Machine learning

Question 1

¿Qué es un array o lista?

Answer 1

Almacenar una colección de datos ordenados por medio de un índice

Question 2

Machine Learning

Answer 2

Es una rama de la inteligencia artificial.
Es un sistema complejo que aprende y mejora su respuesta con los datos que recibe de entrada.
Algoritmos y técnicas que permiten a las computadoras aprender y mejorar su desempeño en tareas específicas a partir de datos, sin necesidad de programación explícita para cada acción.
Se basa en el concepto de que las máquinas pueden aprender patrones, reconocer tendencias y tomar decisiones con mínima intervención humana, utilizando modelos y algoritmos que se entrenan con conjuntos de datos para hacer predicciones o tomar decisiones basadas en esa información.

Question 3

¿Cómo funciona el proceso de aprendizaje de Machine learning?

Answer 3

Se le dan datos, instrucciones y ejemplos para que el programa comience a interpretar patrones y con esto tome decisiones con la información que tiene.

Question 4

Ejemplos de algoritmos de aprendizaje

Answer 4

• Supervised machine learning algorithms (Algoritmos supervisados de ML)
• Unsupervised machine learning algorithms (Algoritmos no supervisados de ML)
• Semi-supervised machine learning algorithms (Algoritmos semi-supervisados de ML)
• Reinforcement machine learning algorithms (Algoritmos de aprendizaje por refuerzo)

Question 5

Supervised machine learning algorithms (Algoritmos supervisados de ML)

Answer 5

Aprenden a través de datos etiquetados.
Usan data histórica.
Tienen datos de entrada y salida .
Tienen una función para asignar etiquetas a los datos de salida.
sirven para clasificación y regresión.
Ejemplos: mails de spam, detección de fraude de identidad (clasificación), predicción del clima (regresión).

Question 6

Unsupervised machine learning algorithms (Algoritmos no supervisados de ML)

Answer 6

No tienen datos etiquetados.
Tratan de encontrar patrones, estructuras e inferencias de la data.
Ejemplo: agrupamiento de clientes basado en patrones de compra.

Question 7

Semi-supervised machine learning algorithms (Algoritmos semi-supervisados de ML)

Answer 7

Tienen una pequeña cantidad de datos etiquetados.
Para realizar predicciones.
Ejemplo: análisis de redes sociales dónde se tiene alguna información etiquetada y se intenta predecir otras relaciones entre usuarios basadas en esta información limitada.

Question 8

Algoritmos de aprendizaje por refuerzo (Reinforcement Learning Algorithms)

Answer 8

Aprenden a través de la interacción con su entorno (ensayo y error).
Toman decisiones y reciben retroalimentación (castigos y recompensas).
Ejemplo: los juegos, el programa aprende a tomar decisiones para maximizar su recompensa.

Question 9

¿Qué es una derivada?

Answer 9

Una derivada es una razón de cambio.
Una derivada nos dice que tantos cambios hay entre dos puntos.

Question 10

¿Para qué sirven las matemáticas?

Answer 10

Son una herramienta para traducir fenómenos del mundo real e insertarlos en las computadoras.

Question 11

¿Qué es un mínimo local?

Answer 11

Cuándo el sistema no ha aprendido eficazmente y se estanca (el error no se reduce. cero). No sirve porque la AI puede fallar mucho.

Question 12

Distancia euclidiana

Answer 12

La medida de la distancia entre dos puntos en un espacio euclidiano.

La distancia es la resta entre dos puntos.
Pero se elevan al cuadrado y luego se saca la raín cuadrada para trabajar con positivos.

Question 13

¿Qué es un descriptor en ML?

Answer 13

Es la representación numérica (o simbólica) de una caracteristica específica de un dato o entidad.

La idea es usar un formato que pueda ser procesado por los algoritmos de aprendizaje automático.

Question 14

¿Qué es overfitting?

Answer 14

Cuando entrenas de más un modelo y ya es incapaz de predecir. (ejemplo de aprenderse las preguntas exactas para un examen)

Good performance on the training data, poor generliazation to other data.

Question 15

¿Qué es Underfitting?

Answer 15

No entrenar lo suficiente el modelo.

Poor performance on the training data and poor generalization to other data

Question 16

¿Qué es generalización?

Answer 16

Capacidad de un modelo entrenado para hacer predicciones precisas o tomar decisiones acertadas con datos nuevos que nunca ha visto antes.

Question 17

¿Qué significa la función Y = f(X)?

Answer 17

Una función (f) que usa las cosas en X para determinar o predecir lo que sucede en Y.

Question 18

¿Qué es Statistical Fit? (Ajuste estadístico)

Answer 18

Medida cuantitativa de qué tan bien el modelo se ajusta a los datos con los que fue entrenado y cómo se desempeña al hacer predicciones en datos nuevos o no vistos.

Un modelo con un buen ajuste es aquel que puede predecir con precisión los datos con los que fue entrenado y que tiene la capacidad de hacer predicciones útiles y certeras en nuevos conjuntos de datos.

Question 19

¿Qué es un dataset de validación?

Answer 19

Un conjunto de datos que se retuvo para probar el modelo después del entrenamiento.

Question 20

¿Qué son las resampling techniques o técnicas de remuestreo?

Answer 20

Son técnicas útiles para evitar el sobre entrenamiento. En una técnica de remuestreo, (como la validación cruzada k-fold), se dividen los datos en conjuntos de entrenamiento y prueba repetidamente para evaluar el rendimiento del modelo en diferentes subconjuntos de datos.

Question 21

¿Qué es una falacia?

Answer 21

Un argumento que parece lógico o verdadero, pero en realidad es incorrecto.

Question 22

¿Qué es la validación cruzada?

Answer 22

Cuando se rotan los datos entre entrenamiento y prueba. Ayuda a evitar el cherry picking.

Question 23

¿Qué es la validación cruzada K-fold?

Answer 23

El método k-fold es una técnica específica de validación cruzada en la que los datos se dividen en k subconjuntos (llamados “folds”) del mismo tamaño. Luego, el modelo se entrena k veces, cada vez utilizando k-1 de esos subconjuntos como datos de entrenamiento y uno como datos de prueba. El rendimiento del modelo se calcula como el promedio de los resultados obtenidos en cada iteración.

Question 24

¿Qué es una matriz de confusión?

Answer 24

Es una tabla que muestra la cantidad de predicciones correctas e incorrectas hechas por un modelo en comparación con los valores reales en un problema de clasificación.

Question 25

Train, Validation and Test

Answer 25

Se refiere a la división de un conjunto de datos en tres partes principales.