2) 28 de Septiembre de 2022

26/10/22, 20:50 evaluación 3-2022: Revisión del intento
Área personal / Mis cursos / INTELIGENCIA ARTIFICIAL/563169/CH/IST/612007850/801N / 28 de septiembre - 4 de octubre
/ evaluación 3-2022
Comenzado el miércoles, 28 de septiembre de 2022, 18:15

Estado Finalizado
Finalizado en miércoles, 28 de septiembre de 2022, 18:52
Tiempo 37 minutos 29 segundos
empleado
Puntos 38.00/48.00
Calificación 3.96 de 5.00 (79%)
Pregunta 1
Finalizado
Se puntúa 1.00 sobre 1.00
La métrica más utilizada para resumir el rendimiento de un modelo de aprendizaje supervisado es
a. Error o umbral
b. Ranking
c. Accuracy
d. Question Answering
Pregunta 2
Finalizado
Nombre que recibe los ejemplos de la clase negativa que un clasificador clasifica correctamente.
a. Verdaderos positivos
b. Falsos positivos
c. Verdaderos negativos
d. Falsos negativos
https://moodle.ucundinamarca.edu.co/mod/quiz/review.php?attempt=25788&cmid=149130 1/17
Pregunta 3
Finalizado
Un problema muy habitual en aprendizaje automático es el problema del...
a. Aprendizaje por transferencia [transfer learning]
b. Pooling
c. Sobreaprendizaje [overfitting]
d. Convolución
Pregunta 4
Finalizado
Cuando la tasa de error de un modelo de red neuronal comienza a aumentar sobre el conjunto de validación, entonces es que ha comenzado
el proceso de sobreaprendizaje y por ende se debe parar. Esta estrategia se conoce como:
a. Early stopping
b. Overfitting
c. Transfer Learning
d. Repeated holdout
Pregunta 5
Finalizado
¿La precisión de un clasificador indica el número de aciertos que consigue a la hora de clasificar ejemplos?
Seleccione una:
Verdadero
Falso
Pregunta 6
Finalizado
Cuantos más datos obtengamos, más fácilmente podremos diferenciar patrones válidos de patrones debidos a irregularidades o errores en el
conjunto de entrenamiento.
Seleccione una:
Verdadero
Falso
Pregunta 7
Finalizado
Una matriz de contingencia también se le llama matriz de
a. Confusión
b. Perfomance
c. Entrenamiento
d. Clases
Pregunta 8
Finalizado
No existen criterios objetivos que permitan indicar de antemano cuáles deben ser las métricas que deberíamos utilizar en cada momento
para evaluar modelos de IA.
Seleccione una:
Verdadero
Falso
Pregunta 9
Finalizado
El problema del sobreaprendizaje es el motivo por el que no podemos utilizar, para evaluar un modelo, el mismo conjunto de datos que
utilizamos para construirlo.
Seleccione una:
Verdadero
Falso
Pregunta 10
Finalizado
En minería de datos o big data, cuantos más datos usemos, mejores pueden llegar a ser los resultados obtenidos.
Seleccione una:
Verdadero
Falso
Pregunta 11
Finalizado
El principio filosófico de parsimonia según el cual, en igualdad de condiciones, se asume que la explicación más sencilla es también la más
probable. Se está haciendo referencia a
a. Navaja de Occam
b. Eficiencia
c. Escalabilidad
d. Serendipia
Pregunta 12
Finalizado
Cuando se realiza un muestreo sin reemplazo de los datos, se está hablando de:
a. Transfer Learning
b. Validación cruzada
c. Navaja de Occam
d. Bootstrapping
Pregunta 13
Finalizado
El problema de utilizar los errores al cuadrado es que hace que las medidas sean sensibles a la presencia de anomalías en los datos.
Seleccione una:
Verdadero
Falso
Pregunta 14
Finalizado
Cuando un muestreo aleatorio se realiza con reemplazo, se está hablando de:
a. Transfer Learning
b. Validación cruzada
c. Navaja de Occam
d. Bootstrapping
Pregunta 15
Finalizado
Entre más datos tengamos a nuestra disposición mejor podremos entrenar nuestro modelo de red neuronal.
Seleccione una:
Verdadero
Falso
Pregunta 16
Finalizado
Nombre que recibe los errores que comete un clasificador en sentido contrario, diciéndonos que no son de la clase positiva cuando en
realidad sí que lo son.
a. Verdaderos negativos
b. Falsos positivos
c. Falsos negativos
d. Verdaderos positivos
Pregunta 17
Finalizado
Hace referencia a su capacidad de aplicación sobre los datos que se puedan presentar. Se está haciendo referencia a:
a. Estabilidad
b. complejidad
c. Robustez
d. Cobertura
Pregunta 18
Finalizado
Una serie temporal representa una secuencia de datos, observaciones o valores, medidos en determinados instantes de tiempo sin ordenar
cronológicamente.
Seleccione una:
Verdadero
Falso
Pregunta 19
Finalizado
Nunca se debe utilizar el conjunto de entrenamiento para evaluar la calidad de un modelo obtenido por técnicas de aprendizaje automático.
Seleccione una:
Verdadero
Falso
Pregunta 20
Finalizado
El sesgo y la varianza son, para el científico de datos, como el depurador para un programador.
Seleccione una:
Verdadero
Falso
Pregunta 21
Finalizado
En modelo de predicción de series temporales, los valores x corresponden a los valores que la serie temporal tomó en el pasado y cuyo
futuro queremos predecir utilizando f(x).
Seleccione una:
Verdadero
Falso
Pregunta 22
Finalizado
Nombre que recibe los ejemplos de la clase positiva que un clasificador es capaz de clasificar correctamente.
a. Verdaderos positivos
b. Verdaderos negativos
c. Falsos negativos
d. Falsos positivos
Pregunta 23
Finalizado
Los datos utilizados en la construcción del modelo en IA describen casos particulares del problema que pretendemos modelar.
Seleccione una:
Verdadero
Falso
Pregunta 24
Finalizado
El entrenamiento en una red neuronal dará como resultado un modelo aplicable a datos diferentes de los utilizados en su entrenamiento.
Seleccione una:
Verdadero
Falso
Pregunta 25
Finalizado
Si las conclusiones derivadas del modelo de RNA aprendido no vienen avaladas por bastantes ejemplos, entonces se presentan errores y
ruido en los datos de entrenamiento.
Seleccione una:
Verdadero
Falso
Pregunta 26
Finalizado
La paradoja de la Ingeniería del Conocimiento es que, cuanto mejor es el experto, peor suele describir su conocimiento.
Seleccione una:
Verdadero
Falso
Pregunta 27
Finalizado
Las clases y predicción en una matriz de confusión cómo están ubicadas:
a.
b.
Pregunta 28
Finalizado
Nombre que recibe los ejemplos que, aun no siendo de la clase positiva, el clasificador predice que sí lo son.
a.
Verdaderos positivos
b. Falsos negativos
c. Verdaderos negativos
d. Falsos positivos
Pregunta 29
Finalizado
¿Para realizar estimaciones en los diferentes modelos de aprendizaje en IA, obligatoriamente se debe recurrir a técnicas estadísticas?
Seleccione una:
Verdadero
Falso
Pregunta 30
Finalizado
Para evaluar un sistema de recuperación de información se suelen emplear dos medidas complementarias, precisión y exhaustividad…
Seleccione una:
Verdadero
Falso
Pregunta 31
Finalizado
Como se construye un conjunto de entrenamiento con n muestras, el proceso hay que repetirlo n-1 veces.
Seleccione una:
Verdadero
Falso
Pregunta 32
Finalizado
La varianza mide la variabilidad del modelo obtenido en función de los datos concretos utilizados en cada momento.
Seleccione una:
Verdadero
Falso
Pregunta 33
Finalizado
Los resultados de la validación cruzada describen cómo de bien funcionará el modelo final.
Seleccione una:
Verdadero
Falso
Pregunta 34
Finalizado
El sesgo y la varianza también nos pueden ayudar a comprender el fenómeno del overfitting.
Seleccione una:
Verdadero
Falso
Pregunta 35
Finalizado
Consiste en que un sistema sea capaz de sorprender con sus recomendaciones, sugiriendo conexiones inesperadas que puedan despertar el
interés del usuario. Se está haciendo referencia a:
a. Estabilidad
b. Complejidad
c. Serendipia
d. Robustez
Pregunta 36
Finalizado
En aprendizaje automático o patrones en reconocimiento de formas, se describen, usualmente, en términos de un conjunto infinito de
variables, propiedades o atributos.
Seleccione una:
Verdadero
Falso
Pregunta 37
Finalizado
El sesgo mide la desviación entre las predicciones de un modelo y los valores correctos que tratamos de predecir.
Seleccione una:
Verdadero
Falso
Pregunta 38
Finalizado
En una RNA nunca se consigue eliminar por completo el error en un modelo.
Seleccione una:
Verdadero
Falso
Pregunta 39
Finalizado
Si tenemos muchos datos disponibles para construir un modelo, bootstrapping nos ofrece un mecanismo para construir un conjunto de
entrenamiento del mismo tamaño que nuestro conjunto de datos original.
Seleccione una:
Verdadero
Falso
Pregunta 40
Finalizado
¿El resultado del proceso de aprendizaje en una red neuronal será un modelo?
Seleccione una:
Verdadero
Falso
Pregunta 41
Finalizado
Según las gráficas mostradas, cuál es linealmente separable.
a.
b.
c.
Pregunta 42
Finalizado
No todos los problemas de aprendizaje son problemas de clasificación, en los que se intenta predecir el valor de una variable categórica.
Seleccione una:
Verdadero
Falso
Pregunta 43
Finalizado
La probabilidad de que una muestra no sea escogida para formar parte del conjunto de entrenamiento es:
a. 70.2%
b. 95.5%
c. 36.8%
d. 63.2%
Pregunta 44
Finalizado
¿En el análisis estadístico de datos, se suele emplear la desviación típica en lugar de la varianza?
Seleccione una:
Verdadero
Falso
Pregunta 45
Finalizado
¿En un modelo de regresión, los valores asociados a x incluirán todas aquellas variables que hayamos decidido considerar en nuestro
modelo?
Seleccione una:
Verdadero
Falso
Pregunta 46
Finalizado
En una red neuronal, cuando se disponga de suficientes datos, se utilizarán para construir un modelo mediante un proceso de
entrenamiento.
Seleccione una:
Verdadero
Falso
Pregunta 47
Finalizado
¿El área que queda debajo de una curva ROC es una medida de la precisión del clasificador?
a. No
b. Si
Pregunta 48
Finalizado
Según las gráficas mostradas, cual representa un clúster
a.
b.
c.
d.
◄ red neuronal online
Ir a...
Evaluación 4 ►

2) 28 de Septiembre de 2022

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

2) 28 de Septiembre de 2022

Cargado por

Copyright:

Formatos disponibles

26/10/22, 20:50 evaluación 3-2022: Revisión del intento

Área personal / Mis cursos / INTELIGENCIA ARTIFICIAL/563169/CH/IST/612007850/801N / 28 de septiembre - 4 de octubre

Comenzado el miércoles, 28 de septiembre de 2022, 18:15

Se puntúa 1.00 sobre 1.00

La métrica más utilizada para resumir el rendimiento de un modelo de aprendizaje supervisado es

Se puntúa 1.00 sobre 1.00

Se puntúa 1.00 sobre 1.00

Un problema muy habitual en aprendizaje automático es el problema del...

a. Aprendizaje por transferencia [transfer learning]

Se puntúa 1.00 sobre 1.00

Se puntúa 1.00 sobre 1.00

Se puntúa 1.00 sobre 1.00

Se puntúa 1.00 sobre 1.00

Una matriz de contingencia también se le llama matriz de

Se puntúa 1.00 sobre 1.00

Se puntúa 1.00 sobre 1.00

Se puntúa 1.00 sobre 1.00

Se puntúa 1.00 sobre 1.00

Se puntúa 1.00 sobre 1.00

Se puntúa 1.00 sobre 1.00

Se puntúa 1.00 sobre 1.00

Cuando un muestreo aleatorio se realiza con reemplazo, se está hablando de:

Se puntúa 1.00 sobre 1.00

Se puntúa 0.00 sobre 1.00

Se puntúa 1.00 sobre 1.00

Se puntúa 0.00 sobre 1.00

Se puntúa 1.00 sobre 1.00

Se puntúa 1.00 sobre 1.00

Se puntúa 1.00 sobre 1.00

Se puntúa 1.00 sobre 1.00

Se puntúa 1.00 sobre 1.00

Se puntúa 0.00 sobre 1.00

Se puntúa 1.00 sobre 1.00

Se puntúa 1.00 sobre 1.00

Se puntúa 1.00 sobre 1.00

Las clases y predicción en una matriz de confusión cómo están ubicadas:

Se puntúa 1.00 sobre 1.00

Se puntúa 0.00 sobre 1.00

Se puntúa 1.00 sobre 1.00

Se puntúa 1.00 sobre 1.00

Se puntúa 1.00 sobre 1.00

Se puntúa 1.00 sobre 1.00

Se puntúa 0.00 sobre 1.00

Se puntúa 1.00 sobre 1.00

Se puntúa 0.00 sobre 1.00

Se puntúa 1.00 sobre 1.00

Se puntúa 1.00 sobre 1.00

En una RNA nunca se consigue eliminar por completo el error en un modelo.

Se puntúa 0.00 sobre 1.00

Se puntúa 1.00 sobre 1.00

Se puntúa 1.00 sobre 1.00

Según las gráficas mostradas, cuál es linealmente separable.

Se puntúa 1.00 sobre 1.00

Se puntúa 1.00 sobre 1.00

Se puntúa 0.00 sobre 1.00

Se puntúa 0.00 sobre 1.00

Se puntúa 1.00 sobre 1.00

Se puntúa 1.00 sobre 1.00

Se puntúa 0.00 sobre 1.00

Según las gráficas mostradas, cual representa un clúster

◄ red neuronal online

También podría gustarte