Aprendizaje Automático

¿Qué es el aprendizaje automático?

• Proceso en el que una máquina utiliza datos para mejorar su rendimiento en una tarea sin ser progra-
  mada explícitamente para esa tarea.

• El proceso de programar computadoras para seguir instrucciones específicas.

• La creación de bases de datos estructuradas.

• La manipulación de datos en hojas de cálculo.

¿Qué es un problema de regresión?

• El análisis de tendencias para prever eventos futuros.

• La predicción de un valor numérico continuo basado en variables de entrada.

• La clasificación de datos en categorías discretas.

• El cálculo de probabilidades en modelos estadísticos.

¿Por qué es importante normalizar los datos?

• Para que el modelo aprenda más rápido.

• Para que todos los atributos tengan el mismo peso.

• Para eliminar los datos atípicos.

• Para que la inferencia sea más rápida.

Dado el siguiente código en Python:
¿Cuál es la salida?

• 0

• 2

• 4

• 64

¿Qué hace el siguiente fragmento de código?

• Normaliza los valores de la columna 'Nota' entre 0 y 1.

• Estandariza los valores de la columna 'Nota'.

• Calcula la media de la columna 'Nota'.

• Calcula el máximo y el mínimo de la columna 'Nota'.

¿Qué algoritmo usarías para clasificar datos categóricos?

• K-Means.

• Regresión Lineal.

• Naive Bayes.

• Todos los anteriores.

¿Qué técnica usarías para convertir atributos categóricos en numéricos?

• Normalización.

• Escalado estándar.

• One-Hot Encoding.

• Reducción de dimensionalidad.

Dado un conjunto de datos con atributos numéricos y categóricos, si vas a usar el algoritmo K-Nearest Neighbors (K-NN) . ¿Qué preprocesamiento realizarías antes de entrenarlo?

• Aplicar escalado estándar a todos los atributos.

• Usar One-Hot Encoding para atributos categóricos y normalización para atributos numéricos.

• Convertir todos los datos a texto.

• Ninguna transformación es necesaria.

¿Qué significa un modelo con precisión del 100% en un conjunto de entrenamiento?

• El modelo generaliza perfectamente.

• El modelo tiene overfitting.

• El modelo está subentrenado.

• Se necesita un dataset más pequeño.

Se te proporciona el siguiente código:

¿Cuál es la suma de Col1 para las filas donde Col2 es 'A'?

• 10

• 30

• 40

• 50