Machine Learning

¿Qué tipo de machine learning sirve para hacer predicciones cuando se cuenta con datos de entrada y se conocen las respuestas correctas?

• Aprendizaje supervisado

• Aprendizaje no supervisado

• Clustering

• Reinforcement learning

¿Qué tipo de machine learning se usa para buscar patrones cuando los datos no contienen las etiquetas correctas?

• Aprendizaje no supervisado

• Aprendizaje errático

• Aprendizaje semisupervisado

• Árboles de decisión

Se cuenta con información de transacciones bancarias de las cuáles se conoce además si fueron fraudulentas o no. Se trata de un problema de...

• Aprendizaje supervisado: clasificación

• Aprendizaje supervisado: regresión

• Aprendizaje no supervisado: clasificación

• Aprendizaje no supervisado: regresión

¿Qué hace un modelo de clasificación?

• Predice cantidades continuas (precio, temperatura, tiempo)

• Predice una categoría

• Agrupa unidades similares

• Predice cambios en valores (precios, costos, temperatura)

Seleccione todas las opciones que son faltas

• Deep learning es un tipo de machine learning

• Inteligencia artificial es un tipo de deep learning

• Machine learning es un tipo de deep learning

• Deep learning es un tipo de inteligencia artificial

¿Quién de estos no es profe de este curso?

• Tomás Carpetto

• Tomás Capretto

• Ignacio Evangelista

¿Cómo podemos saber si un modelo de clasificación que construimos es bueno?

• Viendo cómo funciona con los datos con los que fue ajustado

• Probándolo sobre datos nuevos

¿Cómo se llama la situación en la que un modelo funciona bien para los datos de entrenamiento pero mal para los datos de test?

• Overfitting

• Underfitting

• Sweet spot

• Clustering

¿Cuál es la proporción en la que se dividen habitualmente los datos?

• 80% para entrenar y 20% para testear

• 20% para entrenar y 80% para testear

• 50% para entrenar y 50% para testear

"La mala calidad de los datos que se usan para un proyecto de machine learning puede ser compensada por un modelo de alta calidad"

• Verdadero

• Falso