Métodos de Búsqueda Cuaspud Anderson, Pérez Kevin

Machine Learning Robles Génesis, Torres Carlos, Vélez Víctor

Sistemas Expertos Villafuerte Jonathan, Rodríguez Randy

Puntaje 1. (1 punto) Reactivo No. 1

Un Sistema Experto es un sistema informático que simula los Identifica definiciones básicas
procesos de aprendizaje, memorización, razonamiento, referente a los sistemas expertos
comunicación y acción de un experto humano en una Resultado de aprendizaje
Enunciado:
determinada rama de la ciencia, suministrando, de esta forma, un a evaluar
consultor que puede sustituirle con unas ciertas garantías de
éxito.
Un punto importante dentro de los
sistemas expertos es la separación
entre las reglas y hechos
(conocimiento) y su
Para que un sistema experto pueda llevar a cabo este trabajo debe
procesamiento. En base a esto
de contener una arquitectura que depende del tipo y cada uno de
Conector: Argumentación encontramos que los componentes
sus componentes se interrelaciona entre sí.
de un sistema experto son: Base
¿Cuál es la arquitectura básica de los sistemas expertos?
de conocimientos, base de hechos,
motor de inferencia, subsistema
de explicación, interfaz de
usuario.
Base de conocimientos, base de hechos, motor de
*A. Respuesta correcta: A
inferencia, subsistema de explicación, interfaz de usuario.
Motor de inferencia, base de conocimientos, base de Tiempo estimado en
B. 2
Opciones: errores, interfaz de usuario, subsistema de sabiduría minutos
Conocimientos adquiridos, base de hechos, motor de
C. Nivel de Bloom Aplicación
inferencia, interfaz de usuario
D. HTML, JavaScript, C# Asignatura INTELIGENCIA ARTIFICIAL
Puntaje 1. (1 punto) Reactivo No. 2
Los Sistemas Basados en Reglas son una herramienta eficiente
Conoce los principales sistemas
para tratar muchas situaciones complejas gobernadas por reglas Resultado de aprendizaje
Enunciado: expertos que se aplican en la
deterministas, sistemas de control de tráfico, sistemas de a evaluar
inteligencia artificial.
seguridad, transacciones bancarias, etc
Métodos de Búsqueda Cuaspud Anderson, Pérez Kevin
Machine Learning Robles Génesis, Torres Carlos, Vélez Víctor
Sistemas Expertos Villafuerte Jonathan, Rodríguez Randy

El conocimiento: Se almacena en
En los Sistemas basados en reglas intervienen dos elementos
la base de conocimiento y consiste
importantes, uno de ellos consiste en un conjunto de objetos y un
Conector: Argumentación en un conjunto de objetos y un
conjunto de reglas que gobierna las relaciones entre esos objetos.
conjunto de reglas que gobierna
Identifique el nombre del elemento que describe la definición.
las relaciones entre esos objetos.
A. Los datos Respuesta correcta: B
Tiempo estimado en 2
*B. El conocimiento
Opciones: minutos
C. Los objetos Nivel de Bloom Aplicación
D. Las reglas Asignatura INTELIGENCIA ARTIFICIAL
Puntaje 1. (1 punto) Reactivo No. 3
Los Sistemas Basados en Reglas son una herramienta eficiente Conoce los principales sistemas
para tratar muchas situaciones complejas gobernadas por reglas Resultado de aprendizaje expertos que se aplican en la
Enunciado:
deterministas, sistemas de control de tráfico, sistemas de a evaluar inteligencia artificial.
seguridad, transacciones bancarias, entre otros.
Base de Datos (Hechos): son los
datos importantes o relevantes
Estos sistemas contienen una arquitectura donde intervienen
relacionados al problema
varios elementos; por ejemplo, la base de datos (hechos) que
específico. Consta de dos partes:
contiene los datos importantes o relevantes relacionados al
Permanente.
problema específico y consta de dos partes. Una de las partes
Conector: Argumentación Temporal: son hechos variantes
contiene hechos variantes que cambian mientras se intenta
que cambian mientras se intenta
solucionar el problema.
solucionar el problema. Se pueden
Identifique la parte de base de datos (hechos) a la que
añadir y borrar los hechos de la
corresponde la definición.
base de datos.

Opciones: A. Permanente Respuesta correcta: C

Tiempo estimado en 2
B. Hipótesis
minutos
*C. Temporal Nivel de Bloom Aplicación
Métodos de Búsqueda Cuaspud Anderson, Pérez Kevin
Machine Learning Robles Génesis, Torres Carlos, Vélez Víctor
Sistemas Expertos Villafuerte Jonathan, Rodríguez Randy

D. Reglas Asignatura INTELIGENCIA ARTIFICIAL

Puntaje 1. (1 punto) Reactivo No. 4
Las reglas y estrategias de inferencia y control son las que utiliza Conoce definiciones asociados a
el motor de inferencia para poder obtener conclusiones. Para Resultado de aprendizaje los principales sistemas expertos
Enunciado:
poder encontrar todas las posibles soluciones o conclusiones hay a evaluar que se aplican en la inteligencia
que utilizar varias reglas y estrategias del sistema experto. artificial.
Modus Tollens: Si se tiene una
Estas reglas se clasifican para conclusiones simples y regla en la cual la conclusión es
compuestas. Una regla para conclusiones simples indica que si se falsa, entonces se infiere que la
Conector: tiene una regla en la cual la conclusión es falsa, entonces se Argumentación hipótesis también es falsa. Es una
infiere que la hipótesis también es falsa. Identifique la regla al regla muy sencilla, pero es menos
cual hace referencia la definición. utilizada que Modus Ponens.

* A. Modus Tollens Respuesta correcta: A

Tiempo estimado en 2
B. Modus A Priori
Opciones: minutos
C. Modus Ponens Nivel de Bloom Aplicación
D. Modus Operandi Asignatura INTELIGENCIA ARTIFICIAL
Puntaje 1. (1 punto) Reactivo No. 5
Conoce definiciones asociados a
Los Sistemas Expertos Basados en Casos deben procesar el
Resultado de aprendizaje los principales sistemas expertos
Enunciado: conjunto de ejemplos existentes para poder hacer comparaciones
a evaluar que se aplican en la inteligencia
con los nuevos casos y los casos pasados.
artificial.
Conector: El razonamiento basado en casos es dividido en 4 procesos, estos Argumentación El razonamiento basado en casos
procesos se interconectan entre sí. Identifique los procesos que se es dividido en 4 procesos:
ven involucrados en este tipo de sistemas expertos. • Recordar los casos similares al
que estamos analizando
• Reutilizar toda la información
que tengamos en ese caso para
resolver el problema
• Revisar la solución propuesta
Métodos de Búsqueda Cuaspud Anderson, Pérez Kevin
Machine Learning Robles Génesis, Torres Carlos, Vélez Víctor
Sistemas Expertos Villafuerte Jonathan, Rodríguez Randy

• Retener lo aprendido al
solucionar ese nuevo
problema, para así utilizar
dicha información en el
futuro.
A. Reutilizar, Renombrar, Memorización, Creación Respuesta correcta: C
Tiempo estimado en 2
B. Explorar, Adquirir, Memorizar, Solucionar
Opciones: minutos
* C. Recordar, Reutilizar, Revisar, Retener Nivel de Bloom Aplicación
D. Memorización, Optimalidad, Solucionar, Retroalimentar Asignatura INTELIGENCIA ARTIFICIAL
Puntaje 1. (1 punto) Reactivo No. 6
Conoce definiciones asociados a
Los sistemas expertos basados en casos son capaces de utilizar
Resultado de aprendizaje los principales sistemas expertos
Enunciado: conocimiento específico de experiencias previas para poder
a evaluar que se aplican en la inteligencia
resolver un problema actual.
artificial.
Un sistema basado en casos tiene tres componentes principales: La base de casos contiene las
una interfaz de usuario, un motor de inferencia y una base de descripciones de los problemas
casos. La base de casos contiene las descripciones de los resueltos previamente en forma de
Conector: Argumentación
problemas resueltos previamente en forma de rasgos. rasgos (predictores y objetivos).
Identifique cuales son los rasgos que intervienen en la base de
casos.
A. Positivos y negativos Respuesta correcta: D
Tiempo estimado en 2
B. Suscriptores y publicadores.
Opciones: minutos
C. Predictores y objetivos Nivel de Bloom Aplicación
*D. Ninguna de las anteriores. Asignatura INTELIGENCIA ARTIFICIAL
Puntaje 1. (1 punto) Reactivo No. 1
Enunciado: Machine Learning es una disciplina científica dentro del ámbito Resultado de aprendizaje Identificar cuales son las claves
de la Inteligencia Artificial. Está diseñado para crear sistemas a evaluar del Machine Learning
que adaptan su comportamiento para que las máquinas puedan
Métodos de Búsqueda Cuaspud Anderson, Pérez Kevin
Machine Learning Robles Génesis, Torres Carlos, Vélez Víctor
Sistemas Expertos Villafuerte Jonathan, Rodríguez Randy

tomar decisiones por sí mismas.

La clave de este software es que
sus mejoras son sin intervención
Machine Learning es un software capaz de construir un humana, y se van mejorando de
Conector: algoritmo que se va auto adaptando según los datos que se le Argumentación forma autónoma con el paso del
suministran. Entonces, ¿Cuál es la clave del Machine Learning? tiempo (y el ingreso de datos) en
busca de un mejor desempeño en
un área concreta
A. Solo trabaja con datos clasificados Respuesta correcta: D
Va por capas donde cada una procesa la información y Tiempo estimado en 2
B.
arroja un resultado que se revela en forma de ponderación minutos
Extraer información de un conjunto de datos y Aplicación
Opciones:
C. transformarla en una estructura comprensible para su uso Nivel de Bloom
posterior
Se van mejorando de forma autónoma con el paso del INTELIGENCIA ARTIFICIAL
* D. Asignatura
tiempo
Puntaje 1. (1 punto) Reactivo No. 2
El Machine utiliza métodos estadísticos para realizar aquellas Conocer las ventajas y
funciones cognitivas más sencillas, por ejemplo: predicción de Resultado de aprendizaje desventajas del Machine Learning
Enunciado:
fraude, clasificación de imágenes, entre otros. a evaluar

Hay que reforzar el trabajo de la

máquina con el humano para que
éste le proporcione la semántica
Este aprendizaje surge con la necesidad de recoger la cantidad de
necesaria para que la misma
datos que se producen, y al mismo tiempo, sugerir opciones de
Conector: Argumentación trabaje, lo aplique en un futuro a
mejora detectando patrones de comportamiento. ¿Cuál es el
los algoritmos y sea capaz de
principal inconveniente del Machine Learning?
ejecutarlos posteriormente sin
intervención de la mano del
hombre.
Opciones: A. La detección de rostro en las cámaras móviles Respuesta correcta: B
Métodos de Búsqueda Cuaspud Anderson, Pérez Kevin
Machine Learning Robles Génesis, Torres Carlos, Vélez Víctor
Sistemas Expertos Villafuerte Jonathan, Rodríguez Randy

Hay que guiar al programa en todas las fases del sistema, Tiempo estimado en 2
* B.
necesita de un aprendizaje supervisado minutos
Puede realizar tareas repetitivas y que requieren de gran Aplicación
C. cantidad de recursos y tiempo, aumentando la eficiencia Nivel de Bloom
en las mismas
Trata los objetos de entrada como un conjunto de INTELIGENCIA ARTIFICIAL
D. variables aleatorias, siendo construido un modelo de Asignatura
densidad para el conjunto de datos
Puntaje 1. (1 punto) Reactivo No. 3
Identificar los algoritmos de
Los diferentes algoritmos de Aprendizaje Automático se agrupan Resultado de aprendizaje
Enunciado: aprendizaje inmersos en el
en una taxonomía en función de la salida de los mismos. a evaluar
Machine Learning
Algunos tipos de algoritmos son: El aprendizaje no supervisado
 Aprendizaje supervisado, típicamente trata los objetos de
 Aprendizaje no supervisado, entrada como un conjunto de
Conector:  Aprendizaje semisupervisado, Argumentación variables aleatorias, siendo
 Aprendizaje por refuerzo, construido un modelo de densidad
 Aprendizaje multitarea. para el conjunto de datos.
¿En qué consiste el aprendizaje no supervisado?
Opciones: Es una técnica para deducir una función a partir de datos C
A. Respuesta correcta:
de entrenamiento
Está inspirada en la psicología conductista, cuya 2
ocupación es determinar qué acciones debe escoger un
Tiempo estimado en
B. agente de software en un entorno dado con el fin de
minutos
maximizar alguna noción de "recompensa" o premio
acumulado
Es un método de Aprendizaje Automático donde un Aplicación
* C. Nivel de Bloom
modelo es ajustado a las observaciones
D. Métodos de aprendizaje que usan conocimiento Asignatura INTELIGENCIA ARTIFICIAL
previamente aprendido por el sistema de cara a
Métodos de Búsqueda Cuaspud Anderson, Pérez Kevin
Machine Learning Robles Génesis, Torres Carlos, Vélez Víctor
Sistemas Expertos Villafuerte Jonathan, Rodríguez Randy

enfrentarse a problemas parecidos a los ya vistos.

Puntaje 1. (1 punto) Reactivo No. 4
Diferenciar las técnicas de
El Machine Learning es uno de los pilares sobre los que descansa Resultado de aprendizaje
Enunciado: clasificación que son utilizadas en
la transformación digital. a evaluar
el Machine Learning
Algunas de las técnicas de clasificación que utiliza son: Se trata de un sistema de enlaces
 Árboles de decisiones de neuronas que colaboran entre sí
 Redes bayesianas para producir un estímulo de
Conector: Argumentación salida. Las conexiones tienen
 Algoritmos genéticos
 Redes neuronales artificiales pesos numéricos que se adaptan
¿En qué consiste loas redes neuronales artificiales? según la experiencia.
Son un paradigma de aprendizaje automático inspirado en A
* A. Respuesta correcta:
las neuronas de los sistemas nerviosos de los animales.
red de creencia o modelo acíclico dirigido es un modelo 2
probabilístico que representa una serie de variables de Tiempo estimado en
B.
azar y sus independencias condicionales a través de un minutos
Opciones:
grafo acíclico dirigido
Mayor conocimiento de las necesidades, gustos y hábitos Aplicación
C. Nivel de Bloom
de compra de los clientes
Son una serie de métodos de aprendizaje supervisado INTELIGENCIA ARTIFICIAL
D. Asignatura
usados para clasificación y regresión.
Puntaje 1. (1 punto) Reactivo No. 5
El Aprendizaje Supervisado se refiere a un tipo de modelos de Identificar métodos de aplicación
Resultado de aprendizaje
Enunciado: Machine Learning que se entrenan con un conjunto de ejemplos principales a modelos de Machine
a evaluar
en los que los resultados de salida son conocidos. Learning
Conector: Uno de los métodos para aplicar el Aprendizaje Supervisado se Argumentación El método regresión trata de
utiliza para asignar categorías a datos sin etiquetar. En este tipo encontrar una relación entre
de aprendizaje tenemos un número de variables predictoras y una variables para predecir categorías
variable de respuesta continua. ¿A qué método se hace a datos que no la tenga, a partir de
referencia? la manipulación de variables
Métodos de Búsqueda Cuaspud Anderson, Pérez Kevin
Machine Learning Robles Génesis, Torres Carlos, Vélez Víctor
Sistemas Expertos Villafuerte Jonathan, Rodríguez Randy

predictoras.
A. Clasificación Respuesta correcta: B
Tiempo estimado en 2
*B. Regresión
Opciones: minutos
C. Reducción Dimensional Nivel de Bloom Aplicación
D. Clustering Asignatura INTELIGENCIA ARTIFICIAL
Puntaje 1. (1 punto) Reactivo No. 6
El paso más importante en cualquier aplicación de Machine Reconocer cual es la metodología
Learning, es el PRE-PROCESAMIENTO. Usualmente los datos Resultado de aprendizaje para aplicar Machine Learning
Enunciado:
se presentan en formatos no óptimos (o incluso inadecuados) a evaluar
para ser procesados por el modelo.
Las técnicas de normalización y
estandarización de datos permiten
ajustar las características de las
Muchos algoritmos requieren que las características estén en una variables al formato requerido por
Conector: misma escala para optimizar su rendimiento. ¿Qué se recomienda Argumentación el modelo de Machine Learning
aplicar? que se vaya aplicar con el objetivo
de brindar mejor compresión al
aplicar modelos y realizar
predicciones.
Técnicas de predicción para usar los datos de prueba y C
A. Respuesta correcta:
estimar el rendimiento del modelo en los datos nuevos
Aplicar una estimación del error de generalización del Tiempo estimado en 2
B.
Opciones: modelo, o evaluarlo utilizando alguna otra métrica. minutos
Técnica de normalización y estandarización de datos para Aplicación
*C. Nivel de Bloom
ajustar los valores medidos en diferentes niveles.
D. Selección de una muestra de la población Asignatura INTELIGENCIA ARTIFICIAL
Puntaje 1. (1 punto) Reactivo No. 1
Enunciado: Las estrategias de búsqueda se evalúan según los siguientes Resultado de aprendizaje Identificar los tipos de estrategias
criterios: a evaluar de búsqueda.
Métodos de Búsqueda Cuaspud Anderson, Pérez Kevin
Machine Learning Robles Génesis, Torres Carlos, Vélez Víctor
Sistemas Expertos Villafuerte Jonathan, Rodríguez Randy

 Completes: si garantiza o no encontrar la solución si es

que existe.
 Complejidad temporal: cantidad de tiempo necesario para
encontrar la solución
 Complejidad espacial: cantidad de memoria necesaria
para encontrar la solución.
 Optimidad: si se encontrará o no la mejor solución en
caso de que existan varias.
Búsquedas sin contar con
información (o búsqueda ciega)
La estrategia de búsqueda se puede agrupar en dos grandes son aquellas de las cuales no
grupos, indique ¿Cuál de las opciones a continuación no presenta existe información acerca de la
Conector: Argumentación
información de la cantidad de paso o costo de ruta? cantidad de pasos necesarios o
sobre el costo de ruta para pasar
del estado de un momento dado a
la meta.
*A. Búsqueda ciega. Respuesta correcta: A
Tiempo estimado en
B. Búsqueda acústica. 2
Opciones: minutos
C. Búsqueda heurística. Nivel de Bloom Aplicación
D. Búsqueda óptica. Asignatura INTELIGENCIA ARTIFICIAL
Puntaje 1. (1 punto) Reactivo No. 2
Las técnicas de búsqueda son una serie de esquemas de
representación del conocimiento, que mediante diversos Resultado de aprendizaje Identificar los tipos de estrategias
Enunciado:
algoritmos nos permite resolver ciertos problemas desde el punto a evaluar de búsqueda.
de vista de la Inteligencia Artificial.
Búsqueda respaldada con
Indique, ¿Cuál de las siguientes opciones de tipos de búsqueda información (o búsqueda
Conector: Argumentación
posee información? heurística) son aquella de las
cuales se posee información muy
Métodos de Búsqueda Cuaspud Anderson, Pérez Kevin
Machine Learning Robles Génesis, Torres Carlos, Vélez Víctor
Sistemas Expertos Villafuerte Jonathan, Rodríguez Randy

valiosa para orientar la búsqueda

para que sea más óptima.
A. Búsqueda acústica. Respuesta correcta: B
Tiempo estimado en 2
*B. Búsqueda heurística.
Opciones: minutos
C. Búsqueda óptica. Nivel de Bloom Aplicación
D. Búsqueda ciega. Asignatura INTELIGENCIA ARTIFICIAL
Puntaje 1. (1 punto) Reactivo No. 3
La búsqueda ciega o no informada sólo utiliza información Reconocer los métodos de
Resultado de aprendizaje
Enunciado: acerca de si un estado es o no objetivo para guiar su proceso de búsqueda ciega.
a evaluar
búsqueda.
Los métodos de búsqueda en
amplitud son procedimientos de
búsqueda nivel a nivel. Para cada
uno de los nodos de un nivel se
Conector: ¿Cuál de los métodos de búsqueda ciega examina nivel a nivel? Argumentación aplican todos los posibles
operadores y no se expande
ningún nodo de un nivel antes de
haber expandido todos los del
nivel anterior.
A. Búsqueda bidireccional. Respuesta correcta: C
Tiempo estimado en 2
B. Búsqueda en profundidad.
Opciones: minutos
*C. Búsqueda en amplitud. Nivel de Bloom Aplicación
D. Búsqueda de burbuja. Asignatura INTELIGENCIA ARTIFICIAL
Puntaje 1. (1 punto) Reactivo No. 4
Los metodos de busqueda son una serie de esquemas de Elementos de los métodos de
representación del conocimiento, que mediante diversos Resultado de aprendizaje buqueda.
Enunciado:
algoritmos nos permite resolver ciertos problemas desde el punto a evaluar
de vista de la I.A.
Métodos de Búsqueda Cuaspud Anderson, Pérez Kevin
Machine Learning Robles Génesis, Torres Carlos, Vélez Víctor
Sistemas Expertos Villafuerte Jonathan, Rodríguez Randy

Los estados finales representan las

posibles soluciones del problema.
Los metodos de busqueda estan conformado por algunos
Es la meta que se debe alcansar
Conector: elementos. ¿Cuál de esos elementos representa la solucion Argumentación
desde un estado inicial hasta un
optima del problema a resolver?
estado final aplicandose alguna
secuencia de operadores.
A. Conjunto de estados Respuesta correcta: C
Tiempo estimado en 2
B. Estados iniciales
Opciones: minutos
*C. Estados finales Nivel de Bloom Aplicación
D. Operadores Asignatura INTELIGENCIA ARTIFICIAL
Puntaje 1. (1 punto) Reactivo No. 5
Una estrategia se define eligiendo el orden de expansión de Tipos de busqueda a ciegas
nodos. Una de las estrategias es la busqueda a ciegas que solo Resultado de aprendizaje
Enunciado:
utiliza información acerca de si un estado es o no objetivo para a evaluar
guiar su proceso de busqueda.
En la busqueda por amplitud no se
expande ningun nodo de un nivel
Entre los tipos de busqueda existentes uno se caracterisa por
antes de haber expandido todos
Conector: expandir los nodos nivel a nivel. ¿A cual de los tipos de Argumentación
los del nivel anterior, a los cuales
busqueda a ciegas se esta haciendo referencia?
se les ha aplicado todos los
posibles operadores.
*A. Busqueda en amplitud Respuesta correcta: A
Tiempo estimado en 2
B. Búsqueda en profundidad.
Opciones: minutos
C. Búsqueda en profundidad progresiva. Nivel de Bloom Aplicación
D. Búsqueda bidirecional. Asignatura INTELIGENCIA ARTIFICIAL
Puntaje 1. (1 punto) Reactivo No. 6
Enunciado: Las estrategias de búsqueda informada tratan, pues, de optimizar Resultado de aprendizaje Reconocer los métodos de
los procesos de búsqueda utilizando funciones heurísticas que les a evaluar búsqueda ciega.
Métodos de Búsqueda Cuaspud Anderson, Pérez Kevin
Machine Learning Robles Génesis, Torres Carlos, Vélez Víctor
Sistemas Expertos Villafuerte Jonathan, Rodríguez Randy

permitan guiar la exploración en la dirección mas provechosa,

sugiriendo el “mejor” camino a seguir cuando se dispone
de varias alternativas.
La búsqueda primero el mejor
trata de expandir el nodo más
cercano al objetivo, alegando que
probablemente conduzca
rápidamente a una solución. Esta
Una de las tecnicas de busqueda informada es la busqueda
Conector: Argumentación técnica de búsqueda pertenece a
primero el mejor. ¿En que consiste esta técnica?
las estrategias de búsqueda
informada, ya que utilizan
conocimiento específico del
problema más allá de la definición
del problema en sí mismo.
Explora cada camino posible hasta su conclusión(meta) C
A. Respuesta correcta:
antes de intentar otro camino.
Expande primero el nodo raíz, a continuación se 2
Tiempo estimado en
B. expanden todos los sucesores del nodo raíz, después sus
minutos
Opciones: sucesores, etc
*C. Trata de expandier el nodo mas cercano al objetivo Nivel de Bloom Aplicación
Elige valores para una variable a la vez(sólo genera un INTELIGENCIA ARTIFICIAL
D. sucesor a la vez) y vuele atrás cuando una variable no Asignatura
tiene ningún valor legal para asignarle.