Algoritmos de Aprendizaje Automático: Cuestionarios y Ejercicios

Question 1

¿Cuál de los siguientes elementos NO se clasifica como un tipo de algoritmo de aprendizaje automático?

Accepted Answer

Algoritmo genético

Answer

Árboles de decisión

Answer

Redes neuronales

Answer

Máquinas de vectores de soporte

Question 2

¿Qué tipo de algoritmo de aprendizaje automático supervisado entrena un modelo para predecir valores continuos?

Accepted Answer

Regresión lineal

Answer

Clustering

Answer

Análisis de componentes principales

Answer

Redes neuronales convolucionales

Question 3

¿Cuál de los siguientes es un algoritmo de aprendizaje automático no supervisado?

Accepted Answer

Agrupamiento K-means

Answer

Árboles de decisión

Answer

Redes neuronales artificiales

Answer

Máquinas de vectores de soporte

Question 4

Entre los siguientes, ¿cuál NO es un tipo común de algoritmo de aprendizaje automático?

Accepted Answer

Algoritmos genéticos

Answer

Árboles de decisión

Answer

Redes neuronales

Answer

Máquinas de vectores de soporte

Question 5

En el aprendizaje automático, ¿qué técnica implica dividir un conjunto de datos en subconjuntos más pequeños para entrenar y evaluar los algoritmos?

Accepted Answer

Validación cruzada

Answer

Optimización de hiperparámetros

Answer

Regularización

Answer

Selección de características

Question 6

En el aprendizaje automático supervisado, ¿qué tipo de datos se utilizan para entrenar los algoritmos?

Accepted Answer

Datos etiquetados

Answer

Datos no etiquetados

Answer

Datos estructurados

Answer

Datos de series temporales

Question 7

¿Cuál es una ventaja de utilizar árboles de decisión en el aprendizaje automático?

Accepted Answer

Alta interpretabilidad

Answer

Manejo de datos no lineales

Answer

Resistencia al sobreajuste

Answer

No requiere un gran conjunto de datos para entrenar

Question 8

En el aprendizaje automático, ¿cómo se denomina el proceso de ajuste de los hiperparámetros de un algoritmo?

Accepted Answer

Optimización de hiperparámetres

Answer

Regularización

Answer

Validación de modelos

Answer

Selección de características

Question 9

En el aprendizaje automático, ¿qué tipo se utiliza cuando el algoritmo debe determinar la salida deseada sin datos de salida definidos?

Accepted Answer

Aprendizaje no supervisado

Answer

Aprendizaje supervisado

Answer

Aprendizaje por refuerzo

Answer

Aprendizaje automático

Question 10

¿Cuál de las siguientes NO es una ventaja de las redes neuronales?

Accepted Answer

Interpretabilidad

Answer

Alta capacidad de representación

Answer

Aprendizaje sin supervisión

Answer

Sensibilidad a los datos de entrada

Question 11

La función de pérdida utilizada para entrenar máquinas de vectores de soporte se denomina __________.

Accepted Answer

Distancia de margen

Answer

Error cuadrático medio

Answer

Entropía cruzada

Answer

Precisión

Question 12

En el contexto del aprendizaje automático, ¿qué significa el término 'sobreajuste'? Cuando:

Accepted Answer

El modelo se adapta demasiado a los datos de entrenamiento y no generaliza bien a nuevos datos.

Answer

El modelo no es lo suficientemente complejo y no puede capturar la complejidad de los datos.

Answer

El modelo es demasiado simple y hace predicciones muy generales.

Answer

El modelo es demasiado lento para entrenar.

Question 13

En el procesamiento del lenguaje natural, ¿qué técnica se utiliza para convertir texto en una representación numérica?

Accepted Answer

Vectorización

Answer

Tokenización

Answer

Stemming

Answer

Normalización

Question 14

¿Cuál NO es un beneficio de utilizar el aprendizaje automático en la toma de decisiones?

Accepted Answer

Disminución de la precisión de las predicciones.

Answer

Automatización de tareas repetitivas.

Answer

Identificación de patrones complejos.

Answer

Mejora de la eficiencia.

Question 15

¿Cuál de los siguientes NO es un algoritmo de aprendizaje automático supervisado?

Accepted Answer

Aprendizaje por refuerzo

Answer

Árboles de decisión

Answer

Redes neuronales

Answer

Máquinas de vectores de soporte

Question 16

Identifica la fortaleza principal de los árboles de decisión:

Accepted Answer

Interpretabilidad y transparencia

Answer

Precisión excepcional

Answer

Escalabilidad a conjuntos de datos masivos

Answer

Manejo eficiente de datos faltantes

Question 17

¿Qué tipo de red neuronal se especializa en procesar secuencias de datos?

Accepted Answer

Red neuronal recurrente

Answer

Red neuronal convolucional

Answer

Red neuronal autocodificadora

Answer

Red neuronal de retropropagación

Question 18

Selecciona el kernel utilizado en las máquinas de vectores de soporte que mapea los datos a un espacio de dimensión infinita:

Accepted Answer

Kernel gaussiano

Answer

Kernel lineal

Answer

Kernel polinomial

Answer

Kernel sigmoidal

Question 19

¿Cuál de los siguientes es un beneficio del aprendizaje automático no supervisado?

Accepted Answer

Identificación de patrones y estructuras ocultas

Answer

Predicción precisa de valores continuos

Answer

Clasificación de datos en categorías definidas

Answer

Generación de nuevas muestras de datos

Question 20

Identifica la métrica de evaluación que mide la proporción de predicciones correctas en un conjunto de datos de prueba:

Accepted Answer

Precisión

Answer

Sensibilidad

Answer

Especificidad

Answer

Área bajo la curva ROC

Question 21

Selecciona la aplicación que utiliza algoritmos de aprendizaje automático para traducir texto de un idioma a otro:

Accepted Answer

Procesamiento del lenguaje natural

Answer

Visión artificial

Answer

Reconocimiento de voz

Answer

Análisis de sentimientos

Question 22

Indica el proceso utilizado para mejorar el rendimiento de un modelo de aprendizaje automático mediante la optimización de sus parámetros:

Accepted Answer

Entrenamiento

Answer

Validación

Answer

Evaluación

Answer

Implementación

Question 23

¿Cuáles de las siguientes afirmaciones sobre consideraciones éticas en el aprendizaje automático son ciertas?

Accepted Answer

Los desarrolladores de aprendizaje automático son responsables de abordar los problemas éticos en sus sistemas.

Answer

El aprendizaje automático es siempre justo e imparcial.

Answer

Los sistemas de aprendizaje automático solo deben utilizarse para fines beneficiosos.

Answer

La regulación gubernamental no es necesaria para el uso ético del aprendizaje automático.

Question 24

¿Cuál de las siguientes métricas NO es adecuada para evaluar un modelo de clasificación?

Accepted Answer

Error cuadrático medio

Answer

Precisión

Answer

Precisión

Answer

Desviación estándar

Question 25

La capacidad de un algoritmo de aprendizaje automático para aprender y generalizar patrones complejos se conoce como:

Accepted Answer

Generalización

Answer

Capacitación

Answer

Precisión

Answer

Sesgo

Question 26

¿Qué tipo de algoritmo de aprendizaje automático es capaz de manejar datos no lineales?

Accepted Answer

Redes neuronales

Answer

Máquinas de vectores de soporte

Answer

Árboles de decisión

Answer

Regresión lineal

Question 27

En un árbol de decisión, ¿qué tipo de nodo representa una pregunta que debe responderse?

Accepted Answer

Nodo interno

Answer

Nodo raíz

Answer

Nodo hoja

Answer

Nodo terminal

Question 28

¿Qué métrica es comúnmente utilizada para medir el desempeño de los algoritmos de regresión?

Accepted Answer

Error cuadrático medio

Answer

Precisión

Answer

Sensibilidad

Question 29

¿Qué algoritmo de aprendizaje automático se utiliza principalmente para tareas de agrupamiento?

Accepted Answer

K-Means

Answer

Máquina de Boltzmann restringida

Answer

Perceptrón

Answer

Regresión logística

Question 30

¿Cuál es uno de los beneficios de usar redes neuronales profundas?

Accepted Answer

Capacidad para aprender características complejas

Answer

Alta interpretabilidad

Answer

Menor coste computacional

Answer

Robustez a los datos ruidosos

Question 31

¿Qué proceso implica dividir un conjunto de datos en conjuntos de entrenamiento, validación y prueba?

Accepted Answer

División de conjuntos

Answer

Normalización

Answer

Imputación

Answer

Escalado

Question 32

¿Qué tipo de aprendizaje automático se caracteriza por entrenar el modelo sin supervisión humana?

Accepted Answer

Aprendizaje no supervisado

Answer

Aprendizaje semi-supervisado

Answer

Aprendizaje supervisado

Answer

Aprendizaje por refuerzo

Question 33

¿Cuál de los siguientes NO es un tipo de algoritmo de aprendizaje automático?

Accepted Answer

Programación dirigida por eventos

Answer

Máquinas de vectores de soporte

Answer

Redes neuronales

Answer

Árboles de decisión

Question 34

¿Cuál de las siguientes es una ventaja de los árboles de decisión?

Accepted Answer

Proporcionan una representación visual clara

Answer

Pueden manejar solo datos numéricos

Answer

Son inmunes al sobreajuste

Answer

Son muy precisos para conjuntos de datos grandes

Question 35

¿Cuál es el propósito principal de la capa oculta en una red neuronal?

Accepted Answer

Extraer características abstractas de los datos

Answer

Almacenar los parámetros del modelo

Answer

Hacer predicciones finales

Answer

Regularizar el modelo para evitar el sobreajuste

Question 36

¿Cuál es la principal diferencia entre el aprendizaje supervisado y el no supervisado?

Accepted Answer

En el aprendizaje supervisado, los datos de entrenamiento están etiquetados, mientras que en el no supervisado no.

Answer

El aprendizaje supervisado se utiliza para tareas de clasificación, mientras que el no supervisado se utiliza para tareas de agrupación.

Answer

En el aprendizaje supervisado, el modelo aprende una función de mapeo, mientras que en el no supervisado, aprende patrones en los datos.

Answer

Los algoritmos de aprendizaje supervisado son más precisos que los de aprendizaje no supervisado.

Question 37

¿Qué es la regularización en el aprendizaje automático?

Accepted Answer

Un conjunto de técnicas para prevenir el sobreajuste y mejorar la generalización

Answer

Una forma de seleccionar las características más importantes

Answer

Una estrategia para evitar el desajuste de los datos

Answer

Un método para acelerar el proceso de entrenamiento

Question 38

¿Cuál es el objetivo principal del aprendizaje automático?

Accepted Answer

Permitir que los ordenadores aprendan de los datos sin programación explícita

Answer

Reemplazar a los humanos en tareas cognitivas

Answer

Mejorar la eficiencia de los sistemas informáticos

Answer

Automatizar tareas repetitivas

Question 39

¿Cuál es el papel de un científico de datos en el aprendizaje automático?

Accepted Answer

Preparar datos, seleccionar modelos, entrenarlos y evaluar su rendimiento

Answer

Implementar y mantener sistemas de aprendizaje automático

Answer

Supervisar y optimizar el rendimiento de los modelos en producción

Answer

Diseñar y desarrollar nuevos algoritmos de aprendizaje automático

Question 40

¿Qué algoritmo de aprendizaje automático es conocido por su capacidad de aprender patrones complejos?

Accepted Answer

Redes neuronales

Answer

Máquinas de vectores de soporte

Answer

Clustering K-means

Answer

Árboles de decisión

Question 41

¿Cuál de los siguientes es un tipo de algoritmo de aprendizaje automático no supervisado?

Accepted Answer

Clustering K-means

Answer

Máquinas de vectores de soporte

Answer

Árbol de decisión

Answer

Regresión lineal

Question 42

¿Qué métrica se utiliza para medir el rendimiento de un algoritmo de aprendizaje automático de regresión?

Accepted Answer

Coeficiente de correlación

Answer

Distancia euclidiana

Answer

Varianza

Answer

Precisión

Question 43

¿Qué tipo de datos se utilizan para evaluar el rendimiento de un algoritmo de aprendizaje automático?

Accepted Answer

Datos de prueba

Answer

Datos de entrenamiento

Answer

Datos sin procesar

Question 44

¿Cómo se conoce al fenómeno en el que un modelo de aprendizaje automático es demasiado específico para los datos de entrenamiento?

Accepted Answer

Sobreajuste

Answer

Subajuste

Answer

Generalización deficiente

Question 45

¿Qué tipo de aprendizaje automático utiliza grandes cantidades de datos y redes neuronales con muchas capas?

Accepted Answer

Aprendizaje profundo

Answer

Aprendizaje automático tradicional

Answer

Aprendizaje por refuerzo

Question 46

¿Cuál de los siguientes es un ejemplo de aplicación del aprendizaje automático en la industria médica?

Accepted Answer

Diagnóstico de enfermedades

Answer

Diseño de automóviles

Answer

Predicción de ventas

Question 47

¿Qué técnica se utiliza para reducir la dimensionalidad de los datos en el aprendizaje automático?

Accepted Answer

Análisis de componentes principales

Answer

Regresión lineal

Answer

Clustering

Question 48

¿Cuál de las siguientes funciones de activación se utiliza habitualmente en las redes neuronales?

Accepted Answer

Función sigmoide

Answer

Función gaussiana

Answer

Función parabólica

Answer

Función lineal

Question 49

¿Qué tipo de algoritmo de aprendizaje automático es más adecuado para clasificar imágenes?

Accepted Answer

Red neuronal convolucional

Answer

Regresión logística

Answer

Máquina de vectores de soporte

Answer

Árbol de decisión

Question 50

En el contexto del aprendizaje automático, ¿qué se entiende por 'sobreajuste'?

Accepted Answer

Cuando un modelo funciona bien en los datos de entrenamiento pero mal en datos nuevos.

Answer

Cuando un modelo es demasiado complejo y requiere demasiados datos de entrenamiento.

Answer

Cuando un modelo no es capaz de aprender de los datos de entrenamiento.

Question 51

En una red neuronal, ¿qué es una capa oculta?

Accepted Answer

Una capa intermedia entre la capa de entrada y la capa de salida.

Answer

La primera capa de la red.

Answer

La última capa de la red.

Question 52

¿Cuál es la métrica de evaluación más adecuada para un problema de clasificación binaria?

Accepted Answer

Precisión

Answer

Coeficiente de correlación

Answer

Error absoluto medio

Answer

R cuadrado

Question 53

¿Qué técnica de reducción de dimensionalidad convierte datos de alta dimensión en datos de baja dimensión sin perder información significativa?

Accepted Answer

Análisis de componentes principales (PCA)

Answer

Escalado

Answer

Normalización

Answer

Discretización

Question 54

¿Cuál de las siguientes afirmaciones sobre el aprendizaje automático es FALSA?

Accepted Answer

El aprendizaje automático siempre garantiza resultados precisos.

Answer

El aprendizaje automático puede ayudar a identificar patrones complejos en los datos.

Answer

El aprendizaje automático puede automatizar tareas tediosas y repetitivas.