Aprendizaje automático supervisado: cuestionarios y ejercicios interactivos

Question 1

¿Cuáles de los siguientes NO es un tipo de aprendizaje supervisado?

Accepted Answer

Clustering

Answer

Clasificación

Answer

Regresión

Question 2

¿Qué algoritmo de aprendizaje supervisado se utiliza principalmente para predecir valores continuos?

Accepted Answer

Regresión lineal

Answer

Regresión logística

Answer

Árboles de decisión

Question 3

¿Qué tipo de función utiliza la regresión logística?

Accepted Answer

Sigmoidal

Answer

Lineal

Answer

Cuadrática

Question 4

¿Cuál de los siguientes es un ejemplo de algoritmo de aprendizaje supervisado utilizado para tareas de clasificación?

Accepted Answer

Árbol de decisión

Answer

Autocodificador

Answer

PCA

Answer

K-Means

Question 5

¿Cuál de las siguientes métricas de evaluación mide la proporción de verdaderos negativos entre todos los casos negativos?

Accepted Answer

Especificidad

Answer

Precisión

Answer

Exactitud

Answer

Sensibilidad

Question 6

¿Cuál de los siguientes es una ventaja del aprendizaje automático supervisado?

Accepted Answer

Puede automatizar tareas que requieren experiencia humana.

Answer

Siempre es más preciso que el aprendizaje no supervisado.

Answer

No requiere una gran cantidad de datos de entrenamiento.

Answer

Puede manejar datos con ruido y valores perdidos.

Question 7

¿Qué concepto se refiere a la capacidad de un modelo de aprendizaje automático para funcionar bien en datos desconocidos?

Accepted Answer

Generalización

Answer

Especialización

Answer

Sobreajuste

Answer

Subajuste

Question 8

¿Cuál de las siguientes afirmaciones sobre las limitaciones del aprendizaje automático supervisado es VERDADERA?

Accepted Answer

Puede ser sensible al ruido y los valores perdidos en los datos de entrenamiento.

Answer

Siempre es más computacionalmente costoso que el aprendizaje no supervisado.

Answer

No puede manejar datos de alta dimensión.

Answer

Es difícil de implementar y mantener.

Question 9

¿Cuál de los siguientes es un ejemplo de una tarea de regresión supervisada?

Accepted Answer

Predecir el precio de una casa en función de sus características.

Answer

Reducir la dimensionalidad de una imagen.

Answer

Agrupar clientes en función de sus hábitos de compra.

Answer

Detectar anomalías en los datos del sensor.

Question 10

¿Qué tipo de datos se utilizan en el aprendizaje automático supervisado?

Accepted Answer

Etiquetados

Answer

Semiestructurados

Answer

No estructurados

Answer

No etiquetados

Question 11

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

Accepted Answer

Agrupación

Answer

Regresión logística

Answer

Árboles de decisión

Answer

Redes neuronales

Question 12

¿Qué tipo de aprendizaje supervisado se utiliza para predecir un valor continuo?

Accepted Answer

Regresión

Answer

Clasificación

Answer

Agrupación

Answer

Detección de anomalías

Question 13

¿Qué algoritmo de aprendizaje supervisado se utiliza para crear modelos complejos combinando varios árboles de decisión?

Accepted Answer

Bosque aleatorio

Answer

Red neuronal convolucional

Answer

Regresión logística

Answer

Máquina de vectores de soporte

Question 14

¿Qué técnica se utiliza para transformar y seleccionar características para mejorar el rendimiento de los algoritmos de aprendizaje supervisado?

Accepted Answer

Ingeniería de características

Answer

Discretización

Answer

Escalamiento

Answer

Normalización

Question 15

¿Qué tipo de aprendizaje supervisado se utiliza para identificar patrones inusuales o anómalos en los datos?

Accepted Answer

Detección de anomalías

Answer

Clasificación

Answer

Regresión

Question 16

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

Accepted Answer

Aprendizaje por refuerzo

Answer

Regresión

Answer

Detección de anomalías

Answer

Clasificación

Question 17

¿Qué algoritmo de aprendizaje automático supervisado se utiliza generalmente para predecir valores continuos?

Accepted Answer

Regresión lineal

Answer

Máquinas de vectores de soporte

Answer

Redes neuronales convolucionales

Answer

Árboles de decisión

Question 18

¿Qué técnica de preparación de datos se utiliza para manejar datos faltantes?

Accepted Answer

Imputación

Answer

Normalización

Answer

Escalado

Answer

Codificación One-Hot

Question 19

En el aprendizaje automático supervisado, ¿qué proceso implica dividir aleatoriamente el conjunto de datos en subconjuntos para entrenar y evaluar el modelo?

Accepted Answer

Validación cruzada

Answer

Regularización

Answer

Submuestreo

Answer

Sobremuestreo

Question 20

¿Cuál de los siguientes no es un desafío común en el aprendizaje automático supervisado?

Accepted Answer

Abundancia de datos

Answer

Desequilibrio de clases

Answer

Sobreajuste

Answer

Sesgo

Question 21

¿Qué técnica se utiliza para mejorar el rendimiento del modelo al reducir la complejidad del mismo?

Accepted Answer

Regularización

Answer

Normalización

Answer

Imputación

Answer

Validación cruzada

Question 22

En el aprendizaje automático supervisado, ¿qué término se refiere a la diferencia entre el rendimiento del modelo en el conjunto de entrenamiento y su rendimiento en datos reales?

Accepted Answer

Brecha de generalización

Answer

Sesgo

Answer

Sobreajuste

Answer

Subajuste

Question 23

¿Cuál de los siguientes es un ejemplo de un conjunto de datos adecuado para el aprendizaje automático supervisado?

Accepted Answer

Conjunto de datos de transacciones con etiquetas de fraude

Answer

Conjunto de datos de audio con ruido de fondo

Answer

Conjunto de datos de imágenes sin metadatos

Answer

Conjunto de datos de texto no estructurado

Question 24

¿Qué tipo de datos se utilizan en el aprendizaje automático supervisado?

Accepted Answer

Datos etiquetados

Answer

Datos no etiquetados

Answer

Datos de transmisión

Answer

Datos semiestructurados

Question 25

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

Accepted Answer

La presencia de etiquetas en los datos de entrenamiento

Answer

El objetivo del algoritmo

Answer

La complejidad del modelo

Answer

El tipo de algoritmo utilizado

Question 26

¿Qué técnica se utiliza para evaluar el rendimiento de un modelo de aprendizaje automático supervisado?

Accepted Answer

Validación cruzada

Answer

Sobremuestreo

Answer

Bagging

Answer

Submuestreo

Question 27

¿Cuál de los siguientes es un beneficio del aprendizaje automático supervisado?

Accepted Answer

Alta precisión para tareas específicas

Answer

Robustez a datos ruidosos

Answer

Descubrimiento automático de patrones

Answer

Aprendizaje a partir de datos no etiquetados

Question 28

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

Accepted Answer

Clustering

Answer

Árboles de decisión

Answer

Máquinas de vectores de soporte (SVM)

Answer

Regresión lineal

Question 29

En el aprendizaje supervisado, ¿con qué se etiquetan los datos de entrenamiento?

Accepted Answer

Valores objetivo

Answer

Valores de características

Answer

Valores perdidos

Answer

Valores aleatorios

Question 30

¿Cuál es una medida de evaluación comúnmente utilizada para modelos de aprendizaje supervisado?

Accepted Answer

Precisión

Answer

Complejidad del modelo

Answer

Coste computacional

Answer

Coherencia

Question 31

El aprendizaje supervisado se puede utilizar para abordar problemas de:

Accepted Answer

Clasificación y regresión

Answer

Solo clasificación

Answer

Agrupación y segmentación

Answer

Solo regresión

Question 32

¿Cuál es el propósito de un modelo aprendido en el aprendizaje supervisado?

Accepted Answer

Predecir valores objetivo en nuevos datos

Answer

Detectar anomalías

Answer

Generar nuevos datos

Answer

Reducir la dimensionalidad de los datos

Question 33

¿Cuál es una ventaja del aprendizaje supervisado?

Accepted Answer

Alta precisión en tareas específicas

Answer

Interpretabilidad intrínseca

Answer

Siempre encuentra la solución óptima

Answer

No requiere datos etiquetados

Question 34

En el aprendizaje supervisado, ¿a qué puede conducir el sobreajuste?

Accepted Answer

Bajo rendimiento en nuevos datos

Answer

Modelos más interpretables

Answer

Mayor precisión en los datos de entrenamiento

Answer

Costes computacionales reducidos

Question 35

¿Cuál es el objetivo de utilizar técnicas de regularización en el aprendizaje supervisado?

Accepted Answer

Evitar el sobreajuste

Answer

Reducir el tiempo de entrenamiento

Answer

Aumentar la complejidad del modelo

Answer

Mejorar la interpretabilidad

Question 36

En el aprendizaje semi-supervisado, ¿cómo son los datos de entrenamiento?

Accepted Answer

Tienen etiquetas parciales o ruidosas

Answer

No tienen etiquetas

Answer

Tienen solo etiquetas positivas

Answer

Tienen solo etiquetas negativas

Question 37

¿Qué tipo de algoritmo de aprendizaje supervisado predice un valor continuo?

Accepted Answer

Algoritmos de Regresión

Answer

Algoritmos de Clustering

Answer

Algoritmos de Clasificación

Answer

Algoritmos de Detección de Anomalías

Question 38

¿Cuál de los siguientes algoritmos es un clasificador lineal común?

Accepted Answer

Regresión Logística

Answer

Máquinas de Soporte Vectorial

Answer

Árboles de Decisión

Answer

Redes Neuronales

Question 39

En el contexto del aprendizaje supervisado, ¿qué representan los datos etiquetados?

Accepted Answer

Datos con etiquetas que contienen la clase o valor conocido

Answer

Datos que se han dividido en conjuntos de entrenamiento y prueba

Answer

Datos que han sido preprocesados y normalizados

Question 40

¿Qué métrica NO se utiliza normalmente para evaluar modelos de clasificación?

Accepted Answer

Coeficiente de Correlación

Answer

Sensibilidad

Answer

Precisión

Answer

Recuerdo

Question 41

¿Cuál es la diferencia clave entre la clasificación binaria y multiclase?

Accepted Answer

La clasificación binaria predice dos clases, mientras que la multiclase predice más de dos clases.

Answer

La clasificación binaria utiliza datos etiquetados, mientras que la multiclase utiliza datos no etiquetados

Question 42

¿Qué método se utiliza para normalizar los datos antes de utilizarlos para entrenar modelos de aprendizaje supervisado?

Accepted Answer

Escalado

Answer

Transformación Logarítmica

Answer

Codificación One-Hot

Answer

Discretización

Question 43

¿Cuál de las siguientes afirmaciones es una ventaja del aprendizaje supervisado?

Accepted Answer

Puede aprender a partir de datos etiquetados y generar predicciones precisas

Answer

Es fácil interpretar los modelos aprendidos

Answer

Funciona bien con pequeñas cantidades de datos

Question 44

¿Qué métrica se utiliza principalmente para evaluar la precisión de los modelos de regresión?

Accepted Answer

Error Cuadrático Medio

Answer

Puntaje F1

Answer

Precisión

Answer

Sensibilidad

Question 45

¿Cuál de los siguientes NO es un tipo de aprendizaje supervisado?

Accepted Answer

Aprendizaje no supervisado

Answer

Regresión

Answer

Clasificación

Question 46

En el aprendizaje automático supervisado, ¿cuál es el principal objetivo del conjunto de entrenamiento?

Accepted Answer

Proporcionar ejemplos etiquetados para guiar el proceso de aprendizaje del modelo

Answer

Evaluar el rendimiento del modelo entrenado

Answer

Almacenar datos no etiquetados para su uso futuro

Question 47

¿Cuál de los siguientes es un beneficio clave del aprendizaje supervisado?

Accepted Answer

Capacidad para generalizar y hacer predicciones precisas a partir de nuevos datos

Answer

Aplicabilidad universal a todos los tipos de problemas

Answer

Interpretabilidad inherente de los modelos

Answer

Bajo coste de implementación

Question 48

En el contexto del aprendizaje supervisado, ¿qué función desempeña la variable de respuesta?

Accepted Answer

Representa el valor que el modelo intenta predecir

Answer

Evalúa el rendimiento del modelo

Answer

Caracteriza los datos de entrada

Answer

Controla el proceso de aprendizaje

Question 49

¿Cuál de las siguientes NO es una tarea típica del aprendizaje automático supervisado?

Accepted Answer

Agrupamiento (Clustering)

Answer

Detección de transacciones fraudulentas

Answer

Predicción del precio de una vivienda

Answer

Clasificación de imágenes

Question 50

¿Qué algoritmo de aprendizaje automático se utiliza tanto para tareas de clasificación como de regresión?

Accepted Answer

Máquinas de soporte vectorial (SVM)

Answer

Análisis de componentes principales (PCA)

Answer

K-medias (K-means)

Answer

Apriori

Question 51

En el aprendizaje automático supervisado, ¿cómo se denomina el conjunto de datos utilizado para evaluar el rendimiento final del modelo?

Accepted Answer

Conjunto de prueba

Answer

Conjunto de entrenamiento

Answer

Conjunto de validación

Answer

Conjunto de desarrollo

Question 52

¿Cuál de las siguientes opciones NO es una ventaja común del aprendizaje automático supervisado?

Accepted Answer

Siempre encuentra la solución óptima

Answer

Permite realizar predicciones a partir de datos

Answer

Puede identificar patrones complejos en los datos

Answer

Puede automatizar la toma de decisiones

Question 53

En una tarea de clasificación binaria, ¿qué métrica se utiliza comúnmente para evaluar el rendimiento del modelo?

Accepted Answer

Precisión (Accuracy)

Answer

Error cuadrático medio (MSE)

Answer

Puntuación R²

Answer

Silueta

Question 54

¿Cuál de las siguientes técnicas se utiliza para reducir el sobreajuste en el aprendizaje automático supervisado?

Accepted Answer

Regularización

Answer

Aumento de datos (Data augmentation)

Answer

Normalización de características

Answer

Análisis de componentes principales (PCA)

Question 55

En el aprendizaje automático supervisado, ¿cuál es el papel de los datos etiquetados?

Accepted Answer

Proporcionar la respuesta correcta para cada ejemplo de entrenamiento

Answer

Generar nuevos datos para entrenar el modelo

Answer

Identificar patrones ocultos en los datos

Answer

Validar la precisión del modelo entrenado

Question 56

¿Cuál es el objetivo principal de la validación cruzada (Cross-validation) en el aprendizaje automático supervisado?

Accepted Answer

Estimar el rendimiento del modelo en datos no vistos durante el entrenamiento

Answer

Visualizar la relación entre las características y la variable objetivo

Answer

Seleccionar el mejor conjunto de hiperparámetros para el modelo

Answer

Identificar y manejar valores atípicos en los datos

Question 57

En el contexto de la detección de anomalías, ¿qué se considera una anomalía?

Accepted Answer

Un patrón o dato que se desvía significativamente del comportamiento esperado

Answer

Una característica irrelevante para el problema en cuestión

Answer

Un punto de datos que pertenece a la clase mayoritaria

Answer

Un valor numérico dentro de un rango predefinido