1.
Es el proceso por el que los ordenadores aprovechan las redes neuronales para reconocer patrones y mejorar su capacidad para identificarlos
A
Aprendizaje automático
B
Redes neuronales
C
Aprendizaje por computadoras
2.
Se utilizan para analizar y reconocer patrones en los datos, inspirado en la estructura y el funcionamiento del cerebro
A
Redes neuronales
B
Series
C
Aprendizajes
3.
Otro nombre de las neuronas artificiales interconectadas
A
Usuarios
B
Máquinas
C
Nodos
4.
Es un subconjunto específico del aprendizaje automático que utiliza redes neuronales profundas con multitud de capas ocultas
A
Aprendizaje automático
B
Aprendizaje profundo
C
Ciencia de datos
5.
Diferencia entre aprendizaje automático y aprendizaje profundo
A
Intervención humana
B
Profundidad del tema
C
Son iguales
6.
Las dos principales etapas de desarrollo de una red neuronal
A
Información y decisión
B
Nacimiento y desarrollo
C
Formación e inferencia
7.
El PC tiene un grupo etiquetado de datos que le permiten aprender a hacer una tarea humana. Este es el modelo menos complejo, ya que intenta replicar el aprendizaje humano.
A
Aprendizaje no supervisado
B
Aprendizaje semisupervisado
C
Aprendizaje supervisado
8.
El PC tiene datos sin etiquetar y extrae de ellos información o patrones previamente desconocidos
A
Aprendizaje no supervisado
B
Aprendizaje supervisado
C
Aprendizaje semisupervisado
9.
El PC encuentra puntos de datos similares dentro de un grupo de datos y los agrupa en consecuencia (creando «clústeres»)
A
Agrupación en clúster
B
Estimación de densidad
C
Detección de anomalías
10.
El PC identifica puntos de datos dentro de un grupo de datos que son significativamente diferentes del resto.
A
Detección de anomalías
B
Agrupación en clúster
C
Estimación de densidad
11.
El PC analiza un grupo de datos y los resume para poder usarlos para hacer predicciones precisas
A
Análisis de componente principal
B
Agrupación en clúster
C
Estimación de densidad
12.
El PC descubre conocimientos al ver cómo se distribuye el grupo de datos
A
Estimación de densidad
B
Agrupación en clúster
C
Detección de anomalías
13.
El PC observa su entorno y usa esos datos para identificar la conducta ideal que minimizará el riesgo o maximizará la recompensa.
A
Aprendizaje de refuerzo
B
Aprendizaje supervisado
C
Aprendizaje no supervisado
14.
Incluye el proceso, herramientas y tecnología para optimizar y estandarizar cada etapa del ciclo de vida de ML, desde el desarrollo del modelo hasta la puesta en marcha.
