Cuestionario Parte III: Modelado de Temas y Resumen de Texto

1. ¿Cuál es el objetivo principal del modelado de temas?
    ◦ A) Clasificar el texto en categorías predefinidas
    ◦ B) Identificar los temas subyacentes en una colección de documentos
    ◦ C) Generar resúmenes de texto
    ◦ D) Traducir texto de un idioma a otro
2. ¿Cuál de las siguientes técnicas se basa en la descomposición en valores singulares (SVD)?
    ◦ A) Latent Dirichlet Allocation (LDA)
    ◦ B) Hierarchical Dirichlet Process (HDP)
    ◦ C) Latent Semantic Analysis (LSA)
    ◦ D) TextRank
3. ¿Cuál es una ventaja clave del Hierarchical Dirichlet Process (HDP) sobre el Latent Dirichlet Allocation (LDA)?
    ◦ A) HDP es más fácil de implementar
    ◦ B) HDP determina automáticamente el número de temas
    ◦ C) HDP requiere menos recursos computacionales
    ◦ D) HDP proporciona resultados más interpretables
4. ¿Qué biblioteca utilizamos para implementar Latent Dirichlet Allocation (LDA) y Hierarchical Dirichlet Process (HDP) en Python?
    ◦ A) NLTK
    ◦ B) spaCy
    ◦ C) Gensim
    ◦ D) Scikit-learn
5. En LDA, ¿a qué se refiere el término 'distribución de palabras por tema'?
    ◦ A) La distribución de probabilidad de palabras en un documento
    ◦ B) La distribución de probabilidad de temas en un documento
    ◦ C) La distribución de probabilidad de palabras dadas un tema
    ◦ D) La distribución de probabilidad de temas dadas una palabra

1. ¿Cuál es el objetivo principal del modelado de temas?
    ◦ A) Clasificar el texto en categorías predefinidas
    ◦ B) Identificar los temas subyacentes en una colección de documentos
    ◦ C) Generar resúmenes de texto
    ◦ D) Traducir texto de un idioma a otro
2. ¿Cuál de las siguientes técnicas se basa en la descomposición en valores singulares (SVD)?
    ◦ A) Latent Dirichlet Allocation (LDA)
    ◦ B) Hierarchical Dirichlet Process (HDP)
    ◦ C) Latent Semantic Analysis (LSA)
    ◦ D) TextRank
3. ¿Cuál es una ventaja clave del Hierarchical Dirichlet Process (HDP) sobre el Latent Dirichlet Allocation (LDA)?
    ◦ A) HDP es más fácil de implementar
    ◦ B) HDP determina automáticamente el número de temas
    ◦ C) HDP requiere menos recursos computacionales
    ◦ D) HDP proporciona resultados más interpretables
4. ¿Qué biblioteca utilizamos para implementar Latent Dirichlet Allocation (LDA) y Hierarchical Dirichlet Process (HDP) en Python?
    ◦ A) NLTK
    ◦ B) spaCy
    ◦ C) Gensim
    ◦ D) Scikit-learn
5. En LDA, ¿a qué se refiere el término 'distribución de palabras por tema'?
    ◦ A) La distribución de probabilidad de palabras en un documento
    ◦ B) La distribución de probabilidad de temas en un documento
    ◦ C) La distribución de probabilidad de palabras dadas un tema
    ◦ D) La distribución de probabilidad de temas dadas una palabra

1. ¿Cuál es el objetivo principal del modelado de temas?
    ◦ A) Clasificar el texto en categorías predefinidas
    ◦ B) Identificar los temas subyacentes en una colección de documentos
    ◦ C) Generar resúmenes de texto
    ◦ D) Traducir texto de un idioma a otro
2. ¿Cuál de las siguientes técnicas se basa en la descomposición en valores singulares (SVD)?
    ◦ A) Latent Dirichlet Allocation (LDA)
    ◦ B) Hierarchical Dirichlet Process (HDP)
    ◦ C) Latent Semantic Analysis (LSA)
    ◦ D) TextRank
3. ¿Cuál es una ventaja clave del Hierarchical Dirichlet Process (HDP) sobre el Latent Dirichlet Allocation (LDA)?
    ◦ A) HDP es más fácil de implementar
    ◦ B) HDP determina automáticamente el número de temas
    ◦ C) HDP requiere menos recursos computacionales
    ◦ D) HDP proporciona resultados más interpretables
4. ¿Qué biblioteca utilizamos para implementar Latent Dirichlet Allocation (LDA) y Hierarchical Dirichlet Process (HDP) en Python?
    ◦ A) NLTK
    ◦ B) spaCy
    ◦ C) Gensim
    ◦ D) Scikit-learn
5. En LDA, ¿a qué se refiere el término 'distribución de palabras por tema'?
    ◦ A) La distribución de probabilidad de palabras en un documento
    ◦ B) La distribución de probabilidad de temas en un documento
    ◦ C) La distribución de probabilidad de palabras dadas un tema
    ◦ D) La distribución de probabilidad de temas dadas una palabra

1. ¿Cuál es el objetivo principal del modelado de temas?
    ◦ A) Clasificar el texto en categorías predefinidas
    ◦ B) Identificar los temas subyacentes en una colección de documentos
    ◦ C) Generar resúmenes de texto
    ◦ D) Traducir texto de un idioma a otro
2. ¿Cuál de las siguientes técnicas se basa en la descomposición en valores singulares (SVD)?
    ◦ A) Latent Dirichlet Allocation (LDA)
    ◦ B) Hierarchical Dirichlet Process (HDP)
    ◦ C) Latent Semantic Analysis (LSA)
    ◦ D) TextRank
3. ¿Cuál es una ventaja clave del Hierarchical Dirichlet Process (HDP) sobre el Latent Dirichlet Allocation (LDA)?
    ◦ A) HDP es más fácil de implementar
    ◦ B) HDP determina automáticamente el número de temas
    ◦ C) HDP requiere menos recursos computacionales
    ◦ D) HDP proporciona resultados más interpretables
4. ¿Qué biblioteca utilizamos para implementar Latent Dirichlet Allocation (LDA) y Hierarchical Dirichlet Process (HDP) en Python?
    ◦ A) NLTK
    ◦ B) spaCy
    ◦ C) Gensim
    ◦ D) Scikit-learn
5. En LDA, ¿a qué se refiere el término 'distribución de palabras por tema'?
    ◦ A) La distribución de probabilidad de palabras en un documento
    ◦ B) La distribución de probabilidad de temas en un documento
    ◦ C) La distribución de probabilidad de palabras dadas un tema
    ◦ D) La distribución de probabilidad de temas dadas una palabra