Optativa R2

¿Cuál de las siguientes es una limitación de los datos estructurados?. No capturan fenómenos complejos y requieren que la información esté bien definida, lo que limita su flexibilidad. Permiten procesar grandes volúmenes de información de forma rápida y precisa.

¿Qué ocurre cuando un modelo de IA sufre sobreajuste (overfitting)?. El modelo memoriza demasiado los datos de entrenamiento y falla al enfrentarse a casos nuevos. El modelo clasifica correctamente todos los datos nuevos sin necesidad de ajustes.

Si un algoritmo de IA agrupa clientes o imágenes en categorías según similitudes sin usar etiquetas previas, ¿qué técnica está utilizando?. Clustering. Clasificación.

¿Cuál de los siguientes es un ejemplo de datos estructurados?. Una hoja de cálculo con el listado de estudiantes: nombre, edad y calificación final. Fotografías y vídeos de un evento sin etiquetas ni categorías.

¿Cuál de los siguientes ejemplos representa el uso de una red neuronal convolucional (CNN)?. Un sistema de reconocimiento facial que desbloquea un móvil utilizando análisis de imágenes. Un sistema que predice el precio de una vivienda según su tamaño y ubicación.

¿Cuál de las siguientes es una ventaja de los datos no estructurados para la inteligencia artificial?. Contienen gran riqueza informativa y permiten entrenar modelos que reconocen patrones complejos. Pueden introducir sesgos si los conjuntos de entrenamiento no son representativos.

¿Qué caracteriza principalmente a los datos no estructurados?. Carecen de un formato predefinido y se presentan en formas variadas como textos, imágenes, audio o vídeo. Solo se encuentran en bases de datos empresariales.

¿Qué se logra mediante el fine-tuning (ajuste fino) de un modelo de IA?. Optimizar el modelo para aplicaciones específicas, mejorando su precisión y relevancia. Entrenar un modelo desde cero sin utilizar un modelo previo.

¿Por qué es necesario usar técnicas avanzadas como el procesamiento del lenguaje natural o el reconocimiento de imágenes para trabajar con datos no estructurados?. Porque los datos no estructurados no tienen un formato uniforme y requieren métodos complejos para extraer información útil. Porque los datos no estructurados son fáciles de analizar sin herramientas especiales.

¿Cuál de los siguientes ejemplos describe mejor un modelo de refuerzo?. Un modelo que aprende a jugar a un videojuego mejorando con cada partida gracias a recompensas y penalizaciones. Un modelo que predice el precio de una vivienda según su tamaño y ubicación.