RA2 - Módulo profesional optativo

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

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

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

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

¿Cuál de las siguientes es una limitación de los datos estructurados?. No captan 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. Son fáciles de almacenar y consultar en bases de datos o hojas de cálculo. Su formato homogéneo reduce la probabilidad de errores durante el análisis.

¿Cuál de las siguientes es una limitación de los datos estructurados?. Permiten procesar grandes volúmenes de información. Son fáciles de almacenar y consultar. No capturan fenómenos complejos y necesitan información bien definida. Reducen errores gracias a su formato homogéneo.

¿Cuál de los siguientes es un ejemplo de datos estructurados?. Grabación de voz sin transcripción. Fotografías sin etiquetas. Colección de emails en texto libre. Hoja de cálculo con listado de estudiantes.

¿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. n modelo que clasifica correos electrónicos como spam. Un modelo que analiza hábitos de compra.

¿Cuál de las siguientes es una ventaja de los datos no estructurados?. Su volumen y diversidad necesitan gran almacenamiento. Pueden ser inseguros. Contienen gran riqueza informativa y permiten reconocer patrones complejos. Requieren poco procesamiento.

¿Qué ocurre cuando un modelo de IA sufre sobreajuste?. El modelo no aprende lo suficiente. El modelo clasifica correctamente todos los datos nuevos. El modelo genera datos completamente inventados. El modelo memoriza demasiado los datos de entrenamiento y falla en los nuevos.

¿Qué caracteriza principalmente a los datos no estructurados?. Tienen formato fijo y tabular. Solo existen en bases de datos empresariales. Se presentan en formas variadas como texto, imagen, audio o vídeo. Solo contienen números.

¿Qué técnica se usa cuando un modelo trabaja con datos etiquetados?. Aprendizaje no supervisado. Aprendizaje por refuerzo. Aprendizaje supervisado. Clustering.

¿Qué ocurre si los datos de entrenamiento no son representativos?. El modelo mejora la precisión. No afecta al modelo. El modelo aprende sesgos y genera predicciones incorrectas. El modelo se vuelve neutral.

¿Qué papel tiene el Big Data en la IA moderna?. Reduce la necesidad de modelos. Permite entrenar modelos más precisos al disponer de grandes volúmenes de datos. Elimina la necesidad de algoritmos. Sustituye el aprendizaje automático.

Un modelo que agrupa noticias según su temática sin etiquetas previas utiliza: Clasificación. Regresión. Aprendizaje supervisado. Clustering.