TEMA 4

¿Cuál es la utilidad fundamental de las funciones integradas en las librerías de ciencia de datos según el flujo de trabajo estándar?. Las funciones permiten simplificar drásticamente el diseño de soluciones innovadoras, convirtiendo la colaboración comunitaria en el ingrediente esencial para el avance de la tecnología. Las funciones permiten resolver tareas habituales en ciencia de datos, tales como la carga, el análisis exploratorio, la visualización, el tratamiento previo y la evaluación de modelos. Las funciones permiten democratizar el acceso al aprendizaje automático, garantizando que personas sin formación previa puedan crear modelos inteligentes de forma gratuita y abierta. Las funciones permiten establecer los cimientos del ecosistema de colaboración, asegurando que el progreso científico dependa exclusivamente del intercambio de ideas entre los desarrolladores.

El curso de Introducción al Machine Learning lanzado por Andrew Ng en 2011 se caracteriza por: Centrarse en la visualización de datos en 2D y 3D, omitiendo el planteamiento matemático de los algoritmos para facilitar el aprendizaje a estudiantes de ingeniería. Abordar la construcción de los algoritmos desde su planteamiento matemático, incluyendo explicaciones detalladas sobre álgebra lineal y optimización. Utilizar exclusivamente el lenguaje Matlab para el desarrollo de los algoritmos, siguiendo la tradición académica establecida en el campo de la ingeniería química. Enfocarse en la historia del software de código abierto desde finales de los años 80, analizando las contribuciones de John W. Eaton al cálculo numérico.

Las librerías que constituyen la base de una gran mayoría de los desarrollos actuales de aprendizaje automático son: Pandas y Matplotlib, las cuales son las únicas librerías diseñadas específicamente para la generación y el entrenamiento de modelos de aprendizaje automático a partir de los datos. Scikit learn, junto con otras herramientas como Pandas, Matplotlib, Tensorflow, Keras y Pytorch, las cuales facilitan el diseño, entrenamiento y evaluación de modelos inteligentes. Exclusivamente Scikit learn, ya que es la única herramienta que permite realizar el análisis exploratorio de los datos y la visualización gráfica sin necesidad de librerías adicionales. Tensorflow y Keras, que actúan como la única base necesaria para el desarrollo de cualquier solución de ciencia de datos, independientemente de la complejidad del modelo predictivo.

¿Cuál es la afirmación correcta en relación con los beneficios que proporcionan los frameworks de inteligencia artificial en el desarrollo de software?. Los frameworks de IA garantizan la eliminación total de errores humanos, reducen los costes operativos a cero y aseguran la automatización completa de la toma de decisiones. Los frameworks de IA requieren la creación de algoritmos desde cero, limitan la reutilización de código y restringen el acceso a comunidades de soporte técnico especializado. Los frameworks de IA facilitan la aceleración del desarrollo, aumentan la productividad, promueven la reutilización de código y ofrecen una amplia comunidad de desarrolladores. Los frameworks de IA permiten la predicción de fallos en maquinaria industrial, optimizan la cadena de suministro y reducen el tiempo de inactividad de los sistemas.

¿Qué tipo de modelos permite crear la herramienta mencionada, aunque su uso haya disminuido tras la aparición de Tensorflow?. Permite crear modelos de máquinas de vector soporte. Permite crear modelos de regresión logística. Permite crear modelos de random forest. Permite crear modelos de redes neuronales.

¿Cuál de las siguientes afirmaciones sobre las categorías del aprendizaje automático es INCORRECTA?. El aprendizaje supervisado permite que el algoritmo aprenda mediante un conjunto de datos etiquetados, utilizando dicha información para predecir resultados en datos nuevos. El aprendizaje por refuerzo se basa en un proceso de prueba y error, donde el algoritmo ajusta su comportamiento al recibir recompensas o castigos por sus acciones. En el aprendizaje supervisado, el algoritmo identifica patrones y relaciones complejas exclusivamente a partir de conjuntos de datos que carecen de etiquetas previas. El aprendizaje no supervisado se caracteriza por la capacidad del algoritmo para identificar patrones y relaciones intrínsecas dentro de conjuntos de datos no etiquetados.

¿Cuál de las siguientes afirmaciones sobre el origen y uso de Octave es INCORRECTA?. El nombre del software Octave rinde homenaje al profesor Octave Levenspiel, quien destacó por su enfoque sencillo y eficaz para resolver problemas de cálculo numérico en ingeniería química. Aunque el proyecto Octave comenzó su desarrollo a finales de la década de los 80, su disponibilidad para el uso general no se produjo hasta el año 1992. El lenguaje Octave fue concebido inicialmente para abordar problemas específicos dentro del ámbito de la ingeniería química, campo en el que se centraba el trabajo de su fuente de inspiración. Octave fue desarrollado originalmente por John W. Eaton a finales de los años 80 con el propósito principal de facilitar el desarrollo de algoritmos de inteligencia artificial.

¿Cuál es una de las librerías fundamentales que constituyen la base de la gran mayoría de los desarrollos actuales en el campo del aprendizaje automático?. Matplotlib constituye una de las librerías que forman la base de una gran mayoría de los desarrollos actuales en el ámbito del aprendizaje automático. NumPy constituye una de las librerías que forman la base de una gran mayoría de los desarrollos actuales en el ámbito del aprendizaje automático. OpenCV constituye una de las librerías que forman la base de una gran mayoría de los desarrollos actuales en el ámbito del aprendizaje automático. Matlab constituye una de las librerías que forman la base de una gran mayoría de los desarrollos actuales en el ámbito del aprendizaje automático.

La Inteligencia Artificial se organiza en diversas subdisciplinas especializadas, entre las cuales se encuentran: La robustez, la portabilidad, la eficiencia y el rendimiento en tiempo real, las cuales constituyen los componentes modulares básicos de cualquier sistema de IA. El aprendizaje automático, la visión por computadora, el procesamiento del lenguaje natural y la robótica, las cuales permiten el desarrollo de sistemas inteligentes. Python, R, Java y C++, las cuales actúan como arquitecturas predefinidas que facilitan la construcción y el entrenamiento de modelos de aprendizaje profundo. TensorFlow, PyTorch, Keras y Scikit-learn, las cuales funcionan como motores de análisis en tiempo real para el procesamiento de grandes conjuntos de datos.

La inteligencia artificial ha experimentado una evolución significativa desde sus inicios, los cuales se sitúan cronológicamente en: La década de los años 70. La década de los años 60. La década de los años 50. La década de los años 80.

¿Cuál de las siguientes afirmaciones sobre la integración de la inteligencia artificial en los sectores productivos es INCORRECTA?. Los algoritmos de inteligencia artificial permiten implementar el mantenimiento predictivo, lo cual ayuda a reducir tanto los costos de reparación como el tiempo de inactividad. La inteligencia artificial engloba diversas tecnologías, tales como el aprendizaje automático, el procesamiento del lenguaje natural y la visión por computadora. La inteligencia artificial limita la capacidad de las empresas para tomar decisiones en tiempo real, ya que requiere un procesamiento manual previo de los datos. En la gestión de la cadena de suministro, la inteligencia artificial facilita la optimización de las rutas de entrega y permite ajustar los niveles de inventario ante cambios en la demanda.

¿Cuál de las siguientes afirmaciones sobre las áreas y aplicaciones de la Inteligencia Artificial es INCORRECTA?. Los sistemas expertos emplean conocimientos específicos de un dominio particular para asistir en la toma de decisiones y la resolución de problemas complejos. La robótica integra la inteligencia artificial con la ingeniería para la construcción de robots capaces de ejecutar tareas físicas en diversos sectores industriales. El Procesamiento del Lenguaje Natural (NLP) se limita exclusivamente al desarrollo de asistentes virtuales y chatbots, excluyendo el análisis de sentimientos. La visión por computadora permite a las máquinas interpretar el mundo visual mediante el análisis de imágenes y videos en aplicaciones como el reconocimiento facial.

¿Cuál de las siguientes afirmaciones sobre las subdisciplinas y categorías del aprendizaje automático es INCORRECTA?. En el aprendizaje no supervisado, el algoritmo requiere obligatoriamente de un conjunto de datos previamente etiquetados para poder identificar patrones y relaciones significativas. El aprendizaje automático se define como una subdisciplina de la inteligencia artificial centrada en algoritmos que permiten a las máquinas aprender y tomar decisiones sin programación explícita. El aprendizaje por refuerzo basa su funcionamiento en un proceso de prueba y error, donde el sistema recibe recompensas o castigos en función de sus acciones. El aprendizaje supervisado se caracteriza por utilizar un conjunto de datos etiquetados que permiten al algoritmo predecir resultados cuando se enfrenta a información nueva.

Los vehículos autónomos se definen como sistemas que: Integran inteligencia artificial para navegar y ejecutar decisiones de desplazamiento de forma independiente en tiempo real. Aplican algoritmos de aprendizaje automático para crear experiencias de aprendizaje interactivas mediante la simulación de entornos virtuales. Emplean procesamiento del lenguaje natural para gestionar la logística de transporte y la navegación en entornos urbanos. Utilizan visión por computadora exclusivamente para el análisis de datos oceánicos y la protección de ecosistemas marinos.

¿Qué caracteriza al aprendizaje por refuerzo dentro de las categorías del aprendizaje automático?. El aprendizaje por refuerzo utiliza un conjunto de datos etiquetados para predecir resultados precisos en nuevos datos mediante el entrenamiento. El aprendizaje por refuerzo utiliza un proceso de prueba y error donde el algoritmo recibe recompensas o castigos en función de sus acciones. El aprendizaje por refuerzo utiliza la identificación de patrones y relaciones ocultas dentro de grandes volúmenes de datos no etiquetados. El aprendizaje por refuerzo utiliza la interacción directa entre computadoras y humanos para interpretar el lenguaje natural de manera significativa.