0 calificaciones0% encontró este documento útil (0 votos)
3 vistas2 páginas
Este documento presenta un cuestionario de 25 preguntas sobre la unidad 3 de minería de datos de la asignatura de inteligencia de negocios. Las preguntas cubren temas clave como conceptos básicos de inteligencia artificial, minería de datos, redes neuronales artificiales, perceptrones, diferencias entre inteligencia artificial, machine learning y deep learning, y técnicas estadísticas y de aprendizaje automático utilizadas en minería de datos.
Este documento presenta un cuestionario de 25 preguntas sobre la unidad 3 de minería de datos de la asignatura de inteligencia de negocios. Las preguntas cubren temas clave como conceptos básicos de inteligencia artificial, minería de datos, redes neuronales artificiales, perceptrones, diferencias entre inteligencia artificial, machine learning y deep learning, y técnicas estadísticas y de aprendizaje automático utilizadas en minería de datos.
Este documento presenta un cuestionario de 25 preguntas sobre la unidad 3 de minería de datos de la asignatura de inteligencia de negocios. Las preguntas cubren temas clave como conceptos básicos de inteligencia artificial, minería de datos, redes neuronales artificiales, perceptrones, diferencias entre inteligencia artificial, machine learning y deep learning, y técnicas estadísticas y de aprendizaje automático utilizadas en minería de datos.
TEMAS A CONSIDERAR PARA LA EVALUACIÓN DE LA UNIDAD 3 MINERIA DE DATOS
U3_CONCEPTOS BÁSICOS DE INTELIGENCIA ARTIFICIAL.
U3_MINERÍA DE DATOS Y EXTRACCION DEL CONOCIMIENTO U3_REDES NEURONALES ARTIFICIALES U3_DEFINICION DE PERCEPTRON U3_TEMA 7 DIFERENCIAS ENTRE INTELIGENCIA ARTIFICIAL, MACHINE LEARNING Y DEEP LEARNING. U3_TEMA 6 DEEP LEARNING APRENDIZAJE PROFUNDO
CUESTIONARIO
1. Enliste y explique cada uno de los lengujes de desarrollo de Machine Learning o
aprendizaje automático. 2. Enliste y explique: 2 librerías básicas para la ciencia de los datos 2 librerias básicas para plotting y visualizaciones 3 librerías para Machine Learning 3. ¿Cómo se puede definir una red neuronal formada por un Perceptron? 4. Explique brevemente cada uno de los componentes de un perceptron y esquematice. 5. Explique de que forma funciona el modelo de perceptrón de una capa 6. Explique de que forma funciona el modelo de perceptrón multicapa 7. De que forma se relacionan los procedimienyo y métodos con la minería de datos y que pretende con ello. 8. El análisis Discriminante es una técnica tradicional de la estadística multivariante, esplique en que consiste este tipo de estadística. 9. Cite y explique las técnicas estadísticas tradicionales que sirven para realizar predicción. 10. ¡Qué es una Red neuronal artificial? 11. ¡Que evento sobresaliente aconteció 12. Explique es una neurona, cómo se clasifican y en que significa cada una de ellas y de que forma operan. 13. Cite y explique cada uno de los componentes de una red neuronal. 14. ¿En que consiste el entrenamiento de Redes Neuronales Artificiales UNIVERSIDAD POLITÉCNICA DEL VALLE DE MÉXICO MATERIA INTELIGENCIA DE NEGOCIOS UNIDAD 3 MINERÍA DE DATOS CUESTIONARIO
15. Explique cada uno de los tipos de redes neuronales artificiales.
16. Explique ¿por qué? es fundamental el aprendizaje profundo en Deep learning 17. ¿Cuáles son los límites de las redes neuronales artificiales? 18. ¿Para qué se utilizan las redes neuronales artificiales? 19. ¿En que consiste lnteligencia artificial, Machine Learning y Deeplearnig? 20. Cite y explique cada uno de los aprendizajes relacionados con Machine learning. 21. ¿En qué consiste el proceso de KDD? 22. Explique en en que consiste el Reconocimiento de Patrones y cual es su relevancia 23. ¿En que consiste una Red MLP de aprendizaje supervisado 24. ¿En qué consiste en IA, Clasificación, Regresión y Clustering o Agrupamiento. 25. ¿Cómo funciona Deep Learning y como se lleva a cabo el entrenamiento de la red neurona?