Primer Parcial

Question 1

Inteligencia Artificial en los 80s-90s

Answer 1

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

Question 2

Algoritmos clásicos de IA adoptados por ML

Answer 2

Máquinas de soporte vectorial
K-Means
Regresión Lineal
Inferencia Bayesiana

Question 3

Lo inteligente

Answer 3

Lo autónomo pero adaptable

Question 4

Autónomo

Answer 4

Que no necesita instrucciones constantes

Question 5

Adaptable

Answer 5

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

Question 6

Inteligencia artificial

Answer 6

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

Question 7

Inteligencia artificial en ciencias computacionales

Answer 7

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

Question 8

Cuatro enfoques de la Inteligencia Artificial

Answer 8

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

Question 9

Modelo cognitivo

Answer 9

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

Question 10

Pruebas de modelos cognitivos

Answer 10

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

Question 11

Leyes del pensamiento

Answer 11

Reglas axiomáticas en las que se basa el propio discurso racional

Question 12

Prueba de Turing

Answer 12

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

Question 13

Resultados de la prueba de Turing

Answer 13

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

Question 14

Agente

Answer 14

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

Question 15

Agentes racionales

Answer 15

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

Question 16

Sistema de IA

Answer 16

Agente+entorno

Question 17

Medida de la racionalidad de un agente

Answer 17

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

Question 18

PEAS

Answer 18

Performance
Environment
Actuators
Sensors

Question 19

Tipos de ambiente

Answer 19

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

Question 20

Ambiente accesible o inaccesible

Answer 20

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

Question 21

Determinístico o Estocástico

Answer 21

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

Question 22

Dinámico o estático

Answer 22

Si cambia el ambiente mientras el agente delibera

Question 23

Trabajo de la IA

Answer 23

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

Question 24

Agente (está formado por)

Answer 24

Arquitectura+programa

Question 25

Arquitectura del agente

Answer 25

Dispositivo informático con sensores y actuadores físicos

Question 26

Agentes de reflejo simple

Answer 26

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

Question 27

Agente basado en modelo

Answer 27

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

Question 28

Agente basado en metas

Answer 28

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

Question 29

Agentes basados en utilidad

Answer 29

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

Question 30

Agentes que aprenden

Answer 30

Elemento de aprendizaje Elemento de rendimiento Crítico Generador de problemas

Question 31

Elemento de Aprendizaje

Answer 31

Realiza mejoras

Question 32

Elemento de rendimeinto

Answer 32

Selecciona acciones externas. Agente.

Question 33

Crítico

Answer 33

Evalúa el rendimeinto con respecto a un estándar fijo

Question 34

Generador de problemas

Answer 34

Permite que el agente explote

Question 35

Data science Life Cycle

Answer 35

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

Question 36

Machine learning

Answer 36

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

Question 37

Paradigmas de aprendizaje

Answer 37

Aprendizaje supervisado Aprendizaje no supervisado Aprendizaje por refuerzo

Question 38

Aprendizaje supervisado

Answer 38

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

Question 39

Regresión

Answer 39

Cuando la variable objetivo es continua

Question 40

Clasificación

Answer 40

Cuando la variable objetivo es discreta

Question 41

Aprendizaje no supervisado

Answer 41

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

Question 42

Aprendizaje por refuerzo

Answer 42

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

Question 43

Regresión lineal

Answer 43

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

Question 44

Mínimmos Cuadrados

Answer 44

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

Question 45

Gradiente Descendente

Answer 45

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

Question 46

Clasificación

Answer 46

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

Question 47

Regresión logística

Answer 47

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

Question 48

Clasificación multiclase

Answer 48

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

Question 49

SoftMax

Answer 49

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

Question 50

Accuracy

Answer 50

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

Question 51

Matriz de confusión

Answer 51

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

Question 52

Precisión

Answer 52

Cuantos de los casos predichos resultan ser positivos

Question 53

Recall (sensibilidad)

Answer 53

Cuántos de los casos positivos reales pudimos predecir correctamente

Question 54

Puntuación F1

Answer 54

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

Question 55

Aprendizaje no supervisado

Answer 55

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

Question 56

Formas del aprendizaje no supervisado

Answer 56

Agrupación Asociación Reducción de la dimensionalidad

Question 57

Agrupación

Answer 57

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

Question 58

Asociación

Answer 58

Encuentra relaciones entre los datos de un conjunto de datos determinado

Question 59

Reducción de dimensionalidad

Answer 59

Cuando el número de características de unos datos es demasiado elevado

Question 60

Clustering

Answer 60

Encontrar k grupos de un conjunto de datos dado.

Question 61

iciones para clustering

Answer 61

Los elementos son similares Los grupos no son similares entre sí

Question 62

K-Means

Answer 62

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

Question 63

K means se detiene cuando

Answer 63

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

Question 64

Elbow method

Answer 64

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.