RA2 INTELIGENCIA ARTIFICIAL (Modelo examen)

¿Cuál de las siguientes es una limitación de los datos estructurados?. A - No capturan fenómenos complejos y requieren que la información esté bien definida, lo que limita su flexibilidad. B - Permiten procesar grandes volúmenes de información de forma rápida y precisa. C - Son fáciles de almacenar y consultar en bases de datos o hojas de cálculo. D - Su formato homogéneo reduce la probabilidad de errores durante el análisis.

¿Cuál de los siguientes es un ejemplo de datos estructurados?. A - Una hoja de cálculo con el listado de estudiantes: nombre, edad y calificación final. B - Fotografías y vídeos de un evento sin etiquetas ni categorías. C - Una colección de correos electrónicos con texto libre y archivos adjuntos. D - Grabaciones de voz de conversaciones de clientes sin transcripción.

¿Cuál de los siguientes ejemplos representa el uso de una red neuronal convolucional (CNN)?. A - Un modelo que analiza correos electrónicos para clasificarlos como spam o no spam. B - Un sistema que predice el precio de una vivienda según su tamaño y ubicación. C - Un sistema de reconocimiento facial que desbloquea un móvil utilizando análisis de imágenes. D - Un modelo que aprende a jugar a un videojuego mediante prueba y error.

¿Qué se logra mediante el fine-tuning (ajuste fino) de un modelo de IA?. A - Optimizar el modelo para aplicaciones específicas, mejorando su precisión y relevancia. B - Entrenar un modelo desde cero sin utilizar un modelo previo. C - Evitar que el modelo cometa errores en todos los posibles escenarios sin necesidad de datos adicionales. D - Que el modelo genere resultados aleatorios sin necesidad de datos de entrenamiento.

¿Qué caracteriza principalmente a los datos no estructurados?. A - Carecen de un formato predefinido y se presentan en formas variadas como textos, imágenes, audio o vídeo. B - Solo se encuentran en bases de datos empresariales. C - Son siempre numéricos y fáciles de analizar con herramientas simples. D - Siguen un formato fijo de filas y columnas que facilita su almacenamiento en bases de datos tradicionales.

¿Cuál de los siguientes ejemplos describe mejor un modelo de refuerzo?. A - Un modelo que predice el precio de una vivienda según su tamaño y ubicación. B - Un modelo que analiza hábitos de compra de clientes y los agrupa en perfiles similares sin etiquetas. C - Un modelo que aprende a jugar a un videojuego mejorando con cada partida gracias a recompensas y penalizaciones. D - Un modelo que clasifica correos electrónicos como spam o no spam usando datos etiquetados.

Si un algoritmo de IA agrupa clientes o imágenes en categorías según similitudes sin usar etiquetas previas, ¿Qué técnica está utilizando?. A - Clasificación. B - Regresión. C - Redes neuronales. D - Clustering.

¿Cuál de las siguientes es una ventaja de los datos no estructurados para la inteligencia artificial?. A - Su volumen y diversidad necesitan grandes capacidades de almacenamiento y cómputo. B - Contienen gran riqueza informativa y permiten entrenar modelos que reconocen patrones complejos. C - Pueden introducir sesgos si los conjuntos de entrenamiento no son representativos. D - Requieren mucho procesamiento previo para ser interpretados por la máquina.

¿Qué ocurre cuando un modelo de IA sufre sobreajuste (overfitting)?. A - El modelo genera datos completamente inventados sin relación con la realidad. B - El modelo memoriza demasiado los datos de entrenamiento y falla al enfrentarse a casos nuevos. C - El modelo clasifica correctamente todos los datos nuevos sin necesidad de ajustes. D - El modelo no aprende lo suficiente y comete muchos errores incluso con los datos de entrenamiento.

¿Por qué es necesario usar técnicas avanzadas como el procesamiento del lenguaje natural o el reconocimiento de imágenes para trabajar con datos no estructurados?. A - Porque los datos no estructurados son fáciles de analizar sin herramientas especiales. B - Porque los datos no estructurados se almacenan automáticamente en bases de datos tradicionales. C - Porque los datos no estructurados no tienen un formato uniforme y requieren métodos complejos para extraer información útil. D - Porque los datos no estructurados son siempre textos cortos y simples.