Examen DeppML V2

¿Cuál es la función principal de las capas ocultas en una red neuronal?

• Almacenar datos.

• Extraer y transformar características de la entrada.

• Generar los pesos.

• Clasificar los datos.

¿Qué función de activación es la más comúnmente utilizada en redes neuronales?

• Función sigmoide.

• Función tangente hiperbólica.

• ReLU (Rectified Linear Unit).

• Función de paso.

¿Cuál es el propósito de la visión computacional en machine learning?

• Predecir valores numéricos.

• Procesar y analizar imágenes o videos para extraer información significativa.

• Clasificar textos en diferentes categorías.

• Generar datos sintéticos.

¿Qué es una red neuronal convolucional (CNN)?

• Una red neuronal que clasifica secuencias de datos.

• Un tipo de red diseñado para procesar señales de audio.

• Un tipo de red neuronal utilizado principalmente para tareas de visión por computadora.

• Un algoritmo de clustering.

¿Qué algoritmo es más comúnmente utilizado en clasificación de imágenes en machine learning?

• K-means clustering.

• Regresión lineal.

• Redes neuronales convolucionales (CNN).

• Árboles de decisión.

¿Qué es un "pooling" en una CNN?

• Una técnica para aumentar el tamaño de las imágenes.

• Un proceso para reducir la dimensionalidad espacial de una imagen.

• Un método de actualización de pesos.

• Un algoritmo de clasificación.

¿Cuál es la función principal de una capa convolucional en una CNN?

• Reducir el tamaño de la imagen.

• Detectar características locales en una imagen, como bordes y texturas.

• Conectar todas las neuronas con la capa de salida.

• Calcular la función de activación.

¿Qué hace el siguiente fragmento de código?

• Crea una red neuronal de múltiples capas, diseñada para procesar datos tabulares.

• Crea una red neuronal convolucional (CNN) con capas de convolución, pooling y densas para clasificación binaria.

• Crea una red neuronal recurrente.

• Crea una red neuronal con regularización L2.

¿Cuál es el propósito del siguiente código en una CNN?

• Inicializa los pesos de la red neuronal.

• Compila el modelo utilizando el optimizador 'adam' y establece una función de pérdida adecuada para la clasificación binaria.

• Añade una capa convolucional.

• Realiza el entrenamiento del modelo.

¿Qué hará este fragmento de código en el entrenamiento de la CNN?

• Entrenará el modelo usando los datos de entrenamiento y validará con los datos de validación.

• Ajustará los pesos del modelo sin utilizar datos de validación.

• Validará el modelo en cada época pero no entrenará.

• Guardará el modelo después de cada época.