Introducción a la Inteligencia Artificial

Marque las opciones correctas (Unidad 1).

• Una IA fuerte podría realizar con éxito tareas intelectuales de los humanos.

• Una IA débil es también conocida como una Inteligencia Artificial General.

• En un agente inteligente, el motor para girar es considerado un elemento sensor para esquivar obstáculos.

• Se denomina Sistema Experto a una IA capaz de igualar o superar al cerebro humano.

Marque las opciones correctas (Unidad 1).

• Una IA de enfoque simbólico, utiliza perceptrones para la toma de decisiones.

• Una IA de enfoque conexionista, se basa en la interconexión de agentes.

• En un programa de IA simbólica se utilizan palabras o símbolos, junto con reglas mediante las cuales el programa puede realizar la tarea asignada.

• Un Sistema Experto emplea conocimiento humano almacenado en hechos y reglas para resolver problemas.

Marque las opciones correctas (Unidad 2).

• Los modelos de aprendizaje supervisado, aprenden a etiquetar los datos de entrada.

• Para evaluar correctamente un modelo entrenado, se utiliza un conjunto de datos diferente al utilizado en el entrenamiento.

• Un modelo más complejo siempre va a poder ajustar mejor a los datos (es más sensible a los datos), pero eso no implica una mejor predicción.

• Para crear un modelo climático que arroje una predicción de la temperatura ambiente, se utiliza normalmente un modelo de clasificación.

• En un modelo entrenado, siempre es mejor el overfitting, que el underfitting.

Marque las opciones correctas (Unidad 2).

• El back-propagation es un algoritmo utilizado para ajustar los pesos de las conexiones entre neuronas.

• El aprendizaje no supervisado busca mejorar el desempeño de un agente al realizar una actividad determinada, por medio de recompensas que se obtienen para cada acción ejecutada.

• La detección de anomalías es una técnica utilizada para comportamientos inusuales en un conjunto de datos.

• El clustering es una técnica de aprendizaje supervisado.

• La regresión es un tipo de modelo de aprendizaje no supervisado.

En inteligencia de negocios, la "V" de ___ se refiere a la capacidad de un sistema de Big Data para manejar y procesar grandes cantidades de datos en un corto período de tiempo.

En inteligencia de negocios, , la "V" de ___ se refiere a la cantidad de datos que un sistema de Big Data puede almacenar y manejar.

En inteligencia de negocios, la "V" de ___ se refiere a la diversidad de fuentes y formatos de datos que un sistema de Big Data puede procesar.

En inteligencia de negocios, la "V" de ___ se refiere a la utilidad y relevancia de los datos para una organización o una aplicación en particular.

En inteligencia de negocios, la "V" de ___ se refiere a la precisión y confiabilidad de los datos almacenados en un sistema de Big Data.

En inteligencia de negocios, la analítica ___ se utiliza para automatizar la toma de decisiones.