¿Por qué dividimos el dataset en dos partes (80% y 20%)? a) Porque no son necesarios tantos datos, así gastamos menos tiempo y recursos de computación. b) Para entrenar el modelo solo con la parte del 80% de los datos y guardar el otro 20% de datos reales para luego poder hacer comprobaciones y medir la confiabilidad del modelo entrenado. c) Porque así funciona mejor el algoritmo de Árbol de Decisión. d) Para hacer el entrenamiento del modelo en dos partes y no superar los 16 MB disponibles en la versión gratuita de BigML.
¿Sería posible trabajar en este ejercicio (se refiere al del dataset de vinos) con el algoritmo G-Means en lugar de con el K-Means? a) Sólo si utilizamos cualquier otro algoritmo distinto de clustering. b) Sí. c) No.
¿Cómo representa gráficamente BigML un modelo entrenado con el algoritmo “clúster”? a) Con círculos b) Con un diagrama de tipo árbol c) Con tablas d) Ninguna de las anteriores.
¿Para qué sirve la vista Scatterplot de los datasets en la plataforma BigML? a) Para repasar relaciones entre las diferentes categorías de nuestro dataset, confrontándolas de dos en dos y ver las gráficas que generan. b) Para generar informes de gastos de la empresa. c) Ayuda a crear modelos de inteligencia artificial para robots. d) Ninguna de las anteriores.
¿Cuántos MB puede tener una base de datos como máximo para poder trabajar con ella en la versión gratuita de BigML? a) 16MB b) 8MB c) 2MB d) 32MB.
¿BigML sirve para analizar los datos con los que se va a trabajar antes de hacer un entrenamiento de Aprendizaje Automático? a) Sí, aunque no es la función principal de la plataforma. b) Solo se utiliza para entrenar modelos de aprendizaje automático y no para analizar los datos con los que se van a trabajar. c) Solo es útil para analizar datos después de haber entrenado modelos de aprendizaje automático. d) BigML es solo una herramienta de visualización de datos y no se utiliza para analizarlos.
¿Se puede dividir en BigML un dataset para realizar el entrenamiento con una parte de los datos y reservar la otra para hacer posteriormente una evaluación del modelo ya entrenado? a) Sí, pudiendo definir exactamente qué tanto por ciento dedicas a cada parte b) No c) Sí, obligándote a un 80% para el entrenamiento y un 20% para la evaluación Sólo si se solicita a los administradores de la plataforma.
Si encuentro un dataset en la plataforma BigML que me gusta, puedo descargar la base de datos correspondiente en formato .csv. a) Sí. b) Sólo con una cuenta premium c) Sólo previa solicitud por correo a los administradores de la plataforma. d) No.
¿Es posible editar el nombre de las categorías de un dataset en BigML? a) Sí, antes de lanzar el entrenamiento b) No. c) Sí, después de lanzar el entrenamiento d) Sí, en cualquier fase.
¿Qué datos de las categorías de un dataset podemos previsualizar antes de adquirirlo? a) Su nombre, tipología, cantidad, datos perdidos, datos erróneos y un histograma de distribución. b) Su nombre y su cantidad c) Ninguno, vamos a ciegas d) Todas las anteriores son válidas.
En BigML la vista “confidence” que se puede visualizar en un modelo ya entrenado con el algoritmo de Árbol de Decisión representa a) Confiabilidad del modelo b) Predicciones realizadas c) Variables de entrada que se utilizaron en cada nodo del árbol de decisión para dividir el conjunto de datos en dos subconjuntos más pequeños.
En BigML la vista “predictions” que se puede visualizar en un modelo ya entrenado con el algoritmo de Árbol de Decisión representa a) Predicciones realizadas b) Confiabilidad del modelo c) Variables de entrada que se utilizaron en cada nodo del árbol de decisión para dividir el conjunto de datos en dos subconjuntos más pequeños.
¿Cómo te puedes crear una cuenta en BigML? a) Con tu usuario Google. b) Con tu usuario GitHub. c) Con tu usuario de Amazon. d) Todas las respuestas anteriores son válidas.
¿Cómo puedes trabajar en la plataforma BigML con bases de datos propias (aportadas por ti)? a) BigML solo permite trabajar con bases de datos propias si tienes una cuenta premium. b) BigML no es posible trabajar con bases de datos propias, solo con los conjuntos de datos que ofrece la plataforma. c) Para trabajar con bases de datos propias en BigML es necesario descargar un programa independiente que permite la integración con la plataforma. d) Cargando el archivo de dicha base de datos en el apartado “Source” y luego generando el dataset correspondiente.
¿Es posible editar el nombre de las categorías de un dataset en BigML? a) No es posible editar el nombre de las categorías de un dataset en BigML, ya que son fijas e inalterables. b) Sí, pero solo se pueden editar los nombres de las categorías de un dataset en BigML si se tiene una cuenta premium. c) No, las categorías de un dataset en BigML se actualizan automáticamente en función de los datos de entrada, por lo que no es necesario editarlas manualmente. d) . Sí, antes de lanzar el entrenamiento.
En BigML, una vez terminado el entrenamiento supervisado con algoritmo de Árbol de Decisión podemos hacer predicciones: a) Introduciendo dato a dato un nuevo caso. b) Cargando a través de una base de dato múltiples casos a la vez. c) Introduciendo a la vez todos los datos de una nueva instancia. d) Todas las respuestas anteriores son válidas.
¿Qué necesitas en BigML para poder hacer la evaluación de un modelo ya entrenado? a) La evaluación de un modelo ya entrenado en BigML solo se puede hacer si el modelo ha sido entrenado con el algoritmo de Regresión. b) Solo es necesario tener el modelo guardado en la plataforma. Es necesario tener una cuenta premium en la plataforma. c) Una base de datos que incluya también el campo objetivo en el entrenamiento, para que la herramienta pueda comparar caso a caso el resultado real con el pronosticado por el modelo.
¿Podemos utilizar el mismo dataset para hacer entrenamientos con algoritmos diferentes? a) Para utilizar el mismo dataset para hacer entrenamientos con algoritmos diferentes es necesario tener una cuenta premium en la plataforma. b) Es necesario tener diferentes datasets para hacer entrenamientos con algoritmos diferentes, ya que cada algoritmo requiere un formato de entrada específico. c) . No es recomendable utilizar el mismo dataset para hacer entrenamientos con algoritmos diferentes, ya que puede generar resultados incoherentes. d) Sí, de hecho, es habitual en muchos casos para comparar niveles de exactitud y precisión alcanzados, para quedarse con el mejor modelo.
¿Puede haber datos erróneos o perdidos en un dataset, aunque no nos lo indique BigML en la visualización de dicho dataset? a) Normalmente no b) Sí, cuando BigML falla c) No d) Sí, cuando en la base de datos se hayan rellenado casillas vacías de forma automática con ceros u otra información genérica.
En BigML, cuando trabajo con mis propias bases de datos, si quiero prescindir de alguna categoría o descargar instancias incompletas o erróneas debo gestionarlo a) ... Todas las respuestas son válidas. b) Después de cargar el recurso en el apartado "Sources", pero antes de generar el dataset c) Se puede hacer después de haber generado el dataset d) Antes de cargar el recurso en "Sources".
¿Qué es BigML? a) Una plataforma online que permite plantear y resolver problemas de aprendizaje automático b) Un tipo de algoritmo de aprendizaje automático c) Una herramienta para simular redes neuronales d) Ninguna de las anteriores es correcta.
|
