Cuestionario: Fundamentos del Aprendizaje Profundo
Capítulo 2: Comprensión de Modelos Generativos
Pregunta 6: Modelos Generativos vs. Discriminativos
¿Cuál es la principal diferencia entre los modelos generativos y discriminativos?
A) Los modelos generativos clasifican datos, los modelos discriminativos generan nuevos datos
B) Los modelos generativos aprenden P(Y∣X)P(Y|X)P(Y∣X), los modelos discriminativos aprenden P(X,Y)P(X, Y)P(X,Y)
C) Los modelos generativos aprenden P(X,Y)P(X, Y)P(X,Y), los modelos discriminativos aprenden P(Y∣X)P(Y|X)P(Y∣X)
D) Los modelos generativos usan datos etiquetados, los modelos discriminativos usan datos no etiquetados
Pregunta 7: Arquitectura de GAN
¿Cuáles son los dos componentes principales de una Red Generativa Adversarial (GAN)?
A) Codificador y Decodificador
B) Generador y Discriminador
C) Generador y Codificador
D) Discriminador y Decodificador
Pregunta 8: Autoencoders Variacionales (VAEs)
En un Autoencoder Variacional (VAE), ¿cuál es el papel del codificador y del decodificador?
A) El codificador genera datos, el decodificador los evalúa
B) El codificador mapea los datos de entrada a un espacio latente, el decodificador genera nuevos datos a partir del espacio latente
C) El codificador clasifica datos, el decodificador los reconstruye
D) El codificador reduce la dimensionalidad de los datos, el decodificador la aumenta
Pregunta 9: Modelos Autoregresivos
¿Cómo generan datos los modelos autoregresivos?
A) Generando todos los puntos de datos a la vez
B) Generando un punto de datos a la vez, condicionado a los puntos anteriores
C) Transformando variables latentes
D) Usando entrenamiento adversarial
Pregunta 10: Flujos Normalizadores
¿Cuál es una característica clave de los Flujos Normalizadores?
A) Utilizan una serie de transformaciones no invertibles
B) Proporcionan estimación exacta de la verosimilitud y muestreo eficiente
C) Se utilizan principalmente para tareas de clasificación
D) No requieren datos de entrenamiento
Capítulo 2: Comprensión de Modelos Generativos
Pregunta 6: Modelos Generativos vs. Discriminativos
¿Cuál es la principal diferencia entre los modelos generativos y discriminativos?
A) Los modelos generativos clasifican datos, los modelos discriminativos generan nuevos datos
B) Los modelos generativos aprenden P(Y∣X)P(Y|X)P(Y∣X), los modelos discriminativos aprenden P(X,Y)P(X, Y)P(X,Y)
C) Los modelos generativos aprenden P(X,Y)P(X, Y)P(X,Y), los modelos discriminativos aprenden P(Y∣X)P(Y|X)P(Y∣X)
D) Los modelos generativos usan datos etiquetados, los modelos discriminativos usan datos no etiquetados
Pregunta 7: Arquitectura de GAN
¿Cuáles son los dos componentes principales de una Red Generativa Adversarial (GAN)?
A) Codificador y Decodificador
B) Generador y Discriminador
C) Generador y Codificador
D) Discriminador y Decodificador
Pregunta 8: Autoencoders Variacionales (VAEs)
En un Autoencoder Variacional (VAE), ¿cuál es el papel del codificador y del decodificador?
A) El codificador genera datos, el decodificador los evalúa
B) El codificador mapea los datos de entrada a un espacio latente, el decodificador genera nuevos datos a partir del espacio latente
C) El codificador clasifica datos, el decodificador los reconstruye
D) El codificador reduce la dimensionalidad de los datos, el decodificador la aumenta
Pregunta 9: Modelos Autoregresivos
¿Cómo generan datos los modelos autoregresivos?
A) Generando todos los puntos de datos a la vez
B) Generando un punto de datos a la vez, condicionado a los puntos anteriores
C) Transformando variables latentes
D) Usando entrenamiento adversarial
Pregunta 10: Flujos Normalizadores
¿Cuál es una característica clave de los Flujos Normalizadores?
A) Utilizan una serie de transformaciones no invertibles
B) Proporcionan estimación exacta de la verosimilitud y muestreo eficiente
C) Se utilizan principalmente para tareas de clasificación
D) No requieren datos de entrenamiento
Capítulo 2: Comprensión de Modelos Generativos
Pregunta 6: Modelos Generativos vs. Discriminativos
¿Cuál es la principal diferencia entre los modelos generativos y discriminativos?
A) Los modelos generativos clasifican datos, los modelos discriminativos generan nuevos datos
B) Los modelos generativos aprenden P(Y∣X)P(Y|X)P(Y∣X), los modelos discriminativos aprenden P(X,Y)P(X, Y)P(X,Y)
C) Los modelos generativos aprenden P(X,Y)P(X, Y)P(X,Y), los modelos discriminativos aprenden P(Y∣X)P(Y|X)P(Y∣X)
D) Los modelos generativos usan datos etiquetados, los modelos discriminativos usan datos no etiquetados
Pregunta 7: Arquitectura de GAN
¿Cuáles son los dos componentes principales de una Red Generativa Adversarial (GAN)?
A) Codificador y Decodificador
B) Generador y Discriminador
C) Generador y Codificador
D) Discriminador y Decodificador
Pregunta 8: Autoencoders Variacionales (VAEs)
En un Autoencoder Variacional (VAE), ¿cuál es el papel del codificador y del decodificador?
A) El codificador genera datos, el decodificador los evalúa
B) El codificador mapea los datos de entrada a un espacio latente, el decodificador genera nuevos datos a partir del espacio latente
C) El codificador clasifica datos, el decodificador los reconstruye
D) El codificador reduce la dimensionalidad de los datos, el decodificador la aumenta
Pregunta 9: Modelos Autoregresivos
¿Cómo generan datos los modelos autoregresivos?
A) Generando todos los puntos de datos a la vez
B) Generando un punto de datos a la vez, condicionado a los puntos anteriores
C) Transformando variables latentes
D) Usando entrenamiento adversarial
Pregunta 10: Flujos Normalizadores
¿Cuál es una característica clave de los Flujos Normalizadores?
A) Utilizan una serie de transformaciones no invertibles
B) Proporcionan estimación exacta de la verosimilitud y muestreo eficiente
C) Se utilizan principalmente para tareas de clasificación
D) No requieren datos de entrenamiento
Capítulo 2: Comprensión de Modelos Generativos
Pregunta 6: Modelos Generativos vs. Discriminativos
¿Cuál es la principal diferencia entre los modelos generativos y discriminativos?
A) Los modelos generativos clasifican datos, los modelos discriminativos generan nuevos datos
B) Los modelos generativos aprenden P(Y∣X)P(Y|X)P(Y∣X), los modelos discriminativos aprenden P(X,Y)P(X, Y)P(X,Y)
C) Los modelos generativos aprenden P(X,Y)P(X, Y)P(X,Y), los modelos discriminativos aprenden P(Y∣X)P(Y|X)P(Y∣X)
D) Los modelos generativos usan datos etiquetados, los modelos discriminativos usan datos no etiquetados
Pregunta 7: Arquitectura de GAN
¿Cuáles son los dos componentes principales de una Red Generativa Adversarial (GAN)?
A) Codificador y Decodificador
B) Generador y Discriminador
C) Generador y Codificador
D) Discriminador y Decodificador
Pregunta 8: Autoencoders Variacionales (VAEs)
En un Autoencoder Variacional (VAE), ¿cuál es el papel del codificador y del decodificador?
A) El codificador genera datos, el decodificador los evalúa
B) El codificador mapea los datos de entrada a un espacio latente, el decodificador genera nuevos datos a partir del espacio latente
C) El codificador clasifica datos, el decodificador los reconstruye
D) El codificador reduce la dimensionalidad de los datos, el decodificador la aumenta
Pregunta 9: Modelos Autoregresivos
¿Cómo generan datos los modelos autoregresivos?
A) Generando todos los puntos de datos a la vez
B) Generando un punto de datos a la vez, condicionado a los puntos anteriores
C) Transformando variables latentes
D) Usando entrenamiento adversarial
Pregunta 10: Flujos Normalizadores
¿Cuál es una característica clave de los Flujos Normalizadores?
A) Utilizan una serie de transformaciones no invertibles
B) Proporcionan estimación exacta de la verosimilitud y muestreo eficiente
C) Se utilizan principalmente para tareas de clasificación
D) No requieren datos de entrenamiento