Programacion de IA

¿Cuál es el principal objetivo de las plataformas de IA?. Sustituir a los programadores por completo. Facilitar la creación y despliegue de modelos de IA sin partir desde cero. Generar hardware especializado para aprendizaje profundo.

¿Qué diferencia principal existe entre una librería y una plataforma de IA?. Las librerías están en la nube y las plataformas son locales. Las plataformas integran librerías y servicios en un entorno completo. Las librerías son visuales y las plataformas solo de código.

¿Cuál de las siguientes herramientas pertenece a los entornos de modelado de IA?. Power BI. Jupyter Notebook. Tableau.

¿Qué tipo de aprendizaje utiliza un modelo cuando dispone de datos etiquetados?. No supervisado. De refuerzo. Supervisado.

¿Qué componente en una red neuronal aplica una función de activación a una combinación lineal de entradas y pesos?. La capa de salida. El optimizador. La neurona artificial.

¿Cuál de los siguientes modelos está especializado en procesamiento de lenguaje natural (NLP)?. ResNet. YOLO. BERT.

¿Qué ventaja principal ofrecen los módulos predefinidos en redes neuronales?. Permiten entrenar sin GPU. Reducen tiempo y errores al reutilizar componentes optimizados. Evitan el uso de funciones de activación.

¿Cuál es una característica clave del enfoque VibeCoding?. La programación se basa en sintaxis estricta. El desarrollador programa por intención y co-creación con la IA. Solo se utiliza en dispositivos móviles.

¿Qué precaución debe tenerse al usar la API de OpenAI?. Publicar la clave en repositorios públicos. Compartir la clave para proyectos colaborativos. Proteger la clave en variables de entorno y controlar el coste.

¿Cuál de los siguientes frameworks se usa para construir aplicaciones con IA generativa combinando texto, datos y herramientas externas?. TensorFlow. LangChain. NumPy.

¿Cuál es la función principal de la capa de entrada en una red neuronal?. Transformar la representación de los datos. Recibir los datos iniciales (píxeles, palabras, etc.). Entregar la predicción final.

¿Qué técnica se utiliza para evitar el sobreajuste en redes neuronales?. Aumento de datos (data augmentation). Reducción de la complejidad del modelo. Ambas A y B.

¿Qué representa el término 'fine-tuning' en el contexto de modelos preentrenados?. Entrenar un modelo desde cero con datos específicos. Ajustar las últimas capas de un modelo preentrenado para una tarea específica. Congelar todas las capas de un modelo preentrenado.

¿Qué significa 'transfer learning'?. Transferir el conocimiento de un modelo entrenado a un nuevo problema. Transferir datos de un dataset a otro. Transferir el código de un proyecto a otro.

¿Cuál es la principal ventaja de usar módulos predefinidos como ResNet o BERT?. Permiten crear modelos más simples. Reducen la necesidad de datos y aceleran el desarrollo. Son más fáciles de interpretar.

¿Qué problema común se evita al guardar el pipeline completo (preprocesado + modelo) en lugar de solo el modelo?. Errores de desalineación en producción. Costes de entrenamiento elevados. Sobreajuste del modelo.

¿Qué tipo de redes neuronales son especialmente útiles para procesar secuencias como texto o series temporales?. Redes Convolucionales (CNN). Redes Recurrentes (RNN, LSTM, GRU). Perceptrón Multicapa (MLP).

¿Qué herramienta es un entorno de desarrollo interactivo popular para modelado, entrenamiento y documentación de IA?. VS Code. Jupyter Notebook. PyCharm.

¿Cuál es la principal característica de VibeCoding?. Escribir código línea por línea con sintaxis estricta. Comunicar la intención del desarrollador a la IA para la generación de código. Utilizar exclusivamente interfaces gráficas.

¿Qué es 'feature extraction' en el contexto de modelos preentrenados?. Entrenar el modelo completo desde cero. Utilizar las capas base del modelo preentrenado para extraer características, manteniendo las capas congeladas. Añadir una nueva capa de salida al modelo.

¿Por qué es importante usar `preprocess_input` específico para cada modelo base (ej. ResNet)?. Para acelerar el entrenamiento. Porque cada modelo espera los datos de entrada en un formato específico (escalado, centrado, etc.). Para evitar el sobreajuste.

¿Cuál es la función de 'early stopping' durante el entrenamiento?. Detener el entrenamiento una vez que el modelo ha alcanzado la precisión deseada. Detener el entrenamiento cuando el rendimiento en el conjunto de validación deja de mejorar o empieza a empeorar. Detener el entrenamiento después de un número fijo de épocas.

¿Qué tipo de modelos son dominantes en NLP actualmente y cada vez más en visión?. Redes Recurrentes (RNN). Perceptrón Multicapa (MLP). Transformers.

¿Qué permite la integración de IA en plataformas low-code/no-code?. Crear aplicaciones complejas sin escribir código. Generar funciones, interfaces o flujos a partir de descripciones en lenguaje natural. Ambas A y B.

¿Qué es un LLM (Large Language Model)?. Un modelo de IA entrenado para entender y generar texto. Un tipo específico de red neuronal convolucional. Un framework para construir interfaces gráficas.

¿Cuál es la principal recomendación de seguridad al usar la API de OpenAI?. Compartir la clave de API libremente. Escribir la clave directamente en el código fuente. Usar variables de entorno para la clave de API y no compartirla públicamente.

¿Qué problema resuelve la extracción de características (feature extraction) al adaptar un modelo preentrenado?. Evita la necesidad de datos de entrenamiento. Previene el sobreajuste al no modificar las capas base del modelo. Acelera la convergencia del entrenamiento.

¿Qué papel juegan las 'capas ocultas' en una red neuronal?. Reciben los datos de entrada. Entregan la predicción final. Transforman progresivamente la representación de los datos mediante neuronas y activaciones no lineales.

¿Qué es la convergencia tecnológica?. La unificación de múltiples servicios (voz, datos, TV, radio) en una única infraestructura de red. La mejora de la velocidad de internet. La adopción de sistemas de inteligencia artificial.

¿Cuál es una ventaja clave de la convergencia de servicios sobre IP?. Mayor complejidad en la gestión de redes. Simplificación de la red y menores costes de despliegue. Dependencia de infraestructuras separadas para cada servicio.

¿Qué tecnología permite la transmisión de voz, vídeo, datos e imágenes sobre una misma infraestructura?. Redes PSTN. Protocolo IP. Fibra óptica.

¿Qué aplicación práctica se puede lograr al integrar IA en plataformas OTT (Over-The-Top)?. Reconocimiento de imágenes en televisión interactiva. Clasificación de contenidos para recomendación personalizada. Transcripción automática de llamadas.

¿Qué se busca al usar 'data augmentation'?. Reducir el tamaño del dataset. Crear variaciones de los datos existentes para aumentar la robustez del modelo y prevenir el sobreajuste. Acelerar el proceso de entrenamiento.

¿Qué tipo de modelos son adecuados para datos tabulares?. CNN. MLP. RNN.

¿Qué se entiende por 'regularización' en el contexto de redes neuronales?. Aumentar la complejidad del modelo. Técnicas para prevenir el sobreajuste y mejorar la generalización del modelo. Acelerar la convergencia del entrenamiento.

¿Qué significa 'autopilote' en el contexto de la programación asistida por IA?. La IA escribe todo el código sin intervención humana. La IA sugiere líneas o bloques de código, explica funciones y detecta errores. El desarrollador solo escribe comentarios y la IA genera el código.

¿Cuál es el propósito de 'function calling' en las APIs de IA generativa?. Permitir que el LLM genere texto de forma más creativa. Desencadenar acciones específicas en un sistema basándose en la respuesta del LLM. Traducir texto entre diferentes idiomas.

¿Qué tipo de datos se utilizan para entrenar modelos de aprendizaje supervisado?. Datos no etiquetados. Datos con entradas y sus correspondientes salidas correctas (etiquetas). Datos de texto sin estructura.

¿Qué implica el 'rol del Ingeniero de Prompts'?. Ser responsable de la arquitectura de la red neuronal. Guiar a la IA mediante descripciones precisas y ejemplos para obtener los resultados deseados. Entrenar modelos de lenguaje desde cero.

¿Qué ventaja ofrecen las plataformas low-code/no-code con IA integrada?. Permiten crear aplicaciones complejas sin necesidad de saber programar. Ofrecen mayor flexibilidad que la programación tradicional. Son ideales solo para desarrolladores expertos.

¿Qué es 'RAG' (Retrieval-Augmented Generation)?. Una técnica para entrenar modelos de lenguaje desde cero. Un método para que los LLMs consulten fuentes de datos externas antes de generar una respuesta. Un tipo de red neuronal para procesamiento de imágenes.

¿Cuál es la principal diferencia entre 'feature extraction' y 'fine-tuning' al adaptar un modelo preentrenado?. Feature extraction congela la base, fine-tuning la entrena. Fine-tuning solo se aplica a capas de salida, feature extraction a todas las capas. No hay diferencia significativa.

¿Por qué es importante el concepto de 'calidad y equilibrio de datos' al seleccionar la arquitectura base?. Asegura que el modelo aprenda patrones fiables y generalizables. Permite usar modelos más simples. Reduce el tiempo de entrenamiento.

¿Qué tecnología se utiliza para transformar la voz analógica en datos digitales para su transmisión por IP?. Compresión de vídeo (H.264). Códecs de voz (ej. Opus, G.711). Protocolos de streaming.

¿Cuál es la principal ventaja de usar módulos predefinidos como capas (Dense, Conv2D) o bloques (Residual)?. Permiten construir modelos desde cero con total personalización. Aceleran el prototipado, reducen errores y aprovechan buenas prácticas de la comunidad. Eliminan la necesidad de datos para el entrenamiento.

¿Qué se busca al 'descongelar progresivamente' las capas de un modelo preentrenado durante el fine-tuning?. Acelerar el entrenamiento inicial. Adaptar el modelo gradualmente a la nueva tarea sin perder el conocimiento previo. Aumentar la complejidad de todas las capas.

¿Qué significa que un modelo sea 'opaco' (un límite de las redes neuronales)?. Que requiere pocos datos para entrenar. Que su funcionamiento interno y las decisiones que toma son difíciles de interpretar. Que es muy eficiente en términos de cómputo.

¿Qué ventaja ofrecen los asistentes de programación basados en IA como GitHub Copilot?. Reemplazan completamente al programador. Ayudan a escribir código más rápido, sugieren funciones, comentan y detectan errores simples. Solo funcionan para lenguajes de programación muy básicos.

¿Qué función cumple 'checkpointing' en el entrenamiento de modelos?. Detener el entrenamiento prematuramente. Guardar periódicamente el estado del modelo (pesos) para poder reanudar el entrenamiento o recuperar la mejor versión. Evaluar el modelo en el conjunto de test.

¿Qué es la 'calibración de probabilidades' y por qué es importante?. Asegurar que la precisión del modelo sea alta. Verificar que las probabilidades predichas por el modelo reflejen la probabilidad real de ocurrencia del evento. Acelerar la inferencia del modelo.

¿Cuál es la principal diferencia entre plataformas no-code y low-code?. No-code usa interfaces visuales, low-code requiere escribir código. No-code es solo para usuarios sin experiencia, low-code permite añadir fragmentos de código para personalización avanzada. No-code integra IA, low-code no.

¿Por qué se recomienda optimizar los prompts al usar modelos de IA generativa?. Para aumentar el coste del servicio. Para obtener mejores resultados y reducir el uso de recursos/costes. Para hacer el modelo más lento.

¿Qué tecnología clave permitió la convergencia de servicios (voz, TV, radio) sobre una misma red?. La digitalización de señales. El protocolo IP. El aumento del ancho de banda.

¿Qué significa 'copiar/pegar' en el contexto de la programación asistida por IA?. Simplemente copiar y pegar código sin entenderlo. Utilizar las sugerencias de la IA para generar código funcional y luego adaptarlo según sea necesario. La IA genera todo el código sin necesidad de que el desarrollador lo vea.

¿Cuál es la principal ventaja de usar modelos preentrenados para tareas con pocos datos?. No requieren ningún tipo de ajuste. Reducen la necesidad de datos y tiempo de cómputo, y mejoran los resultados iniciales. Son más fáciles de interpretar.

¿Qué problema resuelve la capacidad de 'detectar errores o inconsistencias' en los asistentes de programación?. Aumentar la complejidad del código. Mejorar la calidad y fiabilidad del código generado o escrito. Reducir la velocidad de desarrollo.

¿Qué es la 'digitalización' en el contexto de la convergencia tecnológica?. La conversión de señales analógicas en datos binarios. La transmisión de datos a alta velocidad. La creación de redes IP.

¿Qué se entiende por 'modelo matemático de aprendizaje automático inspirado en el cerebro'?. Un algoritmo de regresión lineal. Una red neuronal artificial. Un árbol de decisión.

¿Cuál es el objetivo principal de la convergencia tecnológica?. Crear servicios digitales más eficientes, escalables y accesibles mediante la integración de tecnologías. Aumentar la velocidad de las redes de comunicación. Desarrollar nuevas aplicaciones de IA.

¿Qué es la 'retropropagación' (backpropagation)?. El proceso de envío de datos hacia adelante en la red neuronal. El cálculo de gradientes del error respecto a los pesos para actualizar el modelo. La aplicación de una función de activación.

¿Qué tipo de modelos son usados para extraer patrones locales en señales e imágenes?. Redes Recurrentes (RNN). Redes Convolucionales (CNN). Perceptrón Multicapa (MLP).

¿Qué significa 'Zero Trust' en el contexto de la seguridad de la convergencia tecnológica?. Confiar implícitamente en todos los dispositivos y usuarios de la red. No confiar en ningún actor (usuario o dispositivo) por defecto y verificar rigurosamente cada acceso. Desactivar las medidas de seguridad para facilitar el acceso.

¿Cuál es la principal ventaja de la 'programación por intención' en VibeCoding?. El desarrollador solo necesita escribir comentarios. Permite al desarrollador centrarse en los objetivos y el diseño, mientras la IA maneja la sintaxis y la lógica detallada. Elimina la necesidad de entender el código generado.

¿Por qué es importante validar la latencia, memoria y precisión en el entorno de destino al exportar un modelo?. Para asegurar que el modelo funcione correctamente en el entorno de producción. Para aumentar el tamaño del modelo. Para hacer el modelo más lento.