Conceptos Clave de Machine Learning

El video introduce el concepto de Machine Learning, explicando los tipos de aprendizaje: supervisado, no supervisado y semisupervisado. Se utilizan ejemplos prácticos como un robot que aprende a cruzar un semáforo y la clasificación de flores. También se discuten modelos de clasificación y regresión, destacando la importancia de las funciones en la predicción de datos.

¿Qué es el aprendizaje automático según el video?

• Un sistema para controlar semáforos.

• Un método para programar robots manualmente.

• Un proceso donde las máquinas aprenden a comportarse como humanos.

• Una técnica para mejorar la velocidad de los robots.

¿Qué debe aprender el robot en el ejemplo del semáforo?

• A cruzar solo cuando el semáforo está en verde.

• A cruzar solo cuando el semáforo está en rojo.

• A cruzar independientemente del color del semáforo.

• A cruzar solo cuando no hay coches.

¿Qué es un modelo en el contexto de Machine Learning?

• Un dispositivo que solo funciona en entornos controlados.

• Un robot que ha sido entrenado con datos para tomar decisiones.

• Un sistema que no puede ser entrenado.

• Un robot que no necesita datos para aprender.

¿Qué es el clustering en Machine Learning?

• Un proceso para etiquetar datos.

• Una forma de entrenar robots con supervisión.

• Un método para supervisar robots.

• Una técnica para agrupar datos similares.

¿Cómo aprende un robot en el aprendizaje no supervisado?

• Siguiendo instrucciones precisas.

• A través de la corrección de errores.

• Por ensayo y error sin guía directa.

• Con la ayuda de etiquetas de datos.

¿Qué caracteriza al aprendizaje supervisado?

• El robot recibe correcciones basadas en sus decisiones.

• El robot aprende solo de datos no etiquetados.

• El robot aprende sin saber el resultado final.

• El robot no necesita datos para aprender.

¿Qué es el aprendizaje semisupervisado?

• Un proceso que solo utiliza datos etiquetados.

• Un método que no utiliza etiquetas en absoluto.

• Una combinación de aprendizaje supervisado y no supervisado.

• Un sistema que ignora las etiquetas de datos.

¿Qué es un modelo de clasificación?

• Un modelo que solo funciona con datos numéricos.

• Un modelo que no utiliza datos para aprender.

• Un modelo que diferencia entre categorías distintas.

• Un modelo que predice valores continuos.

¿Qué tipo de modelo se utiliza para predecir valores continuos?

• Modelo de asociación.

• Modelo de clustering.

• Modelo de regresión.

• Modelo de clasificación.

¿Cuál de los siguientes no es un tipo de algoritmo mencionado en el video?

• Aprendizaje por refuerzo.

• Algoritmos de árboles.

• Algoritmos de redes neuronales.

• Bosques aleatorios.