Aprendizaje Automático

¿Qué es el aprendizaje supervisado?

• Es un tipo de aprendizaje en el que los datos no están etiquetados.

• Es un enfoque que utiliza datos etiquetados para entrenar un modelo.

• Es un método que genera etiquetas automáticamente.

• Es un aprendizaje basado exclusivamente en datos históricos.

¿Cuál de las siguientes es una característica principal del aprendizaje no supervisado?

• Los datos están claramente etiquetados.

• El objetivo es predecir una etiqueta específica.

• Busca patrones o estructuras ocultas en los datos no etiquetados.

• Requiere supervisión constante de un humano.

Un ejemplo típico de aprendizaje supervisado es:

• Clasificación de correos electrónicos como 'spam' o 'no spam'.

• Identificación de grupos en un conjunto de datos de clientes.

• Generación de nuevas imágenes a partir de un modelo entrenado.

• Creación de redes neuronales profundas sin supervisión.

En aprendizaje no supervisado, el resultado comúnmente buscado es:

• Predecir el valor de una variable objetivo.

• Detectar relaciones ocultas en los datos.

• Optimizar un modelo basado en datos etiquetados.

• Predecir el próximo evento en una secuencia.

¿Cuál de las siguientes técnicas pertenece al aprendizaje no supervisado?

• Regresión lineal.

• Clasificación.

• Agrupamiento (clustering).

• Árboles de decisión.

¿Qué tipo de problema aborda principalmente el aprendizaje supervisado?

• Identificación de relaciones entre variables en datos no etiquetados.

• Problemas de clasificación y regresión.

• Reducción de dimensionalidad de datos grandes.

• Generación de datos sintéticos para análisis.

¿Cuál de los siguientes algoritmos se utiliza en aprendizaje supervisado?

• K-means.

• Redes neuronales recurrentes.

• Regresión logística.

• Análisis de componentes principales (PCA).

¿Qué técnica se usa comúnmente en aprendizaje no supervisado para reducir la dimensionalidad de datos?

• Árboles de decisión.

• Reducción de gradiente.

• Análisis de componentes principales (PCA).

• Regresión lineal.

¿Cuál de las siguientes afirmaciones es verdadera?

• El aprendizaje supervisado no requiere datos etiquetados.

• En aprendizaje no supervisado, el modelo aprende a partir de ejemplos etiquetados.

• El aprendizaje supervisado predice resultados basados en patrones aprendidos de datos etiquetados.

• El aprendizaje no supervisado clasifica datos en categorías específicas predefinidas.

¿Qué tipo de aprendizaje se usa para identificar anomalías en un conjunto de datos?

• Aprendizaje supervisado.

• Aprendizaje no supervisado.

• Redes neuronales supervisadas.

• Modelos de regresión.