Logo
Trodi.Dev
SINFO>Cursos>MACHINE LEARNING Y DEEP LEARNING>

EXAMEN FINAL (PIAD-427)

Puntaje:
20

¿Qué métrica es más adecuada para evaluar un modelo de regresión cuando se desea penalizar más los errores grandes?

A

Estimar el coeficiente de correlación de Pearson.

B

Calcular el error cuadrático medio en el conjunto.

C

Medir la precisión porcentual de las predicciones.

D

Usar la entropía cruzada entre las salidas.

E

Determinar la distancia de Hamming obtenida.

¿Qué módulo de scikit-learn permite calcular métricas como R² o MAE para un modelo entrenado?

A

metrics.

B

analyze.

C

evaluate.

D

assess.

E

scoring.

¿Qué técnica permite diagnosticar la multicolinealidad en un modelo de regresión múltiple?

A

Usar validación cruzada k-fold.

B

Aplicar regularización L1.

C

Calcular el factor de inflación de varianza.

D

Usar normalización z-score.

E

Aplicar codificación one-hot.

¿Qué método de la clase LinearRegression de scikit-learn se utiliza para entrenar el modelo?

A

apply.

B

train.

C

fit.

D

run.

E

build.

¿Qué operación en la preparación de datos evita que una variable con magnitudes grandes domine los coeficientes?

A

Reducir el número de clases.

B

Forzar un desbalanceo total.

C

Crear variables polinómicas.

D

Aplicar normalización tipo min-max.

E

Duplicar filas dentro del dataset.

¿Qué métrica evalúa la precisión de las detecciones comparando el área de solapamiento con el área combinada?

A

IoU.

B

AUC.

C

F1.

D

mAP.

E

Recall.

¿Qué técnica consiste en identificar y etiquetar todos los objetos presentes en una imagen?

A

Proyección.

B

Reconocimiento.

C

Segmentación.

D

Localización.

E

Detección.

¿Qué algoritmo localiza puntos clave en imágenes y los describe con vectores invariantes a escala?

A

FAST.

B

SIFT.

C

LBP.

D

ORB.

E

HOG.

¿Qué biblioteca de Python se usa comúnmente para manipulación básica de imágenes en arreglos?

A

TensorFlow.

B

Keras.

C

Matplotlib.

D

Pandas.

E

OpenCV.

¿Qué tarea asigna una única etiqueta a toda una imagen en visión computacional?

A

Localización.

B

Clasificación.

C

Agrupación.

D

Segmentación.

E

Proyección.

¿Qué medida de calidad evalúa la compacidad de los grupos en clustering?

A

Recuerdo.

B

Inercia.

C

AUC.

D

MAE.

E

Precisión.

¿Qué técnica de aprendizaje no supervisado se aplica para reducir el número de variables manteniendo la información esencial?

A

PCA.

B

SVM.

C

KNN.

D

LDA.

E

MLP.

¿Qué condición detiene el proceso iterativo de K-Means cuando no hay cambios en las asignaciones?

A

Convergencia.

B

Complejidad.

C

Aleatoriedad.

D

Escalado.

E

Divergencia.

¿Qué tipo de algoritmo no supervisado se utiliza para agrupar datos sin etiquetas previas?

A

Segmentación.

B

Codificación.

C

Clustering.

D

Clasificación.

E

Regresión.

¿Qué tipo de red neuronal utiliza memoria interna para procesar secuencias de datos como texto o series temporales?

A

Recurrente.

B

Generativa.

C

Convolucional.

D

Residual.

E

Feedforward.

¿Qué elemento en una red neuronal artificial realiza el cálculo ponderado de las entradas y aplica una función de activación?

A

Bucle.

B

Neurona.

C

Capa.

D

Nodo.

E

Peso.

¿Qué técnica de regularización apaga aleatoriamente un porcentaje de neuronas durante el entrenamiento para evitar sobreajuste?

A

Dropout.

B

BatchNorm.

C

Clip.

D

L2.

E

L1.

¿Qué tipo de red neuronal es más utilizada para el análisis de imágenes mediante detección de patrones espaciales?

A

Convolucional.

B

Bayesiana.

C

Feedforward.

D

Recurrente.

E

Generativa.

Problema de extensión

Si tienes la extensión Trodi Blackboard instalada, borra los datos de este sitio en tu navegador.

Cómo borrar datos de navegación

Esto no borrará tus contraseñas ni datos de otros sitios.

¡Apoya el contenido! 🎥

Si disfrutas nuestros videos, considera apoyarnos para seguir creando contenido de calidad.

Videos siempre gratis
Contenido de alta calidad
Código QR para donación Yape

🙏 Gracias por valorar nuestro trabajo. Tu contribución es fundamental para que sigamos avanzando.

¡Cada donación nos ayuda a seguir creciendo! 🚀