IA IBM QUIZ CLASE 5
1.- Los estadísticos a menudo se refieren a "permitir algún sesgo a cambio de reducir la varianza".
¿Cuál de los siguientes representa a qué se refieren los estadísticos?
Selecciona una alternativa:
a) A diferencia de la regresión, las predicciones de machine learning pueden ser de trabajo en
promedio, pero cuando las predicciones fallan, a menudo no fallan por mucho
b) La regresión toma los datos y trata de encontrar el resultado que minimiza los errores de
predicción, maximizando lo que se llama bondad de ajuste
c) Ser precisamente perfecto en promedio puede significar estar realmente equivocado cada vez
d) todas las anteriores
2.- El bloque de construcción básico en una red neuronal se denomina perceptrón. ¿Cuál de los
siguientes describe mejor el papel del perceptrón?
Selecciona una alternativa:
a)Está diseñado para mitigar el sesgo
b) Está diseñado para evitar el mínimo local
c) Toma una entrada y produce un valor de salida que se rige por una función de activación
d) Realiza el algoritmo de retropropagación
3.- Dado que el eje X (variable independiente) contiene el área en pies cuadrados de horas, y el eje
Y contiene el precio de venta correspondiente de esas casas, ¿cuál de los siguientes enfoques
usaría para predecir los precios de la vivienda a medida que aumentan los pies cuadrados?
Selecciona una alternativa:
a) Regresión lineal
b) Regresión logística
c) Operación Sigmoid
d) Clasificación
4.- ¿Cuál de las siguientes afirmaciones explica mejor la explosión de datos en los últimos años?
Selecciona una alternativa:
a) Proliferación de datos no estructurado
b) Hardware más rápido y eficiente
c) Sensores e instrumentos ubicuos en la sociedad
d) Todas las alternativas
5.- ¿Cuál de los siguientes caracteriza la diferencia entre una regresión lineal y logística?
Selecciona una alternativa:
a) En la regresión lineal, el resultado (variable dependiente) es continuo. Puede tener cualquiera
de un número infinito de valores posibles
b) En la regresión logística, el resultado (variable dependiente) tiene sólo un número limitado de
valores posibles.
c) La regresión lineal generalmente se resuelve minimizando el error de mínimos cuadrados del
modelo a los datos, por lo tanto, los errores grandes se penalizan cuadráticamente.
d) todas las anteriores
6.- El entrenamiento de una red neuronal a menudo se caracteriza por:
Selecciona una alternativa:
a) Ingesta de más datos
b) Uso de estadísticas de referencia
c) Minimizar la función de costo
d) Encontrar el mínimo global
7.- ¿Cuál de las siguientes afirmaciones es cierta de Scholastic Gradient Descent (SDG)?
Selecciona una alternativa:
a) SDG es ampliamente utilizado para el entrenamiento de conjuntos de datos más grandes, es
computacionalmente más rápido y se puede entrenar en paralelo
b) Necesidad de barajar aleatoriamente los ejemplos de entrenamiento antes de calcularlo
c) SDG también se utilizan para la regresión lineal
d) Todas las anteriores
8.- El aprendizaje supervisado tiene muchas ventajas. ¿Cuáles de las siguientes pueden ser algunas
deficiencias del aprendizaje supervisado?
Selecciona una alternativa:
a) Requiere grandes cantidades de datos
b) Etiquetar los datos es arduo y costoso
c) No se utilizan mucho en los últimos tiempos
d) La agrupación es difícil en el aprendizaje supervisado
9.- Los árboles de decisión, las máquinas de vectores de soporte y los teoremas de Bayes son
técnicas diferentes para resolver un problema _________
Selecciona una alternativa:
a) Regresión
b) Agrupamiento
c) Clasificación
d) Refuerzo
10.- Si el sistema de calificación era tal que sus calificaciones se presentaban como A, A-, B +, B y
así sucesivamente (cada uno abarcando un rango de números, por ejemplo, A es cualquier cosa
desde 93 hasta un máximo de 100), ¿cuál de los siguientes será el enfoque apropiado para su
análisis de datos?
Selecciona una alternativa:
a) Problema de regresión
b)Problema de clasificación
c)Problema de agrupación en clústeres
d) Aprendizaje no supervisado
11.- ¿Cómo se llama esta curva?
Selecciona una alternativa:
a)Tangente parabólica
b)Suma de errores al cuadrado
c)Mínimos cuadrados ordinarios
d)Operación sigmoidea
12.- El aprendizaje automático se ocupa del problema de extraer características de los datos para
resolver diferentes tareas predictivas. ¿Cuáles de los siguientes son ejemplos relevantes?
a) Previsión (por ejemplo, predicción de la demanda de energía, finanzas)
b) Imputar datos faltantes (por ejemplo, recomendaciones de Netflix)
c) Detección de anomalías (por ejemplo, seguridad, fraude, mutaciones de virus)
d) Todas las anteriores
13.- Cuál de los siguientes algoritmos se utiliza para el aprendizaje supervisado?
Selecciona una alternativa:
a) Agrupamiento
b) Máquinas de vectores de soporte
c) Modelo oculto de Markov
d) Mezcla gaussiana
14.- Cuando piensas en una Plataforma como Servicio (PaaS), ¿te viene a la mente lo siguiente?
Selecciona una respuesta:
a)Microsoft Azure
b)Amazon AWS
c)IBM Cloud
d)Todas las anteriores
15.- Los derivados y las integrales se utilizan a menudo con algoritmos de aprendizaje automático.
Dado que las derivadas e integrales son opuestas entre sí, y dado que medimos el área de
superficie bajo una curva por integrales, ¿qué miden las derivadas?
Selecciona una alternativa:
A)pendiente
b) coeficiente
c) exactitud
d) atipicos
