JavaScript isn't enabled in your browser, so this file can't be opened. Enable and reload.
Introducción a la Inteligencia Artificial
* Indicates required question
Email
*
Record my email address with my response
Apellido
*
1 point
Your answer
Nombre
*
1 point
Your answer
Indique cuáles de los siguientes modelos se consideran del tipo no simbólico o moderno de la inteligencia artificial
*
1 point
Lógica Difusa
Modelos de Control PID
Redes Neuronales
Búsqueda en Grafos
Regresión Lineal
Razonamiento Argumentativo
Required
Indique cuáles de estos problemas se consideran actualmente como de IA débil o acotada
*
1 point
Estimar la calidad de un producto de manufactura
Proponer y validar una hipótesis científica
Detectar y monitorear un objeto en un video
Reconocer una persona en una imagen
Diseñar, implementar y evaluar un sistema de software
Jugar al Ajedrez
Generar una imagen a partir de un texto
Controlar un robot para reemplazar a un jugador de fútbol en un partido con humanos
Indique cuáles de estos problemas/modelos son tradicionalmente considerados de aprendizaje no supervisado
*
1 point
Regresión Logística
Reglas de Clasificación
PCA
Regresión Lineal
Máquinas de Vectores de Soporte
LDA
K-Medias
Reglas de Asociación
Required
Indicar cuáles de estos términos se suelen utilizar de forma indistinta con "variable"
*
1 point
Característica
Sample
Fila
Attribute
Feature
Atributo
Columna
Ejemplo
Required
Qué condiciones suelen ser necesarias para que sea conveniente usar un modelo de Deep Learning en lugar de uno de Machine Learning Tradicional?
*
1 point
Gran cantidad de ejemplos
Poco poder de cómputo
Gran cantidad de atributos
Conocimiento experto para diseñar características
Poca cantidad de ejemplos
Indicar los enunciados verdaderos
*
1 point
Los modelos de Deep Learning suelen ser interpretables directamente
Los problemas de optimización con variables continuas suelen ser más difíciles de resolver que aquellos discretos o combinatorios
La inteligencia artificial simbólica es la que más se utiliza en la actualidad
Los modelos de Deep Learning permiten aprender las características automáticamente
En los modelos de agrupamiento, siempre se puede determinar una cantidad de grupos óptima
Cuando se optimiza una función convexa, se debe considerar que siempre hay más de un mínimo local
El surgimiento de Deep Learning comenzó en los años 80-90
Los mínimos locales son un gran problema para los algoritmos de optimización, especialmente aquellos utilizados para entrenar Redes Neuronales u otros modelos aproximados.
Required
A copy of your responses will be emailed to .
Submit
Page 1 of 1
Clear form
Never submit passwords through Google Forms.
This content is neither created nor endorsed by Google. -
Terms of Service
-
Privacy Policy
Does this form look suspicious?
Report
Forms
Help and feedback
Contact form owner
Help Forms improve
Report