Introducción a La Inteligencia

Artificial (IA)

UNIDAD 3

Fundamentos de Machine Learning

POR: PABLO GONZALEZ VELLANO
FACILITADOR: OMAR FABIAN RIVERA CENICEROS
 1
UNIDAD 3: INTRODUCCIÓN A LA IA
1.
Pregunta 1
¿Cuál de estas afirmaciones es cierta?
1 punto

Los sistemas cognitivos sólo pueden traducir pequeños volúmenes de datos de audio en sus traducciones
literales de texto a velocidades muy elevadas.

Los sistemas cognitivos pueden obtener respuestas matemáticamente precisas siguiendo un método rígido
de árbol de decisiones

Los sistemas cognitivos sólo pueden procesar datos bien organizados y estructurados

Los sistemas cognitivos pueden aprender de sus éxitos y fracasos

2.
Pregunta 2
¿Cuál de estas afirmaciones es cierta?
1 punto

La IA es el subconjunto de la Ciencia de Datos que utiliza algoritmos de Deep Learning sobre grandes
volúmenes de datos (big data) estructurados

Deep Learning es un subconjunto especializado de Machine Learning que utiliza redes neuronales en capas
para simular la toma de decisiones humanas

La Inteligencia Artificial y Machine Learning se refieren a lo mismo, ya que ambos términos se utilizan a
menudo de forma intercambiable

La Ciencia de Datos es un subconjunto de la IA que utiliza algoritmos de machine learning para obtener
significado y extraer deducciones de los datos.
3.
Pregunta 3
¿Cuál de los siguientes NO es un atributo de Machine Learning?
1 punto

Machine Learning define reglas de comportamiento comparando grandes conjuntos de datos para encontrar
patrones comunes

Toma datos y reglas como entrada y los utiliza para desarrollar un algoritmo que nos dará una respuesta
 2
UNIDAD 3: INTRODUCCIÓN A LA IA

Toma datos y respuestas como entrada y los utiliza para crear un conjunto de reglas que determinan cuál será
el modelo de Machine Learning

Los modelos de Machine Learning pueden entrenarse continuamente

4.
Pregunta 4
¿Cuál de los siguientes NO es un atributo del Aprendizaje No Supervisado?
1 punto

Es útil para concentrar datos, donde los datos se agrupan de acuerdo a cuán similares son a sus vecinos y
diferentes a todo lo demás.

Toma datos y reglas como entrada y los utiliza para desarrollar un algoritmo que nos dará una respuesta

El algoritmo digiere datos no etiquetados, realiza deducciones y encuentra patrones a partir de datos
desestructurados

Es útil para encontrar patrones ocultos y/o agrupaciones en los datos, y puede utilizarse para diferenciar el
comportamiento normal de valores atípicos, como una actividad fraudulenta.
5.
Pregunta 5
¿Qué de lo siguiente es un atributo del Aprendizaje Supervisado?
1 punto

Se basa en proporcionar datos no etiquetados al algoritmo de machine learning y dejar que la máquina
deduzca cualidades

Se basa en proporcionar al algoritmo de machine learning un conjunto de reglas y restricciones, y dejar que
aprenda a alcanzar sus objetivos

Trata de maximizar sus recompensas probando diferentes combinaciones de acciones permitidas dentro de
las restricciones proporcionadas

Se basa en proporcionar al algoritmo de machine learning datos etiquetados por humanos - cuantas más
muestras se proporcionen, más preciso será el algoritmo a la hora de clasificar nuevos datos

6.
Pregunta 6
 3
UNIDAD 3: INTRODUCCIÓN A LA IA
¿Cuáles de las siguientes afirmaciones sobre los conjuntos de datos utilizados en Machine Learning NO son
ciertas?
1 punto

Los datos de prueba son datos que el modelo nunca ha visto antes y se utilizan para evaluar lo bueno que es
el modelo

El subconjunto de datos de validación se utiliza para validar los resultados y ajustar con precisión los
parámetros del algoritmo

El subconjunto de entrenamiento son los datos utilizados para entrenar el algoritmo

Los datos de entrenamiento se utilizan para afinar los parámetros del algoritmo y evaluar la calidad del
modelo
7.
Pregunta 7
Al crear algoritmos de deep learning, los desarrolladores configuran el número de capas y el tipo de funciones
que conectan las salidas de cada capa a las entradas de la siguiente.
1 punto

Verdadero

Falso
8.
Pregunta 8
¿Cuáles de estos son algunos de los principales campos de aplicación de la IA?
1 punto

Vehículos Autónomos

Visión Artificial

Habla

Lenguaje Natural
9.
Pregunta 9
¿Cuál de estas actividades no es necesaria para que una red neuronal sintetice la voz humana?
1 punto
 4
UNIDAD 3: INTRODUCCIÓN A LA IA

Introducir numerosas muestras de la voz de una persona hasta que pueda determinar si una nueva muestra
de voz pertenece a la misma persona

Continuar para corregir la muestra y pasarla por el clasificador, repetidamente, hasta que se cree una muestra
de voz precisa

Generar datos de audio y ejecutarlos a través de la red para ver si los valida como pertenecientes al sujeto

Deconstruir oraciones para descifrar el contexto de uso

10.
Pregunta 10
¿Cuál de estas maneras NO es como aprende la IA?
1 punto

Aprendizaje Supervisado

Aprendizaje Proactivo

Aprendizaje sin Supervisión

Aprendizaje de Refuerzo