IC - Preguntas

Los datos que ingresan a un dataset deben ser numeros

El objetivo del aprendizaje supervisado es aprender el target con base en el conjunto de elementos que lo representan

Las caracteristicas en un data generalmente se definen como Y

El target en un dataset generalmente se define como x1,x2,x3

Un tensor de datos es un arreglo n-dimensional

La k en k-neighbours representa la cantidad de datos

El score en un modelo mide la eficiencia del modelo

El score de un modelo esta entre 0 y 100

En y=mx+b , b representa el intercepto y m el coeficiente

La regresión lineal simple emplea muchas variables

Frank Roseblantt descubrió las redes neuronales

Los metodos estocásticos para replicarse requieren de una semilla

La suma de las propiedades de un objeto crean el objeto en si

En una red neuronal , las neuronas reciben señales unicamente de otras neuronas

En relación con el algoritmo estándar k-medias es correcto decir que despues de u numero suficientemente grande de iteraciones , los clusteres no dejaran de cambiar , por ello es necesario calcular las medias de los mismos , de allí el nombre del método

El fenomeno de overfitting es mas probable si se tiene una gran cantidad de datos para entrenar

El bias de una red neuronal se utiliza para representar los sesgos de las neuronas como pesos de conexión lo cual permite entrenarlo como cualqueir otro w de la red

En términos prácticos, el aprendizaje automático es un subconjunto del aprendizaje profundo que se implementa a partir de redes neuronales, de hecho, y en ese sentido, el aprendizaje profundo representa un algoritmo de aprendizaje no supervisado que aprende representaciones de datos mediante el uso de RNA

Los algoritmos de clasificación producen valores discretos y conjuntos de datos en categorías estrictas, mientras que las estructuras de regresión generan resultados continuos que permiten distinguir mejor las diferencias entre puntos individuales

Que afirmación es verdadera

Normamente la relación loss - accuracy es:

Que representa w