Aprendizaje automático (ML): Cuestionarios interactivos para estudiantes

Question 1

¿Qué tipo de algoritmo de aprendizaje automático utiliza datos etiquetados para predecir resultados?

Accepted Answer

Supervisado

Answer

No supervisado

Answer

Semi-supervisado

Answer

Reforzado

Question 2

¿Cuál es el proceso correcto para entrenar y evaluar un algoritmo de aprendizaje automático?

Accepted Answer

Entrenar el algoritmo con un conjunto de datos y evaluarlo con otro diferente

Answer

Usar el mismo conjunto de datos para entrenar y evaluar el algoritmo

Answer

Entrenar el algoritmo con un conjunto de datos pequeño y evaluarlo con uno más grande

Answer

Evaluar el algoritmo sin entrenarlo primero

Question 3

¿Cuál de los siguientes es un ejemplo de algoritmo de aprendizaje no supervisado que ayuda a descubrir patrones ocultos en los datos?

Accepted Answer

Clustering jerárquico

Answer

Árboles de decisión

Answer

Regresión lineal

Answer

Redes neuronales

Question 4

De acuerdo con su definición estándar, ¿cuál es el objetivo principal del aprendizaje automático (ML)?

Accepted Answer

Entrenar computadoras para realizar tareas sin instrucciones explícitas

Answer

Enseñar a las computadoras a comprender el lenguaje natural

Answer

Crear sistemas que imiten el comportamiento humano

Answer

Mejorar la eficiencia de los programas de software

Question 5

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

Accepted Answer

K-medias

Answer

Regresión lineal

Answer

Árboles de decisión

Answer

Clasificación Bayesiana ingenua

Question 6

En un sistema de aprendizaje automático supervisado, ¿cuál es el propósito de los datos etiquetados?

Accepted Answer

Entrenar el modelo para aprender patrones

Answer

Evaluar la precisión del modelo

Answer

Aumentar el tamaño del conjunto de datos

Answer

Mejorar la velocidad de procesamiento

Question 7

En un contexto de aprendizaje automático no supervisado, ¿cuál es el objetivo principal?

Accepted Answer

Identificar patrones y estructuras en datos no etiquetados

Answer

Predecir resultados futuros

Answer

Clasificar datos en categorías

Answer

Generar nuevos datos

Question 8

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

Accepted Answer

Análisis de componentes principales (PCA)

Answer

Regresión logística

Answer

K-medias

Answer

Redes neuronales

Question 9

¿Qué característica NO corresponde al aprendizaje automático (ML)?

Accepted Answer

Precisión y fiabilidad absolutas

Answer

Capacidad de aprender patrones a partir de datos sin programación explícita

Answer

Dependencia de grandes cantidades de datos para entrenar modelos

Answer

Automatización de tareas repetitivas

Question 10

¿Qué tipo de algoritmo de ML emplea datos etiquetados para aprender patrones?

Accepted Answer

Supervisado

Answer

No supervisado

Answer

Semisupervisado

Answer

Reforzado

Question 11

¿Qué técnica de ML permite agrupar datos en categorías similares?

Accepted Answer

Clustering

Answer

Clasificación

Answer

Regresión

Answer

Reducción de dimensionalidad

Question 12

¿Cuál es el proceso crucial para optimizar el rendimiento de los modelos de ML?

Accepted Answer

Entrenamiento

Answer

Evaluación

Answer

Implementación

Answer

Mantenimiento

Question 13

¿Qué tipo de ML permite que los algoritmos aprendan de sus errores?

Accepted Answer

Aprendizaje por refuerzo

Answer

Aprendizaje supervisado

Answer

Aprendizaje no supervisado

Answer

Aprendizaje por transferencia

Question 14

¿Cuál de estas actividades NO se basa en el aprendizaje automático?

Accepted Answer

Crear un horario

Answer

Recibir recomendaciones personalizadas en plataformas de streaming

Answer

Detectar fraudes en transacciones bancarias

Answer

Diagnosticar enfermedades con imágenes médicas

Question 15

¿Cuál es el objetivo principal del aprendizaje automático no supervisado?

Accepted Answer

Identificar patrones y estructuras ocultas en los datos.

Answer

Hacer predicciones basadas en datos previamente etiquetados.

Answer

Clasificar datos en diferentes categorías.

Answer

Crear modelos que puedan aprender de nuevos datos.

Question 16

¿Cómo se relaciona el ML con la Inteligencia Artificial (IA)?

Accepted Answer

El ML es un subcampo de la IA.

Answer

El ML y la IA son términos sinónimos.

Answer

El ML es una tecnología utilizada en la IA.

Answer

El ML no está relacionado con la IA.

Question 17

¿Cuál de las siguientes NO es una característica del aprendizaje automático (ML)?

Accepted Answer

Necesita instrucciones explícitas para tareas

Answer

Capacidad de aprender patrones de datos

Answer

Mejora su rendimiento con más datos

Answer

Utiliza algoritmos

Question 18

Un algoritmo de clúster es un ejemplo de aprendizaje automático:

Accepted Answer

No supervisado

Answer

Supervisado

Answer

Semisupervisado

Answer

Reforzado

Question 19

Precisión y sesgo son métricas cruciales para evaluar el rendimiento de un algoritmo de aprendizaje automático.

Accepted Answer

Verdadero

Answer

Falso

Question 20

El creciente uso del aprendizaje automático ha generado una alta demanda de profesionales calificados en este campo.

Accepted Answer

Verdadero

Answer

Falso

Question 21

¿Qué se entiende por 'sobreajuste' en el contexto del aprendizaje automático?

Accepted Answer

Cuando un algoritmo aprende demasiado de un conjunto de datos de entrenamiento específico

Answer

Cuando un algoritmo no aprende lo suficiente de un conjunto de datos de entrenamiento

Answer

Cuando un algoritmo no puede generalizar a nuevos datos

Answer

Cuando un algoritmo es demasiado complejo

Question 22

¿Qué tipo de algoritmo de aprendizaje automático aprende a partir de datos etiquetados para predecir resultados continuos?

Accepted Answer

Regresión lineal

Answer

Redes neuronales

Answer

Análisis de componentes principales

Answer

Agrupamiento

Question 23

¿Cuál de los siguientes enfoques de aprendizaje automático no requiere datos etiquetados para entrenar un modelo?

Accepted Answer

No supervisado

Answer

Supervisado

Answer

Reforzado

Answer

Semisupervisado

Question 24

Indica cuál de las siguientes opciones es una aplicación del aprendizaje automático en la inteligencia artificial:

Accepted Answer

Reconocimiento de imágenes

Answer

Procesador de texto

Answer

Hoja de cálculo

Answer

Base de datos

Question 25

¿Qué parte de los datos en un proyecto de aprendizaje automático se utiliza específicamente para entrenar el modelo?

Accepted Answer

Conjunto de entrenamiento

Answer

Conjunto de pruebas

Answer

Conjunto de validación

Answer

Conjunto de inferencia

Question 26

En un modelo de aprendizaje automático que utiliza redes neuronales, ¿qué hiperparámetro determina la cantidad de neuronas que tendrá la capa oculta?

Accepted Answer

Tamaño de la capa oculta

Answer

Función de activación

Answer

Tasa de aprendizaje

Answer

Tamaño del lote

Question 27

¿Cómo se denomina el proceso de ajustar los parámetros de un modelo de aprendizaje automático utilizando datos de entrenamiento?

Accepted Answer

Entrenamiento

Answer

Validación

Answer

Prueba

Answer

Inferencia

Question 28

¿Cuál de los siguientes es un algoritmo de aprendizaje automático supervisado que utiliza ecuaciones lineales para predecir valores continuos?

Accepted Answer

Regresión lineal

Answer

Redes generativas adversarias (GAN)

Answer

PCA (Análisis de Componentes Principales)

Answer

K-Means

Question 29

¿Qué tipo de aprendizaje automático se centra en encontrar patrones y estructuras en datos sin etiquetar?

Accepted Answer

Aprendizaje no supervisado

Answer

Aprendizaje reforzado

Answer

Aprendizaje por transferencia

Answer

Aprendizaje semi-supervisado

Question 30

¿Cuál de las siguientes métricas se utiliza para medir la proporción de predicciones correctas realizadas por un modelo de aprendizaje automático?

Accepted Answer

Precisión

Answer

Sensibilidad (Recall)

Answer

F1-score

Answer

Especificidad

Question 31

¿Qué tipo de aprendizaje automático permite a los agentes aprender a través de interacciones con un entorno, recibiendo recompensas o castigos por sus acciones?

Accepted Answer

Aprendizaje por refuerzo

Answer

Aprendizaje supervisado

Answer

Aprendizaje de transferencia

Answer

Aprendizaje no supervisado

Question 32

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

Accepted Answer

Reemplaza por completo la necesidad de intervención humana en la toma de decisiones.

Answer

Mejora la toma de decisiones al proporcionar información valiosa

Answer

Automatiza tareas repetitivas y de gran volumen

Answer

Proporciona información y patrones ocultos en los datos

Question 33

¿Qué técnica consiste en crear conjuntos de datos más grandes y diversos a partir de datos existentes para entrenar modelos de aprendizaje automático con datos limitados?

Accepted Answer

Aumento de datos

Answer

Aprendizaje por transferencia

Answer

Submuestreo

Answer

Regularización

Question 34

¿Qué tipo de aprendizaje automático implica entrenar modelos para generar nuevos datos que sean similares a los datos existentes?

Accepted Answer

Aprendizaje generativo

Answer

Aprendizaje por refuerzo

Answer

Aprendizaje no supervisado

Answer

Aprendizaje supervisado

Question 35

¿Qué se entiende por aprendizaje automático (ML)?

Accepted Answer

Un subcampo de la inteligencia artificial que permite a los sistemas aprender de datos sin ser explícitamente programados.

Answer

Un conjunto de algoritmos complejos utilizados para automatizar tareas.

Answer

Una técnica para enseñar a las máquinas a reconocer patrones en los datos.

Question 36

¿Qué tipo de algoritmo de ML se utiliza para predecir valores continuos, como el precio de las acciones?

Accepted Answer

Regresión

Answer

Fortalecimiento del gradiente

Answer

Clasificación

Answer

Clustering

Question 37

Una ventaja de utilizar técnicas de ML no supervisadas es que:

Accepted Answer

Pueden descubrir patrones ocultos en datos no etiquetados.

Answer

Son más eficientes que los algoritmos supervisados.

Answer

Siempre garantizan resultados precisos.

Question 38

Los algoritmos de ML basados en el aprendizaje profundo se utilizan principalmente para:

Accepted Answer

Procesamiento de imágenes y reconocimiento de voz.

Answer

Detectar anomalías en los datos.

Answer

Segmentar clientes para campañas de marketing.

Answer

Predecir valores de series temporales.

Question 39

¿Qué métrica se utiliza habitualmente para evaluar el rendimiento de un modelo de ML de clasificación?

Accepted Answer

Precisión

Answer

Entropía cruzada

Answer

Coeficiente de correlación

Answer

R-al cuadrado

Question 40

El sobreajuste en un modelo de ML se produce cuando:

Accepted Answer

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

Answer

El modelo se ejecuta muy lentamente.

Answer

El modelo no se ajusta lo suficiente a los datos de entrenamiento.

Question 41

¿Qué implicaciones éticas deben considerarse al utilizar el ML?

Accepted Answer

Sesgo en los datos, privacidad y transparencia

Answer

Solo privacidad

Answer

Solo sesgo en los datos

Answer

Solo transparencia

Question 42

¿Cuál de las siguientes afirmaciones NO es un objetivo del Aprendizaje Automático (ML)?

Accepted Answer

Predecir el pasado

Answer

Descubrir patrones ocultos

Answer

Automatizar tareas

Answer

Clasificar datos

Question 43

¿Qué tipo de algoritmo de ML se emplea cuando los datos están etiquetados o anotados?

Accepted Answer

Algoritmos supervisados

Answer

Algoritmos de aprendizaje profundo

Answer

Algoritmos no supervisados

Answer

Algoritmos de refuerzo

Question 44

¿Cuál de las siguientes técnicas es un ejemplo de algoritmo no supervisado de ML?

Accepted Answer

Agrupamiento (Clustering)

Answer

Árbol de Decisión

Answer

Red Neuronal

Answer

Regresión

Question 45

¿Qué función desempeña el ML en la Inteligencia Artificial (IA)?

Accepted Answer

Capacita a los sistemas de IA para aprender de los datos

Answer

Reemplaza a la IA

Answer

No tiene relación con la IA

Question 46

¿Cuál de las siguientes es una ventaja del uso de ML en las empresas?

Accepted Answer

Automatización de procesos

Answer

Aumento de los costes operativos

Answer

Interpretación compleja de los resultados

Answer

Dependencia de expertos en ML

Question 47

¿Qué tipo de datos se utilizan habitualmente en los modelos de ML supervisados?

Accepted Answer

Datos etiquetados

Answer

Datos en tiempo real

Answer

Datos de texto

Answer

Datos no estructurados

Question 48

¿Qué consideración ética es esencial tener en cuenta al utilizar ML?

Accepted Answer

Privacidad de los datos

Answer

Consumo de energía

Answer

Precisión del modelo

Answer

Coste de implementación

Question 49

¿Qué característica NO es intrínseca al aprendizaje automático?

Accepted Answer

Requiere intervención humana continua

Answer

Aprende a partir de la experiencia

Answer

Puede detectar patrones en los datos

Answer

Puede hacer predicciones

Question 50

¿Qué tipo de algoritmo de ML se utiliza para predecir variables continuas?

Accepted Answer

Regresión

Answer

Clasificación

Answer

Agrupamiento

Answer

Reducción de dimensionalidad

Question 51

¿Cómo contribuye el ML al desarrollo de la IA?

Accepted Answer

Dota a los sistemas informáticos con la capacidad de aprender sin programación explícita

Answer

Mejora la eficiencia de los algoritmos de búsqueda

Answer

Es la base para el procesamiento del lenguaje natural

Question 52

¿Qué tipo de aprendizaje automático se enfoca en identificar agrupaciones naturales en datos sin supervisión?

Accepted Answer

Agrupamiento

Answer

Árbol de decisiones

Answer

Clasificación

Answer

Regresión

Question 53

¿Qué tipo de datos se utilizan principalmente para entrenar modelos de aprendizaje automático supervisados?

Accepted Answer

Datos etiquetados

Answer

Datos sin procesar

Answer

Datos estructurados

Answer

Datos no estructurados