RNAP Tema 1

El aprendizaje profundo (marca todas las respuestas correctas): Seleccione una o más de una: A. Es una técnica dentro del aprendizaje automático. B. Es un área de la inteligencia artificial. C. Está basado en reglas formales diseñadas por humanos. D. Depende de bases de conocimiento diseñadas por humanos. E. Se basa en entender conceptos cada vez más complejos. A, B, C. B, C, D. A, B, E. E, D, B.

¿Qué factores pueden explicar el concepto «profundo» en el término de aprendizaje profundo? (Marca todas las respuestas correctas): Seleccione una o más de una: A. Los algoritmos de aprendizaje profundo aprenden con una profundidad nunca vista hasta ahora. B. Las redes neuronales se hacen profundas con la introducción de múltiples capas. C. Las redes neuronales pueden aprender jerarquías complejas de conceptos. D. Los problemas resueltos por el aprendizaje profundo son más complejos y complicados para el hombre. E. El deep learning es capaz de realizar razonamientos como una persona. E, D, C. D, A. B, D. B, C.

En un problema de clasificación de personas a partir de imágenes con aprendizaje profundo, ¿cuál es la entrada que recibiría la red neuronal?. Una serie de features diseñadas por humanos en la imagen. Por ejemplo, color de cabello, uso de gafas o no, color de ojos, color de piel... Una representación de la imagen dada por otros algoritmos. Los píxeles de la imagen.

El deep learning (marca la respuesta correcta): Ha tenido varios nombres a lo largo de la historia. Consiste en una serie de técnicas y avances muy recientes. Ha tenido siempre una posición predominante en el mundo de la inteligencia artificial. Es, tras todos sus avances, la mejor solución para todos los problemas de aprendizaje automático.

¿Qué cantidad de datos es necesaria para entrenar con éxito una red neuronal profunda?. Entre 100 y 1000 training examples. Entre 1000 y 100 000 training examples. Más de 100 000 training examples. La cantidad depende del problema a tratar.

¿Cuáles son algunas de las aplicaciones del deep learning?. Visión por computador. Traducción automática. Agentes que aprenden a jugar a juegos. Reconocer el habla. Todas son correctas.

Señala la afirmación correcta: Una red neuronal es un cerebro artificial. El aprendizaje profundo está inspirado en el funcionamiento del cerebro, pero las similitudes entre los algoritmos de deep learning y el cerebro acaban pronto. El aprendizaje profundo está inspirado en el funcionamiento del cerebro y cada nuevo avance en el área lo acerca más a este.

En una red neuronal, si una neurona tiene 5 inputs, ¿cuántos parámetros la modelan?. 5. 6. 7. 10. 11. 12.

En una red neuronal fully connected con una input layer con 10 nodos, una hidden layer con 5 nodos y una output layer con 10 nodos, ¿cuántos parámetros tiene en total la red neuronal?. 25. 110. 115. 125. 220.

Marca todas las respuestas correctas acerca del funcionamiento de una red neuronal: Seleccione una o más de una: A. La salida de una neurona es una representación de una probabilidad. B. La input layer es una representación de los datos de entrada y no conlleva cálculos. C. Las neuronas se activan con un valor definido por la función de activación. D. En una feed-forward network, la información siempre fluye hacia delante. A. C, B. A, D. A, B, C. A, C, D. B, C, D.