Brainscape's Knowledge GenomeTM

Browse over 1 million classes created by top students, professors, publishers, and experts.


See full index

Inteligencia Artificial > Primer Parcial > Flashcards

Primer Parcial Flashcards

1
Q

Inteligencia Artificial en los 80s-90s

A

Machine learning
Término sombrilla para todo lo que imprila entrenamiento con datos

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Algoritmos clásicos de IA adoptados por ML

A

Máquinas de soporte vectorial
K-Means
Regresión Lineal
Inferencia Bayesiana

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Lo inteligente

A

Lo autónomo pero adaptable

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Autónomo

A

Que no necesita instrucciones constantes

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Adaptable

A

Puede cambiar su comportamiento a medida que cambia el entorno o espacio del problema

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Inteligencia artificial

A

Sistema sintético que muestra un comportamiento inteligente
Aprende de forma autónoma y mientras se adapta a nuevos datos y entornos

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Inteligencia artificial en ciencias computacionales

A

Disciplina que busca replicar y desarrollar la inteligencia y sus procesos implícitos a través de computadoras.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Cuatro enfoques de la Inteligencia Artificial

A

Sistemas que piensen como humanos
Sistemas que actúen como humanos
Sistemas que piensen racionalmete
Sistemas que actúan racionalmente

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Modelo cognitivo

A

Busca replicar la cognición humana.
Teorías de cómo las personas piensan, implementados en simulaciones informáticas

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Pruebas de modelos cognitivos

A

Se comparan sus predicciones con datos humanos de estudios de comportamiento y neuroimagen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Leyes del pensamiento

A

Reglas axiomáticas en las que se basa el propio discurso racional

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Prueba de Turing

A

Prueba la capacidad de una máquina para mostrar un comportamiento inteligente equivalente o indistinguible al del humano

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Resultados de la prueba de Turing

A

Sólo dependen de la similitud de las respuestas con las que daría un humano, no si son correctas o no

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Agente

A

Cualquier cosa que pueda percibir su entorno con sensores
Actúa soble ese entorno mediante actuadores

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Agentes racionales

A

Cualquier cosa que tome decisiones
Lleva a cabo una acción con el mejor resultado tras comsiderar percepciones pasadas y presentes

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Sistema de IA

A

Agente+entorno

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
17
Q

Medida de la racionalidad de un agente

A

Medida de rendimiento, conocimientos previos, entorno que percibe y acciones que puede realizar

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
18
Q

PEAS

A

Performance
Environment
Actuators
Sensors

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
19
Q

Tipos de ambiente

A

Accesible o no
Determinístico o Estocástico
Dinámico o estático
Discreto o continuo
Uni o multi agente

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
20
Q

Ambiente accesible o inaccesible

A

Todo el ambiente es observable por el agente en todo momento o no

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
21
Q

Determinístico o Estocástico

A

El estado siguiente es determinado por el ectual o no afecta el presente al futuro

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
22
Q

Dinámico o estático

A

Si cambia el ambiente mientras el agente delibera

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
23
Q

Trabajo de la IA

A

Diseñar un programa que implemente la función de correspondencia entre percepciones y acciones

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
24
Q

Agente (está formado por)

A

Arquitectura+programa

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
25
Q

Arquitectura del agente

A

Dispositivo informático con sensores y actuadores físicos

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
26
Q

Agentes de reflejo simple

A

Seleccionan acciones basándose en la percepción actual, ignorando la historia d ela percepción

27
Q

Agente basado en modelo

A

Mantiene un estado interno que depende de la historia de la percepción. Refleja algunos aspectos no observables del estado actual

28
Q

Agente basado en metas

A

Necesita información sobre el objetivo que describa lo deseable y combina esto con el modelo para elegir acciones y alcanzar el objetivo

29
Q

Agentes basados en utilidad

A

Compara diferentes estados del mundo en función maximizar la utilidad esperada y tomar una decisión con base en eso.

30
Q

Agentes que aprenden

A

Elemento de aprendizaje
Elemento de rendimiento
Crítico
Generador de problemas

31
Q

Elemento de Aprendizaje

A

Realiza mejoras

32
Q

Elemento de rendimeinto

A

Selecciona acciones externas. Agente.

33
Q

Crítico

A

Evalúa el rendimeinto con respecto a un estándar fijo

34
Q

Generador de problemas

A

Permite que el agente explote

35
Q

Data science Life Cycle

A

Business Understanding
Data collection
Data preparation
Explanatory data analysis
Modeling
Model evaluation
Model deplyment

36
Q

Machine learning

A

Forma de IA que permite a un sistema aprender de datos en lugar de programación explícita

37
Q

Paradigmas de aprendizaje

A

Aprendizaje supervisado
Aprendizaje no supervisado
Aprendizaje por refuerzo

38
Q

Aprendizaje supervisado

A

Utiliza datos etiquetados que entrenan algoritmos para generar una funsión que mapee X con objetivos Y

39
Q

Regresión

A

Cuando la variable objetivo es continua

40
Q

Clasificación

A

Cuando la variable objetivo es discreta

41
Q

Aprendizaje no supervisado

A

Utiliza algoritmos de aprendizaje automático para analizar y agrupar datos no etiquetados. Descubren patrones y agrupan sin intervención humana

42
Q

Aprendizaje por refuerzo

A

Aprendizaje automático basado en recompensar lo deseado y castigar lo no deseado. Por ensayo y error

43
Q

Regresión lineal

A

Enfoque lineal para modelar la relación entre una respuesta escalar y una o más variables explícitas

44
Q

Mínimmos Cuadrados

A

Procedimeinto estadístico para encontrar el ajuste para un conjunto de puntos minimizando la suma de los residuos con la curva trazada

45
Q

Gradiente Descendente

A

Algoritmo iterativo de optimización de primer orden para encontrar un mínimo local de una función diferenciable

46
Q

Clasificación

A

Tarea que requiere del uso de algoritmos de aprendizaje automático para asignar etiquetas

47
Q

Regresión logística

A

Modelo de aprendizaje supervisado para tareas de clasificación binaria a partir de transformación de valores numéricos a categorías

48
Q

Clasificación multiclase

A

Clasificación con más de dos clases, cada muestra sólo puede etiquetarse como una clase. A cada muestra se le asigna una etiqueta.

49
Q

SoftMax

A

Usamos como función de error una variable de las antes mencionadas cross-entropy

50
Q

Accuracy

A

Mide la frecuencia con que el clasificador predice correctamente. Predicciones correctas/Predicciones totales

51
Q

Matriz de confusión

A

Medida de rendimiento de problemas de clasificación de aprendizaje automático en los que pueden ser dos clases o más

52
Q

Precisión

A

Cuantos de los casos predichos resultan ser positivos

53
Q

Recall (sensibilidad)

A

Cuántos de los casos positivos reales pudimos predecir correctamente

54
Q

Puntuación F1

A

Idea combinada de las métricas precisión y recall. Es máxima cuando precisión=recall

55
Q

Aprendizaje no supervisado

A

Aprendizaje automático que busca patrones en un conunto de datos sin etiquetas preexistentes.
Elimina el sesgo de hipótesis

56
Q

Formas del aprendizaje no supervisado

A

Agrupación
Asociación
Reducción de la dimensionalidad

57
Q

Agrupación

A

Proceso de end¿contrar similitudes entre datos no etiquetados y agruparlos

58
Q

Asociación

A

Encuentra relaciones entre los datos de un conjunto de datos determinado

59
Q

Reducción de dimensionalidad

A

Cuando el número de características de unos datos es demasiado elevado

60
Q

Clustering

A

Encontrar k grupos de un conjunto de datos dado.

61
Q

iciones para clustering

A

Los elementos son similares
Los grupos no son similares entre sí

62
Q

K-Means

A

partición que resuelve el problema de agrupación mediante k centroides. Cada grupo es exclusivo

63
Q

K means se detiene cuando

A

Los centroides se han establecido sin cambios en sus valores
Se ha alcanzado el número de iteraciones definido

64
Q

Elbow method

A

Se crea el k means con un rango de valores de k. Calculamos la suma de las distancias de los elementos a los centroides. Se selecciona el punto de inflexión y se usa ese valor para k.

Inteligencia Artificial (1 decks)

Brainscape helps you reach your goals faster, through stronger study habits.
© 2024 Bold Learning Solutions. Terms and Conditions