Introducción al Aprendizaje Automático: Cuestionarios y Ejercicios

Question 1

¿Cuál de las siguientes opciones define mejor el Aprendizaje Automático?

Accepted Answer

La habilidad de los sistemas computacionales para aprender de los datos sin ser explícitamente programados.

Answer

El desarrollo de algoritmos para resolver problemas complejos.

Answer

El uso de la informática para procesar grandes conjuntos de datos.

Question 2

En el Aprendizaje Supervisado, ¿cuál es el objetivo principal del algoritmo?

Accepted Answer

Aprender a mapear entradas a salidas deseadas utilizando datos etiquetados.

Answer

Maximizar una función de recompensa a través de interacciones con el entorno.

Answer

Encontrar patrones en datos no etiquetados.

Question 3

¿Cuál de los siguientes algoritmos se utiliza comúnmente en el Aprendizaje No Supervisado?

Accepted Answer

Agrupamiento k-medias

Answer

Redes Neuronales Convolucionales

Answer

Máquinas de Soporte Vectorial

Answer

Regresión Lineal

Question 4

En el Aprendizaje por Refuerzo, ¿qué componente proporciona una señal de recompensa al agente?

Accepted Answer

Entorno

Answer

Modelo

Answer

Política

Answer

Valor

Question 5

¿Cuál de los siguientes es un beneficio del Aprendizaje Automático?

Accepted Answer

Automatización de tareas repetitivas y propensas a errores.

Answer

Garantía de resultados precisos en todos los casos.

Answer

Eliminación de la necesidad de programadores humanos.

Answer

Sustitución de la inteligencia humana en todas las áreas.

Question 6

¿Qué consejo darías a un estudiante que comienza a aprender sobre Aprendizaje Automático?

Accepted Answer

Comienza con problemas simples y aumenta gradualmente la complejidad a medida que adquieres experiencia.

Answer

Memoriza los algoritmos y las fórmulas sin comprender su funcionamiento.

Answer

Intenta resolver problemas del mundo real desde el principio.

Question 7

¿Cuál de las siguientes características NO define al Aprendizaje Automático?

Accepted Answer

Requiere intervención humana constante

Answer

Puede hacer predicciones

Answer

Aprende de los datos

Answer

Optimiza resultados

Question 8

¿Qué tipo de Aprendizaje Automático se enfoca en aprender una relación de mapeo entre entradas y salidas?

Accepted Answer

Aprendizaje Supervisado

Answer

Aprendizaje por Transferencia

Answer

Aprendizaje No Supervisado

Answer

Aprendizaje por Refuerzo

Question 9

¿Cuál de las siguientes opciones es un ejemplo típico de aplicación del Aprendizaje Automático?

Accepted Answer

Reconocimiento de Imágenes

Answer

Análisis de Elementos Finitos

Answer

Computación Cuántica

Answer

Diseño de Circuitos Integrados

Question 10

¿Cuáles de los siguientes desafíos éticos se asocian con el Aprendizaje Automático?

Accepted Answer

Sesgo, Privacidad, Uso Indebido

Answer

Complejidad Algorítmica, Escalabilidad, Mantenimiento

Answer

Interoperabilidad, Compatibilidad, Estandarización

Answer

Costos de Hardware, Consumo de Energía, Latencia

Question 11

¿Cuál es el objetivo principal del Aprendizaje por Refuerzo?

Accepted Answer

Maximizar la recompensa a largo plazo

Answer

Resolver problemas de optimización complejos

Answer

Generar datos sintéticos a partir de datos reales

Answer

Encontrar una función de mapeo determinista

Question 12

¿Qué caracteriza al Aprendizaje por Transferencia en comparación con otros tipos de Aprendizaje Automático?

Accepted Answer

Aprovecha modelos previamente entrenados

Answer

Requiere grandes cantidades de datos de entrenamiento

Answer

Prioriza la interpretabilidad de los modelos

Answer

Puede procesar datos sin etiquetar

Question 13

¿Por qué es crucial la validación cruzada en el Aprendizaje Automático?

Accepted Answer

Ayuda a prevenir el sobreajuste y proporciona una evaluación confiable del rendimiento

Answer

Mejora la capacidad de interpretación de los modelos

Answer

Acelera el proceso de entrenamiento del modelo

Question 14

¿Cuál de las siguientes características NO es exclusiva del aprendizaje automático?

Accepted Answer

Requiere intervención humana constante

Answer

Aprende de los datos

Answer

Puede hacer predicciones sobre datos no vistos

Question 15

¿Qué tipo de aprendizaje automático implica aprender patrones en datos no etiquetados, sin una variable objetivo específica?

Accepted Answer

Aprendizaje no supervisado

Answer

Aprendizaje por refuerzo

Answer

Aprendizaje supervisado

Answer

Aprendizaje profundo

Question 16

¿Cuál de los siguientes algoritmos de aprendizaje automático se emplea comúnmente para tareas de clasificación, en las que se asigna una etiqueta discreta a los datos?

Accepted Answer

Árbol de decisión

Answer

Regresión lineal

Answer

Clustering K-Means

Question 17

¿Cuál de las siguientes métricas NO se utiliza para evaluar el rendimiento de un modelo de aprendizaje automático?

Accepted Answer

Tiempo de entrenamiento

Answer

Precisión

Answer

Recuerdo

Question 18

¿Qué técnica se emplea para dividir un conjunto de datos en subconjuntos de entrenamiento y prueba, asegurando que cada subconjunto sea representativo de todo el conjunto?

Accepted Answer

Validación cruzada

Answer

Normalización

Answer

Sobreajuste

Answer

Regularización

Question 19

¿Qué tipo de aprendizaje automático se centra en aprender la relación entre variables de entrada y salida conocidas, con el objetivo de predecir valores continuos?

Accepted Answer

Aprendizaje supervisado

Answer

Aprendizaje profundo

Answer

Aprendizaje por refuerzo

Answer

Aprendizaje no supervisado

Question 20

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

Accepted Answer

Conducción manual de vehículos

Answer

Diagnóstico médico

Answer

Reconocimiento de imágenes

Answer

Pronóstico del tiempo

Question 21

¿Qué técnica se utiliza para optimizar el rendimiento de un modelo de aprendizaje automático ajustando sus parámetros internos mediante un proceso iterativo?

Accepted Answer

Optimización

Answer

Regularización

Answer

Normalización

Answer

Validación

Question 22

¿Cuál de las siguientes opciones NO es un tipo de aprendizaje automático?

Accepted Answer

Aprendizaje de refuerzo inverso

Answer

Aprendizaje supervisado

Answer

Aprendizaje no supervisado

Answer

Aprendizaje por refuerzo

Question 23

Un algoritmo de aprendizaje automático que intenta predecir un valor continuo se considera:

Accepted Answer

Regresión

Answer

Reducción de dimensionalidad

Answer

Agrupamiento

Answer

Clasificación

Question 24

Un modelo de aprendizaje automático se considera 'sobreajustado' cuando:

Accepted Answer

Se ajusta demasiado bien a los datos de entrenamiento y no generaliza bien a nuevos datos

Answer

No se ajusta lo suficiente a los datos de entrenamiento

Answer

Se ajusta de manera óptima a los datos de entrenamiento

Answer

No puede procesar datos complejos

Question 25

¿Cuál de las siguientes técnicas se utiliza para evaluar el rendimiento de un modelo de aprendizaje automático?

Accepted Answer

Validación cruzada

Answer

Análisis de componentes principales

Answer

Optimización de hiperparámetros

Answer

Prueba A/B

Question 26

En el aprendizaje supervisado, el modelo se entrena con datos que incluyen:

Accepted Answer

Entradas y salidas deseadas

Answer

Solo entradas

Answer

Entradas y salidas aleatorias

Answer

Solo salidas

Question 27

En el aprendizaje no supervisado, el objetivo es:

Accepted Answer

Encontrar patrones y estructuras en datos sin etiquetas

Answer

Predecir un valor específico

Answer

Clasificar datos en categorías predefinidas

Answer

Entrenar un modelo para realizar una tarea específica

Question 28

Un algoritmo de agrupamiento que busca dividir los datos en grupos con la menor varianza dentro de cada grupo se llama:

Accepted Answer

K-medias

Answer

K-vecinos más cercanos

Answer

Regresión lineal

Answer

Árboles de decisión

Question 29

La principal ventaja del aprendizaje automático sobre los métodos tradicionales es:

Accepted Answer

Automatización del aprendizaje y adaptación a nuevos datos

Answer

Mayor velocidad de procesamiento

Answer

Mayor precisión en todos los casos

Answer

Menos requisitos de datos

Question 30

Un ejemplo de aplicación de aprendizaje automático en el campo de la salud es:

Accepted Answer

Diagnóstico de enfermedades

Answer

Análisis de sentimiento en redes sociales

Answer

Predicción del precio de las acciones

Answer

Diseño de páginas web

Question 31

¿Cuál de las siguientes opciones NO es un tipo de aprendizaje automático?

Accepted Answer

Programación dinámica

Answer

Aprendizaje no supervisado

Answer

Aprendizaje supervisado

Answer

Aprendizaje por refuerzo

Question 32

En el aprendizaje supervisado, ¿cuál es la diferencia principal entre regresión y clasificación?

Accepted Answer

La regresión predice valores continuos, mientras que la clasificación predice etiquetas discretas.

Answer

La regresión se utiliza para encontrar patrones en los datos, mientras que la clasificación se utiliza para hacer predicciones.

Answer

La regresión utiliza datos etiquetados, mientras que la clasificación utiliza datos no etiquetados.

Question 33

¿Cuál de los siguientes algoritmos se utiliza comúnmente para problemas de clasificación?

Accepted Answer

Máquinas de vectores de soporte (SVM)

Answer

K-medias

Answer

Análisis de componentes principales (PCA)

Answer

Regresión lineal

Question 34

¿Qué es el sobreajuste (overfitting) en el aprendizaje automático?

Accepted Answer

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

Answer

Un modelo que no puede aprender los datos de entrenamiento con precisión.

Question 35

¿Cuál de las siguientes opciones NO es una técnica para prevenir el sobreajuste?

Accepted Answer

Aumentar la complejidad del modelo

Answer

Aumento de datos

Answer

Regularización

Answer

Validación cruzada

Question 36

¿Qué es una red neuronal artificial?

Accepted Answer

Un modelo computacional inspirado en la estructura del cerebro humano, compuesto por nodos interconectados que procesan información.

Answer

Un tipo de base de datos.

Answer

Un algoritmo que siempre encuentra la solución óptima.

Question 37

¿Qué significa aprendizaje no supervisado?

Accepted Answer

El algoritmo aprende patrones en los datos sin necesidad de etiquetas explícitas.

Answer

Un experto humano proporciona al algoritmo las etiquetas correctas.

Answer

El algoritmo recibe recompensas por tomar buenas decisiones.

Question 38

¿Cuál es la diferencia entre un conjunto de entrenamiento y un conjunto de prueba?

Accepted Answer

El conjunto de entrenamiento se utiliza para entrenar el modelo, mientras que el conjunto de prueba se utiliza para evaluar su rendimiento en datos no vistos durante el entrenamiento.

Answer

El conjunto de entrenamiento contiene datos etiquetados, mientras que el conjunto de prueba contiene datos no etiquetados.

Question 39

¿Cuál de las siguientes opciones NO es una métrica de evaluación para la clasificación?

Accepted Answer

Error cuadrático medio

Answer

Recuperación

Answer

Precisión

Answer

Puntuación F1

Question 40

¿Cuál de las siguientes opciones NO es una característica clave del Aprendizaje Automático?

Accepted Answer

Requiere reglas predefinidas para el proceso de aprendizaje.

Answer

Puede adaptarse a nuevos datos y patrones.

Answer

Utiliza datos para mejorar el rendimiento.

Question 41

En el Aprendizaje Automático, ¿qué tipo de algoritmo se utiliza para clasificar datos en categorías predeterminadas?

Accepted Answer

Aprendizaje Supervisado

Answer

Aprendizaje por Refuerzo

Answer

Aprendizaje Profundo

Answer

Aprendizaje No Supervisado

Question 42

Identifica el tipo de Aprendizaje Automático utilizado en un sistema de recomendación de películas que sugiere películas basadas en las preferencias del usuario:

Accepted Answer

Aprendizaje Supervisado

Answer

Aprendizaje por Refuerzo

Answer

Aprendizaje Profundo

Answer

Aprendizaje No Supervisado

Question 43

En el Aprendizaje No Supervisado, ¿cómo se agrupan los datos para identificar patrones y similitudes?

Accepted Answer

Basado en patrones y similitudes inherentes en los datos.

Answer

Mediante interacciones con el entorno y recompensas.

Answer

Utilizando etiquetas predefinidas para cada dato.

Question 44

Un robot aprende a navegar por un laberinto a través de un proceso de ensayo y error. ¿Qué tipo de Aprendizaje Automático está aplicando?

Accepted Answer

Aprendizaje por Refuerzo

Answer

Aprendizaje Profundo

Answer

Aprendizaje No Supervisado

Answer

Aprendizaje Supervisado

Question 45

La regresión lineal es un algoritmo de Aprendizaje Automático utilizado para:

Accepted Answer

Predecir valores numéricos continuos.

Answer

Agrupar datos en clusters.

Answer

Clasificar datos en categorías.

Answer

Identificar patrones ocultos en los datos.

Question 46

El sobreajuste (overfitting) en el Aprendizaje Automático se produce cuando:

Accepted Answer

El modelo aprende los datos de entrenamiento demasiado bien, comprometiendo su capacidad de generalización a nuevos datos.

Answer

El modelo falla en aprender los datos de entrenamiento.

Answer

El modelo se ajusta demasiado a los datos de prueba, dando como resultado una menor precisión en los datos de entrenamiento.

Question 47

En el Aprendizaje Automático, ¿cuál de las siguientes técnicas se utiliza comúnmente para prevenir el sobreajuste (overfitting)?

Accepted Answer

Regularización

Answer

K-Means

Answer

Aprendizaje No Supervisado

Answer

Aprendizaje por Refuerzo