Ejercicios: Inteligencia artificial y big data

Explicá con tus palabras la diferencia entre programación tradicional (reglas escritas por una persona) y aprendizaje automático (reglas aprendidas a partir de ejemplos), y poné una aplicación donde cada enfoque sea más adecuado.

Definí «big data» y explicá las tres «V» clásicas (volumen, velocidad y variedad) con un ejemplo de cada una en el contexto de una aplicación de transporte urbano.

La figura muestra la cadena de un sistema de aprendizaje automático que recomienda rutas de bus, pero uno de sus bloques está tapado. Indicá qué bloque falta, qué ocurre dentro de él y qué datos necesita recibir del bloque anterior.

Explicá qué es un «modelo» en aprendizaje automático (los patrones y parámetros aprendidos de los datos) y qué diferencia hay entre entrenarlo y usarlo (inferencia). ¿Por qué entrenar cuesta mucho más computación que usarlo?

Citá cinco servicios cotidianos que usan aprendizaje automático hoy (mapas y tráfico, traductores, recomendadores de video, asistentes de voz, filtros de spam) e indicá en cada uno qué datos de entrada usa el modelo.

En aprendizaje supervisado, ¿qué es la etiqueta de un dato? Poné tres ejemplos de conjuntos de datos etiquetados (foto → gato/perro, correo → spam/no spam, sensor → sano/avería) y explicá quién suele producir las etiquetas y qué costo tiene.

Explicá con una analogía sencilla qué es una red neuronal artificial: capas de «neuronas» que combinan entradas con pesos ajustables. ¿Qué se ajusta durante el entrenamiento y qué significa que la red «aprende»?

Ordená de más general a más específico estos tres términos: aprendizaje profundo (deep learning), inteligencia artificial, aprendizaje automático. Explicá la relación de inclusión entre ellos con un ejemplo de cada nivel.

Explicá la diferencia entre aprendizaje supervisado, no supervisado y por refuerzo, y clasificá estas aplicaciones: filtro de spam entrenado con correos etiquetados, agrupación de clientes por hábitos de compra sin etiquetas, y un robot que aprende a caminar por ensayo y error.

Un sistema aprende con el $80\,\%$ de los datos y se evalúa con el $20\,\%$ restante. Explicá qué son el conjunto de entrenamiento y el de prueba, qué es el sobreajuste y cómo se detecta comparando los errores en ambos conjuntos.

Una alcaldía instala sensores de tráfico en $200$ cruces que envían una lectura cada $5$ segundos. a) Estimá el número de lecturas generadas al día y al año. b) Razoná qué problemas de almacenamiento y procesamiento plantean y por qué las bases de datos convencionales de un solo servidor pueden quedarse cortas.

Distinguí entre un problema de clasificación (predecir una categoría) y uno de regresión (predecir un número). Clasificá estas tareas: estimar el precio de una vivienda, decidir si una radiografía muestra una fractura, predecir la temperatura de mañana y agrupar noticias por tema.