto. Un método de lectura donde una gran cantidad de árboles funcionan como un conjunto.

20. ¿Quiénes fueron los creadores del taller que fue considerado como el momento fundacional de la inteligencia artificial como campo de investigación?. Bill Gates, Marvin Minsky, Claude Shannon y Nathaniel Rochester. John McCarthy, Marvin Minsky, Claude Shannon y Nathaniel Rochester. John McCarthy, Bill Gates, Claude Shannon y Nathaniel Rochester.

21. ¿Qué es la agrupación probabilística?. La que permite que un punto de datos se agrupe exclusivamente en dos grupos. La que utiliza distribuciones de probabilidad para crear agrupaciones. La que intenta crear una jerarquía de clústeres.

22. ¿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, astronomía y geografía, cuyos trabajos en astronomía 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.

23. ¿Qué es Matplotlib?. La principal biblioteca de gráficos científicos en Python que proporciona funciones para realizar visualizaciones con calidad de publicación. La principal biblioteca de gráficos científicos en Python que proporciona matrices dispersas que se utilizan cuando queremos almacenar una matriz 2D que contiene en su mayoría ceros. La principal biblioteca de gráficos científicos en Python que proporciona rutinas avanzadas de álgebra lineal y función matemática.

24. Elija la opción correcta: Python, además de los números, puede manipular cadenas que se pueden expresar de distintas formas. 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.

25. ¿Qué conseguimos con el siguiente comando: python3 -m pip install --upgrade SomeProject?. Instalar la última versión de SomeProject. Instalar una versión específica de SomeProject. Actualizar un SomeProject ya instalado a la última versión de PyPI.

26. ¿Cuál es una forma para que los bosques aleatorios tengan un orden de aleatoriedad?. A través de los datos utilizados para construir un árbol. Construyendo un clasificador menos preciso al convertir un problema no separable en un problema separable. Intentando crear una jerarquía de clústeres.

27. ¿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.

28. ¿Qué sucede si elegimos guardar y ejecutar todo?. Que se guarda una versión intermedia del script antes de que esté listo para ejecutar y enviar. Que se guarda la versión definitiva del script antes de que esté listo para ejecutar y enviar. Que se ejecuta el script.

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

30. ¿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 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 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.

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

32. ¿Qué es la exploración de datos?: Es el proceso principal de la ordenación y clasificación que se utiliza para comprender la naturaleza de los datos con los que se va a trabajar. Es un subproceso de la ordenación y clasificación que se utiliza para comprender la naturaleza de los datos con los que se va a trabajar. Es un subproceso de la ordenación y clasificación que se utiliza para comprender la adecuación de los datos comprobados de forma conjunta.

33. ¿Quién fue uno de los padres de la informática?. Karl Friedrich Benz. Alexander Fleming. Alan Turing.

34. ¿Cuántas técnicas estadísticas hay para validar los resultados del aprendizaje de grupos?. Sólo existe la técnica de validación interna. Hay dos clases: validación interna y validación externa. Hay dos clases: validación interna y validación multidireccional.

35. ¿Qué significa el término política en el aprendizaje semisupervisado?. Que se asignan estados a acciones para que el agente pueda elegir la acción con la recompensa más alta. Que se asignan estados a acciones para que el agente pueda elegir la acción sin importar la recompensa. Que no es necesario asignar estados a acciones para que el agente pueda elegir la acción con la recompensa más alta.

36. ¿Qué significa que el algoritmo de aprendizaje supervisado, se entrena en un conjunto de datos etiquetados?. Que la entrada y la salida están claramente definidas. Que sólo la entrada está claramente definida. Que la entrada imita las funciones del cerebro humano y a veces del cerebro animal.

37. ¿Cómo se conoce también el aprendizaje semisupervisado?. Semisupervisado o por refuerzo. Semisupervisado y por esfuerzo. Semisupervisado o exclusivo.

38. ¿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.

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

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