DIGITALIZACION TEMA 4 siuuuuuuu

¿Qué es el machine bias?. Es una aplicación de machine learning a sistemas biométricos para mejorar la seguridad en centros de datos y zonas sensibles. Es una tendencia del modelo machine learning aplicado a la biología. Es el antecesor del modelo machine learning. Es el problema de sesgo que tiene típicamente el machine learning.

¿En qué consiste la minería de datos?. En descubrir patrones significativos e información útil a través de la exploración y análisis de grandes cantidades de datos. En producir datos para que sean consumidos de forma eficiente por una IA. En generar paquetes útiles de datos, que son conocidos como big data. Ninguna de las respuestas anteriores es correcta.

¿Con qué THD se combina la IA para simular escenarios complejos que ayuden a la formación de pilotos de aeronaves?. Con la ciberseguridad. Con los gemelos digitales. Con la realidad virtual. Con una combinación de todas las respuestas anteriores, según la dificultad de la formación.

¿Cómo se llama el modelo de aprendizaje de una IA que está orientado a la resolución de problemas complejos?. Machine learning. Complex learning. Data learning. Deep learning.

¿Qué tipo de aprendizaje se usa en machine learning para la detección de correo electrónico no deseado?. Aprendizaje supervisado. Aprendizaje no supervisado. Cualquiera de los modelos anteriores, pero lo realmente eficiente para este caso es el complex learning. La detección de spam no se consigue con machine learning.

¿Cuál de los siguientes modelos NO corresponde a un tipo de IA?. Inteligencia artificial estrecha. Inteligencia artificial ancha. Inteligencia artificial general. Superinteligencia artificial.

Hoy en día, ¿de qué tipo de IA son la inmensa mayoría de los ejemplos de IA que vemos en el mundo real?. Actualmente no existen ejemplos reales de IA. La mayoría son IA de nivel humano, ya que interaccionan con estos. Todos los ejemplos se basan en IA débil. Los pocos ejemplos que hay son de IA ancha.

¿Cuál es la primera etapa cuando se decide aplicar minería de datos a un negocio?. Entender claramente qué se espera lograr con la minería y cómo se utilizará esa información. Adquirir un equipo especializado en minería de datos. Implementar una aplicación, preferiblemente basada en IA, para poner en práctica el modelo de minería de datos. Predecir qué valores se van a obtener para comprobar si el modelo funciona.

¿Qué modelo de aprendizaje se ha empleado para herramientas como ChatGPT o asistentes virtuales como Alexa o Siri?. Machine learning. Complex learning. Data learning. Deep learning.

¿Qué suele ser necesario hacer con los datos antes de que una IA los utilice?. Nada, solo debemos asegurarnos de que estén en un archivo accesible por la IA. Normalmente hay que preprocesarlos y facilitárselos en archivos de tamaño fijo. Asegurarnos de que los recibe tal y como se generaron. Pasárselos a una IA cuya labor específica es formatearlos.

La minería de datos no puede utilizarse para analizar patrones de compra en el comercio electrónico. Verdadero. Falso.

El aprendizaje profundo requiere una cantidad mayor de datos que el aprendizaje automático convencional para ser efectivo. Verdadero. Falso.

Los modelos de inteligencia artificial no necesitan ser entrenados con grandes volúmenes de datos. Verdadero. Falso.

La segmentación de clientes en marketing se realiza mejor sin el uso de la minería de datos. Verdadero. Falsos.

El aprendizaje reforzado se basa en recompensas y penalizaciones para mejorar el comportamiento del modelo. Verdadero. Falso.

La minería de datos predictiva no se utiliza para hacer proyecciones sobre datos futuros. Verdadero. Falso.

Selecciona todas las afirmaciones que sean correctas: La minería de datos descriptiva se enfoca en hacer predicciones futuras. La minería de datos de asociación busca descubrir relaciones ocultas entre variables. La minería de datos predictiva usa datos históricos para construir modelos predictivos. La minería de datos espaciales no se relaciona con ubicaciones geográficas. Los modelos de minería de datos se integran en sistemas de producción durante el despliegue. Todos los modelos de minería de datos son adecuados para cualquier tipo de datos.

La realidad aumentada no utiliza IA para mejorar el reconocimiento de objetos. verdadero. falso.

La ciberseguridad puede beneficiarse del análisis de patrones de comportamiento con IA. verdadero. falso.

La minería de datos de clústeres implica la predicción de eventos futuros. Verdadero. Falso.

La minería de datos de clústeres implica la predicción de eventos futuros. Verdadero. Falso.

El aprendizaje reforzado se basa en recompensas y penalizaciones. Verdadero. Falso.

La superinteligencia artificial es actualmente una realidad práctica. Verdadero. Falso.

La realidad virtual no permite la personalización del entorno virtual. Verdadero. Falso.

La IA en las redes 5G no afecta a la asignación de recursos. Verdadero. Falso.

Los gemelos digitales permiten el mantenimiento preventivo en la fabricación. Verdadero. falso.

El aprendizaje no supervisado utiliza datos etiquetados para el entrenamiento. Verdadero. Falso.

Los robots colaborativos no pueden adaptarse a cambios en el entorno de trabajo. V. F.

El proceso de modelización en la minería de datos no utiliza algoritmos. V. F.

El aprendizaje profundo es menos eficiente que el aprendizaje automático estándar. V. F.

Completa las frases con los términos correspondientes: La____general también es conocida como IA fuerte. En la preparación de datos, se realiza la_______ y transformación de estos. Los_______ utilizan la IA para mejorar la simulación y predicción. La ______ incluye robots que trabajan efectivamente con humanos.

Completa la frase eligiendo la opción más adecuada en cada caso: La IA _____ es la que se utiliza en asistentes virtuales como Siri. El aprendizaje automático se clasifica en supervisado, no supervisado y _____. El proceso de_____ implica seleccionar y aplicar modelos de minería de datos. Todos los ejemplos que se ven actualmente en la vida real corresponden al modelo de IA.

Completa las frases con los términos correspondientes: Los _____ de aprendizaje automático permiten a las máquinas aprender de los datos. La ____ de datos es crucial para entrenar modelos de IA. La ____ de los datos es fundamental para proteger la privacidad. La ____ en la IA evita la discriminación en la toma de decisiones.