---

quiz: true passing: 70

Cuestionario — Las bases: cómo aprende un ordenador

Cuestionario de validación · Módulo 1 — Las bases · Test individual

Contenidos evaluados: IA, Machine Learning, aprendizaje supervisado, datos etiquetados, variables y etiquetas, conjunto de entrenamiento vs conjunto de prueba, modelo, algoritmo, regresión vs clasificación

Consignas: 8 preguntas de opción múltiple. Una sola respuesta correcta por pregunta. La corrección detallada aparece después del envío.

Question 1

En la lección, comparamos la IA con un perro al que se adiestra. ¿Por qué esta comparación?

• a) Porque la IA es un animal vivo que necesita comer
• b) Porque no programamos la IA con reglas: la entrenamos con muchos ejemplos, como se entrena a un perro
• c) Porque la IA sabe ladrar cuando le hablamos
• d) Porque la IA nunca aprende nada nuevo

Question 2

Quieres enseñarle a un amigo a distinguir una manzana de una naranja. ¿Qué hacemos en Machine Learning?

• a) Le damos una única regla: «las manzanas son siempre rojas»
• b) No le mostramos nada y esperamos que adivine
• c) Le mostramos cientos de fotos con la respuesta, y él encuentra los patrones solo
• d) Le pedimos que lea un diccionario de frutas

Question 3

¿Qué significa «supervisado» en «aprendizaje supervisado»?

• a) El ordenador tiene siempre las respuestas correctas (la corrección) mientras se entrena
• b) Un adulto vigila al ordenador para que no se apague
• c) El ordenador aprende sin ninguna respuesta
• d) El ordenador ve vídeos todo el día

Question 4

Una cesta de fruta donde cada pieza lleva una pequeña etiqueta «manzana» o «naranja». ¿Cómo se llaman este tipo de ejemplos?

• a) Datos secretos
• b) Datos perdidos
• c) Datos no etiquetados
• d) Datos etiquetados

Question 5

Juegas a «¿Quién es quién?» para adivinar un animal. «¿Tiene pelo? ¿Ladra?». En el vocabulario de la lección, esas pistas son…

• a) etiquetas
• b) modelos
• c) variables
• d) algoritmos

Question 6

¿Por qué separamos los datos en conjunto de entrenamiento y conjunto de prueba?

• a) Porque el ordenador no puede leer más de 100 ejemplos
• b) Para comprobar si el ordenador realmente ha aprendido, y no solo ha memorizado, probándolo con ejemplos nunca vistos
• c) Para que el ordenador tenga el doble de trabajo
• d) Porque los datos de prueba son más bonitos

Question 7

Tras semanas de entrenamiento en tiros libres, tu brazo «conoce» el movimiento correcto. En la lección, esa habilidad aprendida se parece a…

• a) una etiqueta
• b) un dato de prueba
• c) una variable
• d) un modelo

Question 8

«¿Cuántos caramelos hay en este bote?» y «¿Este caramelo es de chocolate o de frutas?». ¿Qué respuesta es correcta?

• a) La primera es una regresión (un número), la segunda una clasificación (una categoría)
• b) Las dos son regresiones
• c) Las dos son clasificaciones
• d) La primera es una clasificación, la segunda una regresión

Corrigé

1. b — ¡Bravo! No programamos la IA con reglas preparadas: le mostramos toneladas de ejemplos y ella aprende los patrones, exactamente como un perro aprende «siéntate» a fuerza de intentos. La IA no es mágica ni está viva.

2. c — ¡Exacto! El Machine Learning consiste en dar ejemplos (no reglas) y dejar que el programa encuentre los patrones solo. Cuantos más buenos ejemplos ve, más fuerte se vuelve.

3. a — ¡Sí! «Supervisado» significa que el ordenador repasa con una corrección, como tarjetas con la respuesta detrás. Es lo que le permite aprender rápido y bien.

4. d — ¡Bien visto! Cuando cada ejemplo ya tiene su respuesta escrita («manzana», «naranja»), son datos etiquetados. El aprendizaje supervisado los necesita absolutamente.

5. c — ¡Genial! Las pistas que el ordenador mira (pelo, ladrido, tamaño) son las variables. La respuesta final («¡Es un perro!») es la etiqueta.

6. b — ¡Exacto! Repasar con las mismas preguntas del examen sería hacer trampa. Probar con ejemplos nunca vistos nos dice si el modelo ha entendido de verdad.

7. d — ¡Bravo! El modelo es el «cerebro» construido tras el entrenamiento, listo para adivinar sobre cosas nuevas, como tu brazo que sabe tirar sin pensar en cada paso.

8. a — ¡Perfecto! Adivinar un número (cuántos caramelos) es una regresión. Elegir una categoría (chocolate o frutas) es una clasificación. ¡Hazte siempre esta pregunta antes de construir un modelo!