From bd1ed40c593e7358e186b20e2ff3194e27f08984 Mon Sep 17 00:00:00 2001 From: Sebastian Pardo Date: Tue, 10 May 2022 12:25:30 -0400 Subject: [PATCH] (spanish) Quiz app spanish translation (#591) * feat(quiz-app): add spanish translation * fix(quiz-app): standardizes question punctuation for spanish translate * fix: modify quiz link for spanish version * refactor(quiz-app): modify text to meet the lessons standard --- .../1-intro-to-ML/translations/README.es.md | 4 +- .../2-history-of-ML/translations/README.es.md | 4 +- .../3-fairness/translations/README.es.md | 4 +- .../translations/README.es.md | 4 +- 2-Regression/2-Data/translations/README.es.md | 4 +- .../3-Linear/translations/README.es.md | 4 +- .../4-Logistic/translations/README.es.md | 4 +- 3-Web-App/1-Web-App/translations/README.es.md | 4 +- .../1-Introduction/translations/README.es.md | 4 +- .../2-Classifiers-1/translations/README.es.md | 4 +- .../3-Classifiers-2/translations/README.es.md | 4 +- .../4-Applied/translations/README.es.md | 4 +- .../1-Visualize/translations/README.es.md | 4 +- .../2-K-Means/translations/README.es.md | 4 +- .../translations/README.es.md | 4 +- 6-NLP/2-Tasks/translations/README.es.md | 4 +- .../translations/README.es.md | 4 +- .../translations/README.es.md | 4 +- .../translations/README.es.md | 4 +- .../1-Introduction/translations/README.es.md | 4 +- quiz-app/src/App.vue | 1 + quiz-app/src/assets/translations/es.json | 2930 +++++++++++++++++ quiz-app/src/assets/translations/index.js | 4 +- 23 files changed, 2974 insertions(+), 41 deletions(-) create mode 100644 quiz-app/src/assets/translations/es.json diff --git a/1-Introduction/1-intro-to-ML/translations/README.es.md b/1-Introduction/1-intro-to-ML/translations/README.es.md index 80cad78d..28cfa2e9 100644 --- a/1-Introduction/1-intro-to-ML/translations/README.es.md +++ b/1-Introduction/1-intro-to-ML/translations/README.es.md @@ -4,7 +4,7 @@ > 馃帴 Haz clic en la imagen de arriba para ver un video donde se discuten las diferencias entre el machine learning, la inteligencia artificial, y el deep learning. -## [Cuestionario previo a la conferencia](https://white-water-09ec41f0f.azurestaticapps.net/quiz/1/) +## [Cuestionario previo a la conferencia](https://white-water-09ec41f0f.azurestaticapps.net/quiz/1?loc=es) ### Introducci贸n @@ -100,7 +100,7 @@ En el futuro pr贸ximo, entender las bases de machine learning va a ser una neces Dibuja, en papel o usando una aplicaci贸n como [Excalidraw](https://excalidraw.com/), c贸mo entiendes las diferencias entre inteligencia artificial, ML, deep learning, y la ciencia de datos. Agrega algunas ideas de problemas que cada una de estas t茅cnicas son buenas en resolver. -## [Cuestionario despu茅s de la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/2/) +## [Cuestionario despu茅s de la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/2?loc=es) ## Revisi贸n y autoestudio diff --git a/1-Introduction/2-history-of-ML/translations/README.es.md b/1-Introduction/2-history-of-ML/translations/README.es.md index 39b2a0c8..7ef7d80a 100755 --- a/1-Introduction/2-history-of-ML/translations/README.es.md +++ b/1-Introduction/2-history-of-ML/translations/README.es.md @@ -3,7 +3,7 @@ ![Resumen de la historia del machine learning en un boceto](../../sketchnotes/ml-history.png) > Boceto por [Tomomi Imura](https://www.twitter.com/girlie_mac) -## [Cuestionario previo a la conferencia](https://white-water-09ec41f0f.azurestaticapps.net/quiz/3/) +## [Cuestionario previo a la conferencia](https://white-water-09ec41f0f.azurestaticapps.net/quiz/3?loc=es) En esta lecci贸n, analizaremos los principales hitos en la historia del machine learning y la inteligencia artificial. @@ -102,7 +102,7 @@ Queda por ver qu茅 depara el futuro, pero es importante entender estos sistemas Sum茅rjase dentro de unos de estos momentos hist贸ricos y aprenda m谩s sobre las personas detr谩s de ellos. Hay personajes fascinantes y nunca ocurri贸 ning煤n descubrimiento cient铆fico en un vac铆o cultural. 驴Qu茅 descubres? -## [Cuestionario posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/4/) +## [Cuestionario posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/4?loc=es) ## Revisi贸n y autoestudio diff --git a/1-Introduction/3-fairness/translations/README.es.md b/1-Introduction/3-fairness/translations/README.es.md index 61f5c014..be09df6b 100644 --- a/1-Introduction/3-fairness/translations/README.es.md +++ b/1-Introduction/3-fairness/translations/README.es.md @@ -3,7 +3,7 @@ ![Resumen de justicia en el aprendizaje autom谩tico en un sketchnote](../../../sketchnotes/ml-fairness.png) > Sketchnote por [Tomomi Imura](https://www.twitter.com/girlie_mac) -## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/5/) +## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/5?loc=es) ## Introducci贸n @@ -183,7 +183,7 @@ Para prevenir que los sesgos sean introducidos en primer lugar, debemos: Piensa en escenarios de la vida real donde la injusticia es evidente en la construcci贸n y uso de modelos. 驴Qu茅 m谩s debemos considerar? -## [Cuestionario posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/6/) +## [Cuestionario posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/6?loc=es) ## Revisi贸n y autoestudio En esta lecci贸n has aprendido algunos de los conceptos b谩sicos de justicia e injusticia en el aprendizaje autom谩tico. diff --git a/1-Introduction/4-techniques-of-ML/translations/README.es.md b/1-Introduction/4-techniques-of-ML/translations/README.es.md index 3e8249ff..eb7de48e 100755 --- a/1-Introduction/4-techniques-of-ML/translations/README.es.md +++ b/1-Introduction/4-techniques-of-ML/translations/README.es.md @@ -6,7 +6,7 @@ El proceso de creaci贸n, uso y mantenimiento de modelos de machine learning, y l - Explorar conceptos b谩sicos como 'modelos', 'predicciones', y 'datos de entrenamiento' -## [Cuestionario previo a la conferencia](https://white-water-09ec41f0f.azurestaticapps.net/quiz/7/) +## [Cuestionario previo a la conferencia](https://white-water-09ec41f0f.azurestaticapps.net/quiz/7?loc=es) ## Introducci贸n A un alto nivel, el arte de crear procesos de machine learning (ML) se compone de una serie de pasos: @@ -101,7 +101,7 @@ En estas lecciones, descubrir谩 c贸mo utilizar estos pasos para preparar, constr Dibuje un diagrama de flujos que refleje los pasos de practicante de ML. 驴D贸nde te ves ahora mismo en el proceso? 驴D贸nde predice que encontrar谩 dificultades? 驴Qu茅 te parece f谩cil? -## [Cuestionario posterior a la conferencia](https://white-water-09ec41f0f.azurestaticapps.net/quiz/8/) +## [Cuestionario posterior a la conferencia](https://white-water-09ec41f0f.azurestaticapps.net/quiz/8?loc=es) ## Revisi贸n & Autoestudio diff --git a/2-Regression/2-Data/translations/README.es.md b/2-Regression/2-Data/translations/README.es.md index 2e7e6e3e..9ce762e8 100644 --- a/2-Regression/2-Data/translations/README.es.md +++ b/2-Regression/2-Data/translations/README.es.md @@ -4,7 +4,7 @@ Infograf铆a por [Dasani Madipalli](https://twitter.com/dasani_decoded) -## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/11/) +## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/11?loc=es) > ### [Esta lecci贸n se encuentra disponible en R!](../solution/R/lesson_2-R.ipynb) @@ -196,7 +196,7 @@ Para obtener gr谩ficas para mostrar datos 煤tiles, necesitas agrupar los datos d Explora los distintos tipos de visualizaci贸n que ofrece Matplotlib. 驴Qu茅 tipos son los m谩s apropiados para problemas de regresi贸n? -## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/12/) +## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/12?loc=es) ## Revisi贸n y autoestudio diff --git a/2-Regression/3-Linear/translations/README.es.md b/2-Regression/3-Linear/translations/README.es.md index 77ef2696..c76aec95 100644 --- a/2-Regression/3-Linear/translations/README.es.md +++ b/2-Regression/3-Linear/translations/README.es.md @@ -3,7 +3,7 @@ ![Infograf铆a de regresi贸n lineal vs polinomial](./images/linear-polynomial.png) > Infograf铆a de [Dasani Madipalli](https://twitter.com/dasani_decoded) -## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/13/) +## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/13?loc=es) > ### [隆Esta lecci贸n est谩 disponible en R!](../solution/R/lesson_3-R.ipynb) @@ -331,7 +331,7 @@ Llama a `predict()` para hacer una predicci贸n: Prueba variables diferentes en este notebook para ver c贸mo la correlaci贸n corresponde a la precisi贸n del modelo. -## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/14/) +## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/14?loc=es) ## Revisi贸n y auto-estudio diff --git a/2-Regression/4-Logistic/translations/README.es.md b/2-Regression/4-Logistic/translations/README.es.md index 22db534b..e66ef072 100644 --- a/2-Regression/4-Logistic/translations/README.es.md +++ b/2-Regression/4-Logistic/translations/README.es.md @@ -3,7 +3,7 @@ ![Infograf铆a de regresiones lineal vs log铆stica](../images/logistic-linear.png) > Infograf铆a de [Dasani Madipalli](https://twitter.com/dasani_decoded) -## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/15/) +## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/15?loc=es) > ### [Esta lecci贸n se encuentra disponible en R!](../solution/R/lesson_4-R.ipynb) @@ -302,7 +302,7 @@ En futuras lecciones de clasificaci贸n, aprender谩s c贸mo iterar para mejorar lo 隆Hay mucho m谩s para desempacar respecto a la regresi贸n log铆stica! Pero la mejor forma de aprender es experimentar. Encuentra un conjunto de datos que se preste para este tipo de an谩lisis y construye un modelo con 茅l. 驴Qu茅 aprendes? tipo: prueba [Kaggle](https://www.kaggle.com/search?q=logistic+regression+datasets) por conjuntos de datos interesantes. -## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/16/) +## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/16?loc=es) ## Revisi贸n & autoestudio diff --git a/3-Web-App/1-Web-App/translations/README.es.md b/3-Web-App/1-Web-App/translations/README.es.md index 3623fb71..5a825b70 100644 --- a/3-Web-App/1-Web-App/translations/README.es.md +++ b/3-Web-App/1-Web-App/translations/README.es.md @@ -11,7 +11,7 @@ Continuaremos nuestro uso de notebooks para limpiar los datos y entrenar nuestro Para hacer esto, necesitas construir una aplicaci贸n web usando Flask. -## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/17/) +## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/17?loc=es) ## Construyendo una aplicaci贸n @@ -335,7 +335,7 @@ En un entorno profesional, puedes ver c贸mo la buena comunicaci贸n es necesaria En lugar de trabajar en un notebook e importar el modelo a una aplicaci贸n Flask, 隆podr铆as entrenar el modelo directo en la aplicaci贸n Flask! Intenta convertir tu c贸digo Python en el notebook, quiz谩 despu茅s que tus datos sean limpiados, para entrenar el modelo desde la aplicaci贸n en una ruta llamada `train`. 驴Cu谩les son los pros y contras de seguir este m茅todo? -## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/18/) +## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/18?loc=es) ## Revisi贸n y autoestudio diff --git a/4-Classification/1-Introduction/translations/README.es.md b/4-Classification/1-Introduction/translations/README.es.md index ea05762b..60aa54bc 100644 --- a/4-Classification/1-Introduction/translations/README.es.md +++ b/4-Classification/1-Introduction/translations/README.es.md @@ -19,7 +19,7 @@ Recuerda: La clasificaci贸n utiliza varios algor铆tmos para determinar otras formas de determinar la clase o etiqueta de un punto de datos. Trabajemos con estos datos de cocina para ver si, al observar un grupo de ingredientes, podemos determinar su cocina u origen. -## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/19/) +## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/19?loc=es) > ### [隆Esta lecci贸n est谩 disponible en R!](./solution/R/lesson_10-R.ipynb) @@ -288,7 +288,7 @@ Ahora que has limpiado los datos, usa [SMOTE](https://imbalanced-learn.org/dev/r Este plan de estudios contiene varios conjuntos de datos interesantes. Profundiza en los directorios `data` y ve si alguno contiene conjuntos de datos que ser铆an apropiados para clasificaci贸n binaria o multiclase. 驴Qu茅 preguntas har铆as a este conunto de datos? -## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/20/) +## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/20?loc=es) ## Revisi贸n y autoestudio diff --git a/4-Classification/2-Classifiers-1/translations/README.es.md b/4-Classification/2-Classifiers-1/translations/README.es.md index 01d91dda..64792f79 100644 --- a/4-Classification/2-Classifiers-1/translations/README.es.md +++ b/4-Classification/2-Classifiers-1/translations/README.es.md @@ -4,7 +4,7 @@ En esta lecci贸n, usar谩s el conjunto de datos que guardaste en la 煤ltima lecci Usar谩s este conjunto de datos con una variedad de clasificadores para _predecir una cocina nacional dada basado en un grupo de ingredientes_. Mientras lo haces, aprender谩s m谩s acerca de algunas formas en que los algoritmos pueden ser aprovechados para las tareas de clasificaci贸n. -## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/21/) +## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/21?loc=es) # Preparaci贸n @@ -234,7 +234,7 @@ Ya que est谩s usando un caso multiclase, necesitas elegir qu茅 _esquema_ usar y En esta lecci贸n, usaste tus datos limpios para construir un modelo de aprendizaje autom谩tico que puede predecir una cocina nacional basado en una serie de ingredientes. Toma un tiempo para leer las diversas opciones que provee Scikit-learn para clasificar los datos. Profundiza en el concepto de 'solucionador' para comprender que sucede detr谩s de escena. -## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/22/) +## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/22?loc=es) ## Revisi贸n y autoestudio diff --git a/4-Classification/3-Classifiers-2/translations/README.es.md b/4-Classification/3-Classifiers-2/translations/README.es.md index 3dc16d82..1e81e46c 100644 --- a/4-Classification/3-Classifiers-2/translations/README.es.md +++ b/4-Classification/3-Classifiers-2/translations/README.es.md @@ -2,7 +2,7 @@ En esta segunda lecci贸n de clasificaci贸n, explorar谩s m谩s formas de clasificar datos num茅ricos. Tambi茅n aprender谩s acerca de las ramificaciones para elegir un clasificador en lugar de otro. -## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/23/) +## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/23?loc=es) ### Prerrequisito @@ -223,7 +223,7 @@ Este m茅todo de aprendizaje autom谩tico "combina las predicciones de varios esti Cada una de estas t茅cnicas tiene un gran n煤mero de par谩metros que puedes modificar. Investiga los par谩metros predeterminados de cada uno y piensa en lo que significar铆a el ajuste de estos par谩metros para la calidad del modelo. -## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/24/) +## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/24?loc=es) ## Revisi贸n y autoestudio diff --git a/4-Classification/4-Applied/translations/README.es.md b/4-Classification/4-Applied/translations/README.es.md index 5d2d3a76..60962210 100644 --- a/4-Classification/4-Applied/translations/README.es.md +++ b/4-Classification/4-Applied/translations/README.es.md @@ -8,7 +8,7 @@ Uno de los usos pr谩cticos m谩s 煤tiles del aprendizaje autom谩tico es construir > 馃帴 Haz clic en la imagen de arriba para ver el video: Jen Looper construye una aplicaci贸n web usando los datos clasificados de cocina. -## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/25/) +## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/25?loc=es) En esta lecci贸n aprender谩s: @@ -301,7 +301,7 @@ Felicidades, has creado una aplicaci贸n de 'recomendaci贸n' con pocos campos. 隆 Tu aplicaci贸n web es m铆nima, as铆 que continua construy茅ndola usando los ingredientes y sus 铆ndices de los datos [ingredient_indexes](../../data/ingredient_indexes.csv). 驴Qu茅 combinaciones de sabor funcionan para crear un determinado platillo nacional? -## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/26/) +## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/26?loc=es) ## Revisi贸n y autoestudio diff --git a/5-Clustering/1-Visualize/translations/README.es.md b/5-Clustering/1-Visualize/translations/README.es.md index 317e964a..6a47ea30 100644 --- a/5-Clustering/1-Visualize/translations/README.es.md +++ b/5-Clustering/1-Visualize/translations/README.es.md @@ -6,7 +6,7 @@ El agrupamiento (clustering) es un tipo de [aprendizaje no supervisado](https:// > 馃帴 Haz clic en la imagen de arriba para ver el video. Mientras estudias aprendizaje autom谩tico con agrupamiento, disfruta de algunas canciones Dance Hall Nigerianas - esta es una canci贸n muy popular del 2014 de PSquare. -## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/27/) +## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/27?loc=es) ### Introducci贸n @@ -320,7 +320,7 @@ En general, para el agrupamiento, puedes usar gr谩ficos de dispersi贸n para most En preparaci贸n para la siguiente lecci贸n, realiza una gr谩fica acerca de los diverso algoritmos de agrupamiento que puedes descubrir y usar en un ambiente de producci贸n. 驴Qu茅 tipo de problemas trata de abordar el agrupamiento? -## [Examen porterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/28/) +## [Examen porterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/28?loc=es) ## Revisi贸n y auto-estudio diff --git a/5-Clustering/2-K-Means/translations/README.es.md b/5-Clustering/2-K-Means/translations/README.es.md index 191491ca..b9c696e8 100644 --- a/5-Clustering/2-K-Means/translations/README.es.md +++ b/5-Clustering/2-K-Means/translations/README.es.md @@ -4,7 +4,7 @@ > 馃帴 Haz clic en la imagen de arriba para ver el video: Andrew Ng explica el agrupamiento" -## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/29/) +## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/29?loc=es) En esta lecci贸n, aprender谩s c贸mo crear grupos usando Scikit-learn y el conjunto de datos de m煤sica Nigeriana que importaste anteriormente. Cubriremos los conceptos b谩sicos de K-Medias para agrupamiento. Ten en mente que, como aprendiste en lecciones anteriores, hay muchas formas de de trabajar con grupos y el m茅todo que uses depende de tus datos. Probaremos K-medias ya que es la t茅cnica de agrupamiento m谩s com煤n. 隆Comencemos! @@ -238,7 +238,7 @@ Dedica algo de tiempo a este notebook, ajustando los par谩metros. 驴Puedes mejor Pista: Prueba escalar tus datos. Hay c贸digo comentado en el notebook que agrega escalado est谩ndar para hacer que las columnas de datos se parezcan m谩s entre s铆 en t茅rminos de rango. Encontrar谩s que mientras el puntaje de silueta disminuye el 'pliegue' en la gr谩fica de codo se suaviza. Esto es por qu茅 al dejar los datos sin escalar le permite a los datos con menos variaci贸n tengan m谩s peso. Lee un poco m谩s de este problema [aqu铆](https://stats.stackexchange.com/questions/21222/are-mean-normalization-and-feature-scaling-needed-for-k-means-clustering/21226#21226). -## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/30/) +## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/30?loc=es) ## Revisi贸n y auto-estudio diff --git a/6-NLP/1-Introduction-to-NLP/translations/README.es.md b/6-NLP/1-Introduction-to-NLP/translations/README.es.md index 09f317fb..620aef11 100644 --- a/6-NLP/1-Introduction-to-NLP/translations/README.es.md +++ b/6-NLP/1-Introduction-to-NLP/translations/README.es.md @@ -2,7 +2,7 @@ Esta lecci贸n cubre una breve historia y conceptos importante del *procesamiento del lenguaje natural*, un subcampo de la *lig眉铆stica computacional*. -## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/31/) +## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/31?loc=es) ## Introducci贸n @@ -150,7 +150,7 @@ Elige uno de los elementos "Detente y considera" de arriba y trata de implementa En la siguiente lecci贸n, aprender谩s acerca de otros enfoques de c贸mo analizar el lenguaje natural y aprendizaje autom谩tico. -## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/32/) +## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/32?loc=es) ## Revisi贸n y autoestudio diff --git a/6-NLP/2-Tasks/translations/README.es.md b/6-NLP/2-Tasks/translations/README.es.md index ae5cd0f4..dba482eb 100644 --- a/6-NLP/2-Tasks/translations/README.es.md +++ b/6-NLP/2-Tasks/translations/README.es.md @@ -2,7 +2,7 @@ Para la mayor铆a de tareas de *procesamiento del lenguaje natural*, el texto a ser procesado debe ser partido en bloques, examinado y los resultados almacenados y tener referencias cruzadas con reglas y conjuntos de datos. Esta tareas, le permiten al programador obtener el _significado_, _intenci贸n_ o s贸lo la _frecuencia_ de los t茅rminos y palabras en un texto. -## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/33/) +## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/33?loc=es) Descubramos t茅cnicas comunes usadas en el procesamiento de texto. Combinadas con el aprendizaje autom谩tico, estas t茅cnicas te ayudan a analizar grandes cantidades de texto de forma eficiente, Antes de aplicar aprendizaje autom谩tico a estas tareas, primero entendamos los problemas encontrados por un especialista del procesamiento del lenguaje natural. @@ -203,7 +203,7 @@ Implementa el bot con la revisi贸n de conocimiento anterior y pru茅balo con un a Toma una tarea de la revisi贸n de conocimiento previo y trata de implementarla. Prueba el bot con un amigo. 驴Pudo enga帽arlo? 驴Puedes hacer a tu bot m谩s 'cre铆ble'? -## [Examen posterior a la lectura](https://white-water-09ec41f0f.azurestaticapps.net/quiz/34/) +## [Examen posterior a la lectura](https://white-water-09ec41f0f.azurestaticapps.net/quiz/34?loc=es) ## Revisi贸n y autoestudio diff --git a/6-NLP/3-Translation-Sentiment/translations/README.es.md b/6-NLP/3-Translation-Sentiment/translations/README.es.md index 06073b03..501f4e58 100644 --- a/6-NLP/3-Translation-Sentiment/translations/README.es.md +++ b/6-NLP/3-Translation-Sentiment/translations/README.es.md @@ -2,7 +2,7 @@ En las lecciones anteriores aprendiste c贸mo construir un bot b谩sico usando `TextBlob`, una biblioteca que embebe aprendizaje autom谩tico tras bambalinas para realizar tareas b谩sicas de procesamiento del lenguaje natural (NLP) tales como extracci贸n de frases nominales. Otro desaf铆o importante en la ling眉铆stica computacional es la _traducci贸n_ precisa de una oraci贸n de un idioma hablado o escrito a otro. -## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/35/) +## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/35?loc=es) La traducci贸n es siempre un problema dif铆cil compuesto por el hecho que existen miles de idiomas y cada uno puede tener distintas reglas gramaticales. Un enfoque es convertir las reglas gramaticales formales para un idioma, como el Ingl茅s, a una estructura no dependiente del idioma, y luego traducirlo al convertirlo de nuevo a otro idioma. Este enfoque significa que deber铆as realizar los siguientes pasos: @@ -176,7 +176,7 @@ Aqu铆 tienes una [soluci贸n de muestra](../solution/notebook.ipynb). 驴Puedes hacer a Marvin a煤n mejor al extraer otras caracter铆sticas de la entrada del usuario? -## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/36/) +## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/36?loc=es) ## Revisi贸n y autoestudio diff --git a/6-NLP/4-Hotel-Reviews-1/translations/README.es.md b/6-NLP/4-Hotel-Reviews-1/translations/README.es.md index 24930acf..39c6ed52 100644 --- a/6-NLP/4-Hotel-Reviews-1/translations/README.es.md +++ b/6-NLP/4-Hotel-Reviews-1/translations/README.es.md @@ -6,7 +6,7 @@ En esta secci贸n usar谩s las t茅cnicas de las lecciones anteriores para hacer un - c贸mo calcular algunos datos nuevos bas谩ndote en las columnas existentes - c贸mo guardar el conjunto de datos resultante para usarlo en el desaf铆o final -## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/37/) +## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/37?loc=es) ### Introducci贸n @@ -404,7 +404,7 @@ Ahora que has explorado el conjunto de datos, en la pr贸xima lecci贸n filtrar谩s Esta lecci贸n demuestra, como vimos en lecciones anteriores, qu茅 tan cr铆ticamente importante es entender tus datos y sus imperfecciones antes de realizar operaciones sobre ellos. Los datos basados en texto, requieren particularmente un minucioso escrutinio. Profundiza en grandes conjuntos de datos basados en texto y ve si puedes descubrir 谩reas que podr铆an presentar sesgos o sentimientos sesgados en un modelo. -## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/38/) +## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/38?loc=es) ## Revisi贸n y autoestudio diff --git a/6-NLP/5-Hotel-Reviews-2/translations/README.es.md b/6-NLP/5-Hotel-Reviews-2/translations/README.es.md index 9312168c..bbd3296c 100644 --- a/6-NLP/5-Hotel-Reviews-2/translations/README.es.md +++ b/6-NLP/5-Hotel-Reviews-2/translations/README.es.md @@ -2,7 +2,7 @@ Ahora que has explorado a detalle el conjunto de datos, es momento de filtrar las columnas y luego usar t茅cnicas de procesamiento del lenguaje natural sobre el conjunto de datos para obtener nuevos conocimientos acerca de los hoteles. -## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/39/) +## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/39?loc=es) ### Filtrado y operaciones de an谩lisis de sentimiento @@ -361,7 +361,7 @@ Para revisar, los pasos son: Cuando iniciaste, ten铆as un conjunto de datos con columnas y datos pero no todos ello pod铆an ser verificados o usados. Exploraste los datos, filtraste lo que no necesitas, convertiste etiquetas en algo 煤til, calculaste tus propios promedios, agregaste algunas columnas de sentimiento y espero hayas aprendido cosas interesantes acerca de procesar texto natural. -## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/40/) +## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/40?loc=es) ## Desaf铆o diff --git a/7-TimeSeries/1-Introduction/translations/README.es.md b/7-TimeSeries/1-Introduction/translations/README.es.md index 882f6322..282dd328 100644 --- a/7-TimeSeries/1-Introduction/translations/README.es.md +++ b/7-TimeSeries/1-Introduction/translations/README.es.md @@ -10,7 +10,7 @@ En esta lecci贸n y la siguiente, aprender谩s un poco acerca de la predicci贸n de > 馃帴 Da clic en la imagen de arriba para ver un video acerca de la predicci贸n de series de tiempo -## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/41/) +## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/41?loc=es) Es un campo 煤til e interesante con valor real para el negocio, dada su aplicaci贸n directa a problemas de precio, inventario e incidentes de cadenas de suministro. Mientras que las t茅cnicas de aprendizaje profundo han comenzado a usarse para ganar m谩s conocimiento para mejorar el rendimiento de futuras predicciones, la predicci贸n de series de tiempo sigue siendo un campo muy informado por t茅cnicas de aprendizaje autom谩tico cl谩sico. @@ -175,7 +175,7 @@ En la siguiente lecci贸n, crear谩s un modelo ARIMA para realizar algunas predicc Haz una lista de todas las industrias y 谩reas de consulta en las que puedes pensar que se beneficiar铆an de la predicci贸n de series de tiempo. 驴Puedes pensar en una aplicaci贸n de estas t茅cnicas en las artes, en la econometr铆a, ecolog铆a, venta al menudeo, la industria, finanzas? 驴D贸nde m谩s? -## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/42/) +## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/42?loc=es) ## Revisi贸n y autoestudio diff --git a/quiz-app/src/App.vue b/quiz-app/src/App.vue index 017d34bb..e2a958e5 100644 --- a/quiz-app/src/App.vue +++ b/quiz-app/src/App.vue @@ -10,6 +10,7 @@ +
diff --git a/quiz-app/src/assets/translations/es.json b/quiz-app/src/assets/translations/es.json new file mode 100644 index 00000000..e3a7cf6e --- /dev/null +++ b/quiz-app/src/assets/translations/es.json @@ -0,0 +1,2930 @@ +[ + { + "title": "Machine Learning para principiantes: Ex谩menes", + "complete": "Felicitaciones, has completado el examen!", + "error": "Lo sentimos, int茅ntalo de nuevo", + "quizzes": [ + { + "id": 1, + "title": "Introducci贸n a Machine Learning: Examen previo a la lecci贸n", + "quiz": [ + { + "questionText": "Las aplicaciones de Machine Learning est谩n por todas partes:", + "answerOptions": [ + { + "answerText": "Verdadero", + "isCorrect": "true" + }, + { + "answerText": "Falso", + "isCorrect": "false" + } + ] + }, + { + "questionText": "驴Cu谩l es la diferencia t茅cnica entre el ML cl谩sico y el deep learning?:", + "answerOptions": [ + { + "answerText": "El ML cl谩sico se invent贸 primero", + "isCorrect": "false" + }, + { + "answerText": "El uso de redes neuronales", + "isCorrect": "true" + }, + { + "answerText": "El deep learning se utiliza en robots", + "isCorrect": "false" + } + ] + }, + { + "questionText": "驴Por qu茅 una empresa podr铆a querer utilizar estrategias de ML?:", + "answerOptions": [ + { + "answerText": "Para automatizar la resoluci贸n de problemas multidimensionales", + "isCorrect": "false" + }, + { + "answerText": "Para personalizar la experiencia de compra en funci贸n del tipo de cliente", + "isCorrect": "false" + }, + { + "answerText": "Las dos anteriores", + "isCorrect": "true" + } + ] + } + ] + }, + { + "id": 2, + "title": "Introducci贸n a Machine Learning: Examen posterior a la lecci贸n", + "quiz": [ + { + "questionText": "Los algoritmos de Machine Learning estan pensados para simular:", + "answerOptions": [ + { + "answerText": "M谩quinas inteligentes", + "isCorrect": "false" + }, + { + "answerText": "El cerebro humano", + "isCorrect": "true" + }, + { + "answerText": "Orangutanes", + "isCorrect": "false" + } + ] + }, + { + "questionText": "驴Cu谩l es un ejemplo de una t茅cnica cl谩sica de ML?:", + "answerOptions": [ + { + "answerText": "Procesamiento del lenguaje natural", + "isCorrect": "true" + }, + { + "answerText": "Deep learning", + "isCorrect": "false" + }, + { + "answerText": "Redes Neuronales", + "isCorrect": "false" + } + ] + }, + { + "questionText": "驴Por qu茅 todos deber铆an aprender los fundamentos de ML?:", + "answerOptions": [ + { + "answerText": "Aprender ML es divertido y accesible para todos", + "isCorrect": "false" + }, + { + "answerText": "Las estrategias de ML estan siendo utilizadas en muchas industrias y 谩mbitos", + "isCorrect": "false" + }, + { + "answerText": "Las dos anteriores", + "isCorrect": "true" + } + ] + } + ] + }, + { + "id": 3, + "title": "La historia del Machine Learning: Examen previo a la lecci贸n", + "quiz": [ + { + "questionText": "驴Cu谩ndo se acu帽贸 aproximadamente el t茅rmino 'inteligencia artificial'?:", + "answerOptions": [ + { + "answerText": "En la d茅cada de 1980", + "isCorrect": "false" + }, + { + "answerText": "En la d茅cada de 1950", + "isCorrect": "true" + }, + { + "answerText": "En la d茅cada de 1930", + "isCorrect": "false" + } + ] + }, + { + "questionText": "驴Qui茅n fue uno de los pioneros del Machine Learning?:", + "answerOptions": [ + { + "answerText": "Alan Turing", + "isCorrect": "true" + }, + { + "answerText": "Bill Gates", + "isCorrect": "false" + }, + { + "answerText": "Shakey el robot", + "isCorrect": "false" + } + ] + }, + { + "questionText": "驴Cu谩l es una de las razones por las que el avance de la IA se ralentiz贸 en la d茅cada de 1970?:", + "answerOptions": [ + { + "answerText": "Potencia de c贸mputo limitada", + "isCorrect": "true" + }, + { + "answerText": "Falta de ingenieros cualificados", + "isCorrect": "false" + }, + { + "answerText": "Conflictos entre pa铆ses", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 4, + "title": "La historia del Machine Learning: Examen posterior a la lecci贸n", + "quiz": [ + { + "questionText": "驴Cu谩l es un ejemplo de sistema de IA 'scruffy'?:", + "answerOptions": [ + { + "answerText": "ELIZA", + "isCorrect": "true" + }, + { + "answerText": "HACKML", + "isCorrect": "false" + }, + { + "answerText": "SSYSTEM", + "isCorrect": "false" + } + ] + }, + { + "questionText": "驴Cu谩l es un ejemplo de tecnolog铆a desarrollada durante 'Los A帽os Dorados'?:", + "answerOptions": [ + { + "answerText": "Blocks world", + "isCorrect": "true" + }, + { + "answerText": "Jibo", + "isCorrect": "false" + }, + { + "answerText": "Perros Robot", + "isCorrect": "false" + } + ] + }, + { + "questionText": "驴Qu茅 acontecimiento fue fundamental para la creaci贸n y expansi贸n del campo de la inteligencia artificial?:", + "answerOptions": [ + { + "answerText": "La prueba de turing", + "isCorrect": "false" + }, + { + "answerText": "Dartmouth Summer Research Project", + "isCorrect": "true" + }, + { + "answerText": "El invierno de la IA", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 5, + "title": "Justicia y Machine Learning: Examen previo a la lecci贸n", + "quiz": [ + { + "questionText": "La injusticia en Machine Learning puede ocurrir:", + "answerOptions": [ + { + "answerText": "Intencionalmente", + "isCorrect": "false" + }, + { + "answerText": "Involuntariamente", + "isCorrect": "false" + }, + { + "answerText": "Las dos anteriores", + "isCorrect": "true" + } + ] + }, + { + "questionText": "El t茅rmino 'injusticia' en ML connota:", + "answerOptions": [ + { + "answerText": "Da帽os para un grupo de personas", + "isCorrect": "true" + }, + { + "answerText": "Da帽os para una persona", + "isCorrect": "false" + }, + { + "answerText": "Da帽os para la mayor铆a de las personas", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Los cinco tipos principales de da帽os incluyen:", + "answerOptions": [ + { + "answerText": "Asignaci贸n, calidad del servicio, estereotipos, denigraci贸n, y representaci贸n excesiva o insuficiente", + "isCorrect": "true" + }, + { + "answerText": "Ubicaci贸n, calidad del servicio, estereotipos, denigraci贸n, y representaci贸n excesiva o insuficiente", + "isCorrect": "false" + }, + { + "answerText": "Asignaci贸n, calidad del servicio, estereofon铆a, denigraci贸n, y representaci贸n excesiva o insuficiente", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 6, + "title": "Justicia y Machine Learning: Examen posterior a la lecci贸n", + "quiz": [ + { + "questionText": "La injusticia en un modelo puede ser causada por:", + "answerOptions": [ + { + "answerText": "Exceso de dependencia en datos hist贸ricos", + "isCorrect": "true" + }, + { + "answerText": "Baja dependencia en datos hist贸ricos", + "isCorrect": "false" + }, + { + "answerText": "Ajustarse demasiado a datos hist贸ricos", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Para mitigar la injusticia, puedes:", + "answerOptions": [ + { + "answerText": "Identificar da帽os y los grupos afectados", + "isCorrect": "false" + }, + { + "answerText": "Definir m茅tricas de equidad", + "isCorrect": "false" + }, + { + "answerText": "Las dos anteriores", + "isCorrect": "true" + } + ] + }, + { + "questionText": "Fairlearn es un paquete que puede:", + "answerOptions": [ + { + "answerText": "Comparar varios modelos utilizando m茅tricas de equidad y rendimiento", + "isCorrect": "true" + }, + { + "answerText": "Escoger el mejor modelo para tus necesidades", + "isCorrect": "false" + }, + { + "answerText": "Ayudarte a decidir lo que es justo y lo que no lo es", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 7, + "title": "Herramientas y t茅cnicas: Examen previo a la lecci贸n", + "quiz": [ + { + "questionText": "Al construir un modelo, deber铆as:", + "answerOptions": [ + { + "answerText": "Preparar los datos, y luego entrenar el modelo", + "isCorrect": "true" + }, + { + "answerText": "Elegir un m茅todo de entrenamiento, y luego preparar los datos", + "isCorrect": "false" + }, + { + "answerText": "Ajustar los par谩metros, y luego entrenar el modelo", + "isCorrect": "false" + } + ] + }, + { + "questionText": "La ___ de tus datos influir谩 en la calidad de tu modelo de ML:", + "answerOptions": [ + { + "answerText": "Cantidad", + "isCorrect": "false" + }, + { + "answerText": "Forma", + "isCorrect": "false" + }, + { + "answerText": "Los dos anteriores", + "isCorrect": "true" + } + ] + }, + { + "questionText": "Una variable de caracter铆sticas es:", + "answerOptions": [ + { + "answerText": "La calidad de tus datos", + "isCorrect": "false" + }, + { + "answerText": "Una propiedad medible de tus datos", + "isCorrect": "true" + }, + { + "answerText": "Una fila de tus datos", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 8, + "title": "Herramientas y t茅cnicas: Examen posterior a la lecci贸n", + "quiz": [ + { + "questionText": "Deber铆as visualizar tus datos porque:", + "answerOptions": [ + { + "answerText": "Puedes descubrir los valores at铆picos", + "isCorrect": "false" + }, + { + "answerText": "Puedes descubrir una posible causa de sesgo", + "isCorrect": "false" + }, + { + "answerText": "Las dos anteriores", + "isCorrect": "true" + } + ] + }, + { + "questionText": "Divides tus datos en:", + "answerOptions": [ + { + "answerText": "Conjuntos de entrenamiento y de turing", + "isCorrect": "false" + }, + { + "answerText": "Conjuntos de entrenamiento y de prueba", + "isCorrect": "true" + }, + { + "answerText": "Conjuntos de validaci贸n y de evaluaci贸n", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Un comando com煤n para iniciar el proceso de entrenamiento en varias bibliotecas de ML es:", + "answerOptions": [ + { + "answerText": "model.travel", + "isCorrect": "false" + }, + { + "answerText": "model.train", + "isCorrect": "false" + }, + { + "answerText": "model.fit", + "isCorrect": "true" + } + ] + } + ] + }, + { + "id": 9, + "title": "Introducci贸n a la regresi贸n: Examen previo a la lecci贸n", + "quiz": [ + { + "questionText": "驴Cu谩l de estas variables es una variable num茅rica?:", + "answerOptions": [ + { + "answerText": "La altura", + "isCorrect": "true" + }, + { + "answerText": "El g茅nero", + "isCorrect": "false" + }, + { + "answerText": "El color de cabello", + "isCorrect": "false" + } + ] + }, + { + "questionText": "驴Cu谩l de estas variables es una variable categ贸rica?:", + "answerOptions": [ + { + "answerText": "El ritmo card铆aco", + "isCorrect": "false" + }, + { + "answerText": "El tipo de sangre", + "isCorrect": "true" + }, + { + "answerText": "El peso", + "isCorrect": "false" + } + ] + }, + { + "questionText": "驴Cu谩l de estos problemas es un problema basado en el an谩lisis de regresi贸n?:", + "answerOptions": [ + { + "answerText": "Predecir la nota del examen final de un estudiante", + "isCorrect": "true" + }, + { + "answerText": "Predecir el tipo de sangre de una persona", + "isCorrect": "false" + }, + { + "answerText": "Predecir si un correo electr贸nico es spam o no", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 10, + "title": "Introducci贸n a la regresi贸n: Examen posterior a la lecci贸n", + "quiz": [ + { + "questionText": "Si la exactitud de entrenamiento de su modelo de Machine Learning es del 95 % y la exactitud de prueba es del 30 %, 驴c贸mo se llama esta condici贸n?:", + "answerOptions": [ + { + "answerText": "Sobreajuste", + "isCorrect": "true" + }, + { + "answerText": "Subajuste", + "isCorrect": "false" + }, + { + "answerText": "Doble ajuste", + "isCorrect": "false" + } + ] + }, + { + "questionText": "El proceso de identificaci贸n de caracter铆sticas significativas de un conjunto de caracter铆sticas se denomina:", + "answerOptions": [ + { + "answerText": "Extracci贸n de caracter铆sticas", + "isCorrect": "false" + }, + { + "answerText": "Reducci贸n de la dimensionalidad de las caracter铆sticas", + "isCorrect": "false" + }, + { + "answerText": "Selecci贸n de caracter铆sticas", + "isCorrect": "true" + } + ] + }, + { + "questionText": "El proceso de dividir un conjunto de datos en una cierta proporci贸n de entrenamiento y prueba, utilizando la funcion/m茅todo de Scikir Learn 'train_test_split()' se llama:", + "answerOptions": [ + { + "answerText": "Validaci贸n cruzada", + "isCorrect": "false" + }, + { + "answerText": "Validaci贸n de retenci贸n", + "isCorrect": "true" + }, + { + "answerText": "Validaci贸n 'Dejar uno fuera'", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 11, + "title": "Preparar y visualizar los datos para la regresi贸n: Examen previo a la lecci贸n", + "quiz": [ + { + "questionText": "驴Cu谩l de estos m贸dulos de Python se utiliza para graficar la visualizaci贸n de datos?:", + "answerOptions": [ + { + "answerText": "Numpy", + "isCorrect": "false" + }, + { + "answerText": "Scikit-learn", + "isCorrect": "false" + }, + { + "answerText": "Matplotlib", + "isCorrect": "true" + } + ] + }, + { + "questionText": "Si deseas conocer la dispersi贸n o las otras caracter铆sticas de los puntos de datos de tu conjunto de datos, debe realizar:", + "answerOptions": [ + { + "answerText": "Visualizaci贸n de los datos", + "isCorrect": "true" + }, + { + "answerText": "Preprocesamiento de los datos", + "isCorrect": "false" + }, + { + "answerText": "Entrenamiento Prueba Divisi贸n", + "isCorrect": "false" + } + ] + }, + { + "questionText": "驴Cu谩l de las siguientes alternativas es parte de la etapa de visualizaci贸n de los datos en un proyecto de Machine Learning?:", + "answerOptions": [ + { + "answerText": "Incorporaci贸n de un determinado algoritmo de Machine Learning", + "isCorrect": "false" + }, + { + "answerText": "Crear una representaci贸n pict贸rica de los datos utilizando diferentes m茅todos de graficaci贸n", + "isCorrect": "true" + }, + { + "answerText": "Normalizar los valores de un conjunto de datos", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 12, + "title": "Preparar y visualizar los datos para la regresi贸n: Examen posterior a la lecci贸n", + "quiz": [ + { + "questionText": "驴Cu谩l de estos fragmentos de c贸digo es correcto en base a esta lecci贸n, si se quiere comprobar la presencia de valores perdidos en el conjunto de datos? Suponga que el conjunto de datos se almacena en una variable llamada 'dataset' que es un objeto Pandas DataFrame:", + "answerOptions": [ + { + "answerText": "dataset.isnull().sum()", + "isCorrect": "true" + }, + { + "answerText": "findMissing(dataset)", + "isCorrect": "false" + }, + { + "answerText": "sum(null(dataset))", + "isCorrect": "false" + } + ] + }, + { + "questionText": "驴Cu谩l de estos m茅todos de graficaci贸n es 煤til cuando se desea comprender la dispersi贸n de diferentes grupos de datos de su conjunto de datos?:", + "answerOptions": [ + { + "answerText": "Gr谩fico de dispersi贸n", + "isCorrect": "false" + }, + { + "answerText": "Gr谩fico de l铆neas", + "isCorrect": "false" + }, + { + "answerText": "Gr谩fico de barras", + "isCorrect": "true" + } + ] + }, + { + "questionText": "驴Qu茅 NO puede decir la visualizaci贸n de datos?:", + "answerOptions": [ + { + "answerText": "Relaciones entre puntos de datos", + "isCorrect": "false" + }, + { + "answerText": "La fuente de donde se obtiene el conjunto de datos", + "isCorrect": "true" + }, + { + "answerText": "Encontrar la presencia de valores at铆picos en el conjunto de datos", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 13, + "title": "Regresi贸n lineal y polinomial: Examen previo a la lecci贸n", + "quiz": [ + { + "questionText": "Matplotlib es una:", + "answerOptions": [ + { + "answerText": "Biblioteca de dibujo", + "isCorrect": "false" + }, + { + "answerText": "Biblioteca de visualizaci贸n de datos", + "isCorrect": "true" + }, + { + "answerText": "Biblioteca de pr茅stamo", + "isCorrect": "false" + } + ] + }, + { + "questionText": "La regresi贸n lineal utiliza lo siguiente para graficar las relaciones entre las variables:", + "answerOptions": [ + { + "answerText": "Una l铆nea recta", + "isCorrect": "true" + }, + { + "answerText": "Un c铆rculo", + "isCorrect": "false" + }, + { + "answerText": "Una curva", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Un buen modelo de regresi贸n lineal tiene un coeficiente de correlaci贸n ___:", + "answerOptions": [ + { + "answerText": "Bajo", + "isCorrect": "false" + }, + { + "answerText": "Alto", + "isCorrect": "true" + }, + { + "answerText": "Plano", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 14, + "title": "Regresi贸n lineal y polinomial: Examen posterior a la lecci贸n", + "quiz": [ + { + "questionText": "Si sus datos no son lineales, pruebe con un tipo de regresi贸n ___:", + "answerOptions": [ + { + "answerText": "Linea;", + "isCorrect": "false" + }, + { + "answerText": "Esf茅rica", + "isCorrect": "false" + }, + { + "answerText": "Polinomial", + "isCorrect": "true" + } + ] + }, + { + "questionText": "Estos son todos los tipos de m茅todos de regresi贸n:", + "answerOptions": [ + { + "answerText": "Paso falso, Cresta, Lazo y red el谩stica", + "isCorrect": "false" + }, + { + "answerText": "Paso a paso, Cresta, Lazo y red el谩stica", + "isCorrect": "true" + }, + { + "answerText": "Paso a paso, Cresta, Lariat y red el谩stica", + "isCorrect": "false" + } + ] + }, + { + "questionText": "La regresi贸n por m铆nimos cuadrados significa que todos los puntos de datos que rodean la l铆nea de regresi贸n son:", + "answerOptions": [ + { + "answerText": "Elevados al cuadrado y luego restados", + "isCorrect": "false" + }, + { + "answerText": "Multiplicados", + "isCorrect": "false" + }, + { + "answerText": "Elevados al cuadraro y luego sumados", + "isCorrect": "true" + } + ] + } + ] + }, + { + "id": 15, + "title": "Regresi贸n Log铆stica: Examen previo a la lecci贸n", + "quiz": [ + { + "questionText": "La regresi贸n log铆stica se utiliza para predecir:", + "answerOptions": [ + { + "answerText": "Si una manzana est谩 madura o no", + "isCorrect": "true" + }, + { + "answerText": "Cu谩ntas entradas se pueden vender en un mes", + "isCorrect": "false" + }, + { + "answerText": "De qu茅 color ser谩 el cielo ma帽ana a las 6 PM", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Los tipos de regresi贸n log铆stica incluyen:", + "answerOptions": [ + { + "answerText": "multinomial y cardinal", + "isCorrect": "false" + }, + { + "answerText": "multinomial y ordinal", + "isCorrect": "true" + }, + { + "answerText": "principal y ordinal", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Tus datos tienen correlaciones d茅biles. El mejor tipo de regresi贸n a utilizar es:", + "answerOptions": [ + { + "answerText": "Logistica", + "isCorrect": "true" + }, + { + "answerText": "Lineal", + "isCorrect": "false" + }, + { + "answerText": "Cardinal", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 16, + "title": "Regresi贸n Log铆stica: Examen posterior a la lecci贸n", + "quiz": [ + { + "questionText": "Seaborn es un tipo de:", + "answerOptions": [ + { + "answerText": "Biblioteca de visualizaci贸n de datos", + "isCorrect": "true" + }, + { + "answerText": "Biblioteca de mapeo", + "isCorrect": "false" + }, + { + "answerText": "Biblioteca matem谩tica", + "isCorrect": "false" + } + ] + }, + { + "questionText": "La matriz de confusi贸n tambi茅n se conoce como:", + "answerOptions": [ + { + "answerText": "Matriz de error", + "isCorrect": "true" + }, + { + "answerText": "Matriz de verdad", + "isCorrect": "false" + }, + { + "answerText": "Matriz de exactitud", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Un buen modelo tendr谩:", + "answerOptions": [ + { + "answerText": "Un gran n煤mero de falsos positivos y verdaderos negativos en su matriz de confusi贸n", + "isCorrect": "false" + }, + { + "answerText": "Un gran n煤mero de verdaderos positivos y verdaderos negativos en su matriz de confusi贸n", + "isCorrect": "true" + }, + { + "answerText": "Un gran n煤mero de verdaderos positivos y falsos negativos en su matriz de confusi贸n", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 17, + "title": "Construir una aplicaci贸n web: Examen previo a la lecci贸n", + "quiz": [ + { + "questionText": "驴Qu茅 significa ONNX?:", + "answerOptions": [ + { + "answerText": "Over Neural Network Exchange", + "isCorrect": "false" + }, + { + "answerText": "Open Neural Network Exchange", + "isCorrect": "true" + }, + { + "answerText": "Output Neural Network Exchange", + "isCorrect": "false" + } + ] + }, + { + "questionText": "驴C贸mo se define Flask seg煤n sus creadores?:", + "answerOptions": [ + { + "answerText": "Mini-framework", + "isCorrect": "false" + }, + { + "answerText": "Gran-framework", + "isCorrect": "false" + }, + { + "answerText": "Micro-framework", + "isCorrect": "true" + } + ] + }, + { + "questionText": "驴Qu茅 hace el m贸dulo Pickle de Python?:", + "answerOptions": [ + { + "answerText": "Serializa un objeto de Python", + "isCorrect": "false" + }, + { + "answerText": "Deserializa un objeto Python", + "isCorrect": "false" + }, + { + "answerText": "Serializa y deserializa un objeto de Python", + "isCorrect": "true" + } + ] + } + ] + }, + { + "id": 18, + "title": "Construir una aplicaci贸n web: Examen posterior a la lecci贸n", + "quiz": [ + { + "questionText": "驴Cu谩les son las herramientas que podemos utilizar para alojar un modelo preentrenado en la web utilizando Python?:", + "answerOptions": [ + { + "answerText": "Flask", + "isCorrect": "true" + }, + { + "answerText": "TensorFlow.js", + "isCorrect": "false" + }, + { + "answerText": "onnx.js", + "isCorrect": "false" + } + ] + }, + { + "questionText": "驴Qu茅 significa SaaS?:", + "answerOptions": [ + { + "answerText": "System as a Service (Sistema como un servicio)", + "isCorrect": "false" + }, + { + "answerText": "Software as a Service (Software como un servicio)", + "isCorrect": "true" + }, + { + "answerText": "Security as a Service (Seguridad como un servicio)", + "isCorrect": "false" + } + ] + }, + { + "questionText": "驴Qu茅 hace la biblioteca LabelEncoder de Scikit-learn?:", + "answerOptions": [ + { + "answerText": "Codifica los datos alfab茅ticamente", + "isCorrect": "true" + }, + { + "answerText": "Codifica los datos num茅ricamente", + "isCorrect": "false" + }, + { + "answerText": "Codifica los datos en serie", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 19, + "title": "Clasificaci贸n 1: Examen previo a la lecci贸n", + "quiz": [ + { + "questionText": "La clasificaci贸n es una forma de aprendizaje supervisado que tiene mucho en com煤n con:", + "answerOptions": [ + { + "answerText": "Las series temporales", + "isCorrect": "false" + }, + { + "answerText": "Las t茅cnicas de regresi贸n", + "isCorrect": "true" + }, + { + "answerText": "El procesamiento de lenguaje natural", + "isCorrect": "false" + } + ] + }, + { + "questionText": "驴Cu谩l de estas preguntas puede ayudar a responder la clasificaci贸n?:", + "answerOptions": [ + { + "answerText": "驴Este correo electr贸nico es spam o no?", + "isCorrect": "true" + }, + { + "answerText": "驴Los cerdos pueden volar?", + "isCorrect": "false" + }, + { + "answerText": "驴Cu谩l es el significado de la vida?", + "isCorrect": "false" + } + ] + }, + { + "questionText": "驴Cu谩l es el primer paso para utilizar las t茅cnicas de clasificaci贸n?:", + "answerOptions": [ + { + "answerText": "Creaci贸n de clases del conjunto de datos", + "isCorrect": "false" + }, + { + "answerText": "Limpiar y balancear los datos", + "isCorrect": "true" + }, + { + "answerText": "Asignar datos a un grupo o resultado", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 20, + "title": "Clasificaci贸n 1: Examen posterior a la lecci贸n", + "quiz": [ + { + "questionText": "驴Qu茅 es una pregunta multiclase?:", + "answerOptions": [ + { + "answerText": "La tarea de clasificar los datos en varias clases", + "isCorrect": "false" + }, + { + "answerText": "La tarea de clasificar los datos en una de varias clases", + "isCorrect": "true" + }, + { + "answerText": "La tarea de limpiar los datos de m煤ltiples maneras", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Es importante limpiar los datos recurrentes o poco 煤tiles para ayudar a los clasificadores a resolver el problema:", + "answerOptions": [ + { + "answerText": "Verdadero", + "isCorrect": "true" + }, + { + "answerText": "Falso", + "isCorrect": "false" + } + ] + }, + { + "questionText": "驴Cu谩l es la mejor raz贸n para balancear tus datos?:", + "answerOptions": [ + { + "answerText": "Los datos desbalanceados se ven mal en las visualizaciones", + "isCorrect": "false" + }, + { + "answerText": "Al balancear los datos se obtienen mejores resultados, ya que un modelo ML no se inclina hacia una clase", + "isCorrect": "true" + }, + { + "answerText": "Balancear los datos da m谩s puntos de informaci贸n", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 21, + "title": "Clasificaci贸n 2: Examen previo a la lecci贸n", + "quiz": [ + { + "questionText": "Los datos balanceados y limpios producen los mejores resultados de clasificaci贸n:", + "answerOptions": [ + { + "answerText": "Verdadero", + "isCorrect": "true" + }, + { + "answerText": "Falso", + "isCorrect": "false" + } + ] + }, + { + "questionText": "驴C贸mo se elige el clasificador adecuado?:", + "answerOptions": [ + { + "answerText": "Entender qu茅 clasificadores funcionan mejor para cada escenario", + "isCorrect": "false" + }, + { + "answerText": "Adivinar y comprobar con conocimiento de causa", + "isCorrect": "false" + }, + { + "answerText": "Las dos anteriores", + "isCorrect": "true" + } + ] + }, + { + "questionText": "La clasificaci贸n es un tipo de:", + "answerOptions": [ + { + "answerText": "Procesamiento de lenguaje natural", + "isCorrect": "false" + }, + { + "answerText": "Aprendizaje supervisado", + "isCorrect": "true" + }, + { + "answerText": "Lenguaje de programaci贸n", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 22, + "title": "Clasificaci贸n 2: Examen posterior a la lecci贸n", + "quiz": [ + { + "questionText": "驴Qu茅 es un 'solucionador'?:", + "answerOptions": [ + { + "answerText": "La persona que comprueba tu trabajo", + "isCorrect": "false" + }, + { + "answerText": "El algoritmo a utilizar en el problema de optimizaci贸n", + "isCorrect": "true" + }, + { + "answerText": "Una t茅cnica de Machine Learning", + "isCorrect": "false" + } + ] + }, + { + "questionText": "驴Qu茅 clasificador utilizamos en esta lecci贸n?:", + "answerOptions": [ + { + "answerText": "Regresi贸n log铆stica", + "isCorrect": "true" + }, + { + "answerText": "脕rboles de decisi贸n", + "isCorrect": "false" + }, + { + "answerText": "Uno-contra-todos Multiclase", + "isCorrect": "false" + } + ] + }, + { + "questionText": "驴C贸mo saber si el algoritmo de clasificaci贸n funciona como se espera?:", + "answerOptions": [ + { + "answerText": "Comprobando la exactitud de sus predicciones", + "isCorrect": "true" + }, + { + "answerText": "Compar谩ndolo con otros algoritmos", + "isCorrect": "false" + }, + { + "answerText": "Mirando datos hist贸ricos para que tan bueno es este algoritmo en resolviendo problemas similares", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 23, + "title": "Clasificaci贸n 3: Examen previo a la lecci贸n", + "quiz": [ + { + "questionText": "Un buen clasificador inicial para probar es:", + "answerOptions": [ + { + "answerText": "SVC lineal", + "isCorrect": "true" + }, + { + "answerText": "K-Means", + "isCorrect": "false" + }, + { + "answerText": "SVC l贸gico", + "isCorrect": "false" + } + ] + }, + { + "questionText": "La regularizaci贸n controla:", + "answerOptions": [ + { + "answerText": "La influencia de los par谩metros", + "isCorrect": "true" + }, + { + "answerText": "La influencia de la velocidad de entrenamiento", + "isCorrect": "false" + }, + { + "answerText": "La influencia de los valores at铆picos", + "isCorrect": "false" + } + ] + }, + { + "questionText": "El clasificador K-Neighbors puede utilizarse para:", + "answerOptions": [ + { + "answerText": "Aprendizaje supervisado", + "isCorrect": "false" + }, + { + "answerText": "Aprendizaje no supervisado", + "isCorrect": "false" + }, + { + "answerText": "Las dos anteriores", + "isCorrect": "true" + } + ] + } + ] + }, + { + "id": 24, + "title": "Clasificaci贸n 3: Examen posterior a la lecci贸n", + "quiz": [ + { + "questionText": "Los clasificadores de vectores de apoyo pueden utilizarse para:", + "answerOptions": [ + { + "answerText": "Clasificaci贸n", + "isCorrect": "false" + }, + { + "answerText": "Regresi贸n", + "isCorrect": "false" + }, + { + "answerText": "Las dos anteriores", + "isCorrect": "true" + } + ] + }, + { + "questionText": "Random Forest es un tipo de clasificador ___:", + "answerOptions": [ + { + "answerText": "De conjunto", + "isCorrect": "true" + }, + { + "answerText": "De disimular", + "isCorrect": "false" + }, + { + "answerText": "De ensamble", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Adaboost es conocido por:", + "answerOptions": [ + { + "answerText": "Enfocarse en los pesos de los art铆culos clasificados incorrectamente", + "isCorrect": "true" + }, + { + "answerText": "Enfocarse en los valores at铆picos", + "isCorrect": "false" + }, + { + "answerText": "Enfocarse en datos incorrectos", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 25, + "title": "Clasificaci贸n 4: Examen previo a la lecci贸n", + "quiz": [ + { + "questionText": "Los sistemas de recomendaci贸n pueden utilizarse para:", + "answerOptions": [ + { + "answerText": "Recomendar un buen restaurante", + "isCorrect": "false" + }, + { + "answerText": "Recomendaci贸n de modas a probar", + "isCorrect": "false" + }, + { + "answerText": "Las dos anteriores", + "isCorrect": "true" + } + ] + }, + { + "questionText": "La incorporaci贸n de un modelo en una aplicaci贸n web ayuda a que sea apto para el uso sin conexi贸n:", + "answerOptions": [ + { + "answerText": "Verdadero", + "isCorrect": "true" + }, + { + "answerText": "Falso", + "isCorrect": "false" + } + ] + }, + { + "questionText": "El entorno de ejecuci贸n Onnx Runtime se puede utilizar para:", + "answerOptions": [ + { + "answerText": "Ejecuci贸n de modelos en una aplicaci贸n web", + "isCorrect": "true" + }, + { + "answerText": "Entrenamiento de modelos", + "isCorrect": "false" + }, + { + "answerText": "Ajuste de hiperpar谩metros", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 26, + "title": "Clasificaci贸n 4: Examen posterior a la lecci贸n", + "quiz": [ + { + "questionText": "La aplicaci贸n Netron te ayuda a:", + "answerOptions": [ + { + "answerText": "Visualizar los datos", + "isCorrect": "false" + }, + { + "answerText": "Visualice la estructura de tu modelo", + "isCorrect": "true" + }, + { + "answerText": "Probar tu aplicaci贸n web", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Convierta su modelo Scikit-learn para utilizarlo con Onnx usando:", + "answerOptions": [ + { + "answerText": "sklearn-app", + "isCorrect": "false" + }, + { + "answerText": "sklearn-web", + "isCorrect": "false" + }, + { + "answerText": "sklearn-onnx", + "isCorrect": "true" + } + ] + }, + { + "questionText": "El uso de su modelo en una aplicaci贸n web se llama:", + "answerOptions": [ + { + "answerText": "Inferencia", + "isCorrect": "true" + }, + { + "answerText": "Interferencia", + "isCorrect": "false" + }, + { + "answerText": "Seguro", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 27, + "title": "Introducci贸n al Clustering: Examen previo a la lecci贸n", + "quiz": [ + { + "questionText": "Un ejemplo real de agrupaci贸n ser铆a:", + "answerOptions": [ + { + "answerText": "Preparar la mesa para cenar", + "isCorrect": "false" + }, + { + "answerText": "Ordenar la ropa sucia", + "isCorrect": "true" + }, + { + "answerText": "Comprar comestibles", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Las t茅cnicas de clustering pueden utilizarse en estos sectores:", + "answerOptions": [ + { + "answerText": "Bancario", + "isCorrect": "false" + }, + { + "answerText": "Comercio electr贸nico", + "isCorrect": "false" + }, + { + "answerText": "Las dos anteriores", + "isCorrect": "true" + } + ] + }, + { + "questionText": "El clustering es un tipo de:", + "answerOptions": [ + { + "answerText": "Aprendizaje supervisado", + "isCorrect": "false" + }, + { + "answerText": "Aprendizaje no supervisado", + "isCorrect": "true" + }, + { + "answerText": "Aprendizaje reforzado", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 28, + "title": "Introducci贸n al Clustering: Examen posterior a la lecci贸n", + "quiz": [ + { + "questionText": "La geometr铆a euclidiana se organiza a lo largo de:", + "answerOptions": [ + { + "answerText": "Planos", + "isCorrect": "true" + }, + { + "answerText": "Curvas", + "isCorrect": "false" + }, + { + "answerText": "Esferas", + "isCorrect": "false" + } + ] + }, + { + "questionText": "La densidad de los datos de clusterizaci贸n est谩 relacionada con su:", + "answerOptions": [ + { + "answerText": "Ruido", + "isCorrect": "true" + }, + { + "answerText": "Profundidad", + "isCorrect": "false" + }, + { + "answerText": "Validez", + "isCorrect": "false" + } + ] + }, + { + "questionText": "El algoritmo de clustering m谩s conocido es:", + "answerOptions": [ + { + "answerText": "k-means", + "isCorrect": "true" + }, + { + "answerText": "k-middle", + "isCorrect": "false" + }, + { + "answerText": "k-mart", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 29, + "title": "K-Means Clustering: Examen previo a la lecci贸n", + "quiz": [ + { + "questionText": "K-Means se deriva de:", + "answerOptions": [ + { + "answerText": "La Ingenier铆a el茅ctrica", + "isCorrect": "false" + }, + { + "answerText": "El procesamiento de se帽ales", + "isCorrect": "true" + }, + { + "answerText": "Ling眉铆stica computacional", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Una buena puntuaci贸n de silueta significa:", + "answerOptions": [ + { + "answerText": "Los cl煤sters est谩n bien separados y definidos", + "isCorrect": "true" + }, + { + "answerText": "Existen pocos cl煤sters", + "isCorrect": "false" + }, + { + "answerText": "Existen muchos cl煤sters", + "isCorrect": "false" + } + ] + }, + { + "questionText": "La varianza es:", + "answerOptions": [ + { + "answerText": "El promedio de las diferencias al cuadrado con respecto a la media", + "isCorrect": "false" + }, + { + "answerText": "Un problema para el clustering si esta es damasiado alta", + "isCorrect": "false" + }, + { + "answerText": "Las dos anteriores", + "isCorrect": "true" + } + ] + } + ] + }, + { + "id": 30, + "title": "K-Means Clustering: Examen posterior a la lecci贸n", + "quiz": [ + { + "questionText": "Un diagrama de Voronoi muestra:", + "answerOptions": [ + { + "answerText": "La varianza de un cl煤ster", + "isCorrect": "false" + }, + { + "answerText": "La semilla de un cl煤ster y su regi贸n", + "isCorrect": "true" + }, + { + "answerText": "La inercia de un cl煤ster", + "isCorrect": "false" + } + ] + }, + { + "questionText": "La inercia es:", + "answerOptions": [ + { + "answerText": "Una medida de la coherencia interna de los cl煤sters", + "isCorrect": "true" + }, + { + "answerText": "una medida de cu谩nto se mueven los cl煤sters", + "isCorrect": "false" + }, + { + "answerText": "Una medida de la calidad de los cl煤sters", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Al utilizar K-Means, primero se debe determinar el valor de 'k':", + "answerOptions": [ + { + "answerText": "Verdadero", + "isCorrect": "true" + }, + { + "answerText": "Falso", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 31, + "title": "Introducci贸n al NLP: Examen previo a la lecci贸n", + "quiz": [ + { + "questionText": "驴Qu茅 significa NLP en estas lecciones?:", + "answerOptions": [ + { + "answerText": "Neural Language Processing (Procesamiento neuronal del lenguaje)", + "isCorrect": "false" + }, + { + "answerText": "Natural language processing (Procesamiento del lenguaje natural)", + "isCorrect": "true" + }, + { + "answerText": "Natural Linguistic Processing (Procesamiento ling眉铆stico natural)", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Eliza era un robot inicial que actuaba como un/a:", + "answerOptions": [ + { + "answerText": "Terapeuta", + "isCorrect": "true" + }, + { + "answerText": "Doctor", + "isCorrect": "false" + }, + { + "answerText": "Enfermera", + "isCorrect": "false" + } + ] + }, + { + "questionText": "El 'Test de Turing' de Alan Turing trataba de determinar si un ordenador era:", + "answerOptions": [ + { + "answerText": "Indistinguible de un humano", + "isCorrect": "false" + }, + { + "answerText": "Pensante", + "isCorrect": "false" + }, + { + "answerText": "Las dos anteriores", + "isCorrect": "true" + } + ] + } + ] + }, + { + "id": 32, + "title": "Introducci贸n al NLP: Examen posterior a la lecci贸n", + "quiz": [ + { + "questionText": "Joseph Weizenbaum invent贸 el robot:", + "answerOptions": [ + { + "answerText": "Elisha", + "isCorrect": "false" + }, + { + "answerText": "Eliza", + "isCorrect": "true" + }, + { + "answerText": "Eloise", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Un robot conversacional ofrece resultados basados en:", + "answerOptions": [ + { + "answerText": "La elecci贸n aleatoria de opciones predefinidas", + "isCorrect": "false" + }, + { + "answerText": "El an谩lisis las entradas y la utilizaci贸n inteligencia de m谩quinas", + "isCorrect": "false" + }, + { + "answerText": "Las dos anteriores", + "isCorrect": "true" + } + ] + }, + { + "questionText": "驴C贸mo har铆as que el robot sea m谩s efectivo?:", + "answerOptions": [ + { + "answerText": "Haci茅ndole m谩s preguntas.", + "isCorrect": "false" + }, + { + "answerText": "Aliment谩ndolo con m谩s datos y entren谩ndolo adecuadamente", + "isCorrect": "true" + }, + { + "answerText": "El robot es tonto, no puede aprender :(", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 33, + "title": "Tareas de NPL: Examen previo a la lecci贸n", + "quiz": [ + { + "questionText": "La tokenizaci贸n:", + "answerOptions": [ + { + "answerText": "Divide el texto mediante la puntuaci贸n", + "isCorrect": "false" + }, + { + "answerText": "Divide el texto en tokens separados (palabras)", + "isCorrect": "true" + }, + { + "answerText": "Divide el texto en frases", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Las Incrustaciones:", + "answerOptions": [ + { + "answerText": "Convierten los datos de texto num茅ricamente para que las palabras puedan agruparse", + "isCorrect": "true" + }, + { + "answerText": "Incrusta palabras a las frases", + "isCorrect": "false" + }, + { + "answerText": "Incrusta frases en los p谩rrafos", + "isCorrect": "false" + } + ] + }, + { + "questionText": "El etiquetado de partes del discurso:", + "answerOptions": [ + { + "answerText": "Divide las frases por sus partes de la oraci贸n", + "isCorrect": "false" + }, + { + "answerText": "Toma las palabras tokenizadas y las etiqueta por su parte de la oraci贸n", + "isCorrect": "true" + }, + { + "answerText": "Diagrama las frases", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 34, + "title": "Tareas de NPL: Examen posterior a la lecci贸n", + "quiz": [ + { + "questionText": "Construye un diccionario de la frecuencia con la que se repiten las palabras:", + "answerOptions": [ + { + "answerText": "Diccionario de palabras y frases", + "isCorrect": "false" + }, + { + "answerText": "Frecuencias de palabras y frases", + "isCorrect": "true" + }, + { + "answerText": "Biblioteca de palabras y frases", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Los N-gramas se refieren a:", + "answerOptions": [ + { + "answerText": "Un texto que puede dividirse en secuencias de palabras de una longitud determinada", + "isCorrect": "true" + }, + { + "answerText": "Una palabra que puede dividirse en secuencias de caracteres de una longitud determinada", + "isCorrect": "false" + }, + { + "answerText": "Un texto que puede dividirse en p谩rrafos de una longitud determinada", + "isCorrect": "false" + } + ] + }, + { + "questionText": "El an谩lisis de sentimiento:", + "answerOptions": [ + { + "answerText": "Analiza una frase para ver si es positiva o negativa", + "isCorrect": "true" + }, + { + "answerText": "Analiza una frase en busca de sentimentalismo", + "isCorrect": "false" + }, + { + "answerText": "analiza una frase en busca de tristeza", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 35, + "title": "NLP y traducci贸n: Examen previo a la lecci贸n", + "quiz": [ + { + "questionText": "La traducci贸n ingenua:", + "answerOptions": [ + { + "answerText": "S贸lo traduce palabras", + "isCorrect": "true" + }, + { + "answerText": "Traduce la estructura de la frase", + "isCorrect": "false" + }, + { + "answerText": "Traduce sentimientos", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Un *corpus* de textos se refiere a:", + "answerOptions": [ + { + "answerText": "Un peque帽o n煤mero de textos", + "isCorrect": "false" + }, + { + "answerText": "Un gran n煤mero de textos", + "isCorrect": "true" + }, + { + "answerText": "Un texto est谩ndar", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Si un modelo de ML tiene suficientes traducciones humanas para construir un modelo, puede:", + "answerOptions": [ + { + "answerText": "Abreviar las traducciones", + "isCorrect": "false" + }, + { + "answerText": "Estandarizar las traducciones", + "isCorrect": "false" + }, + { + "answerText": "Mejorar la exactitud de las traducciones", + "isCorrect": "true" + } + ] + } + ] + }, + { + "id": 36, + "title": "NLP y traducci贸n: Examen posterior a la lecci贸n", + "quiz": [ + { + "questionText": "La base de la biblioteca de traducci贸n de TextBlob es:", + "answerOptions": [ + { + "answerText": "Google Translate", + "isCorrect": "true" + }, + { + "answerText": "Bing", + "isCorrect": "false" + }, + { + "answerText": "Un modelo de ML personalizado", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Para usar `blob.translate` necesitas:", + "answerOptions": [ + { + "answerText": "Una conexi贸n a Internet", + "isCorrect": "true" + }, + { + "answerText": "Un diccionario", + "isCorrect": "false" + }, + { + "answerText": "JavaScript", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Para determinar el sentimiento, un enfoque de ML ser铆a:", + "answerOptions": [ + { + "answerText": "Aplicar t茅cnicas de regresi贸n a las opiniones y puntuaciones generadas manualmente y buscar patrones", + "isCorrect": "false" + }, + { + "answerText": "Aplicar t茅cnicas de NLP a las opiniones y puntuaciones generadas manualmente y buscar patrones", + "isCorrect": "true" + }, + { + "answerText": "Aplicar t茅cnicas de clustering a las opiniones y puntuaciones generadas manualmente y buscar patrones", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 37, + "title": "NLP 4: Examen previo a la lecci贸n", + "quiz": [ + { + "questionText": "驴Qu茅 informaci贸n se puede obtener de un texto escrito o hablado por un ser humano?:", + "answerOptions": [ + { + "answerText": "Patrones y frecuencias", + "isCorrect": "false" + }, + { + "answerText": "Sentimientos y significado", + "isCorrect": "false" + }, + { + "answerText": "Las dos anteriores", + "isCorrect": "true" + } + ] + }, + { + "questionText": "驴Qu茅 es el an谩lisis de sentimientos?:", + "answerOptions": [ + { + "answerText": "Un estudio sobre si una reliquia familiar tiene valor sentimental", + "isCorrect": "false" + }, + { + "answerText": "Un m茅todo para identificar, extraer, cuantificar y estudiar sistem谩ticamente los estados afectivos y la informaci贸n subjetiva", + "isCorrect": "true" + }, + { + "answerText": "La capacidad de saber si alguien est谩 triste o feliz", + "isCorrect": "false" + } + ] + }, + { + "questionText": "驴Qu茅 pregunta podr铆a responderse utilizando un conjunto de datos de rese帽as de hoteles, Python y el an谩lisis de sentimientos?:", + "answerOptions": [ + { + "answerText": "驴Cu谩les son las palabras y frases m谩s utilizadas en las cr铆ticas?", + "isCorrect": "true" + }, + { + "answerText": "驴Qu茅 complejo tur铆stico tiene la mejor piscina?", + "isCorrect": "false" + }, + { + "answerText": "驴Hay servicio de aparcacoches en este hotel?", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 38, + "title": "NLP 4: Examen posterior a la lecci贸n", + "quiz": [ + { + "questionText": "驴Cu谩l es la esencia del NLP?:", + "answerOptions": [ + { + "answerText": "Clasificar el lenguaje humano en feliz o triste", + "isCorrect": "false" + }, + { + "answerText": "Interpretar el significado o sentimiento sin necesidad de que lo haga un humano", + "isCorrect": "true" + }, + { + "answerText": "Encontrar valores at铆picos en el sentimiento y examinarlos", + "isCorrect": "false" + } + ] + }, + { + "questionText": "驴En qu茅 cosas podr铆a fijarse al limpiar los datos?:", + "answerOptions": [ + { + "answerText": "Caracteres en otros idiomas", + "isCorrect": "false" + }, + { + "answerText": "Filas o columnas en blanco", + "isCorrect": "false" + }, + { + "answerText": "Las dos anteriores", + "isCorrect": "true" + } + ] + }, + { + "questionText": "Es importante entender los datos y sus debilidades antes de realizar operaciones con ellos:", + "answerOptions": [ + { + "answerText": "Verdadero", + "isCorrect": "true" + }, + { + "answerText": "Falso", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 39, + "title": "NLP 5: Examen previo a la lecci贸n", + "quiz": [ + { + "questionText": "驴Por qu茅 es importante limpiar los datos antes de analizarlos?:", + "answerOptions": [ + { + "answerText": "Algunas columnas pueden tener datos faltantes o incorrectos", + "isCorrect": "false" + }, + { + "answerText": "Los datos desordenados pueden llevar a conclusiones falsas sobre el conjunto de datos", + "isCorrect": "false" + }, + { + "answerText": "Las dos anteriores", + "isCorrect": "true" + } + ] + }, + { + "questionText": "驴Cu谩l es un ejemplo de estrategia para la limpieza de datos?:", + "answerOptions": [ + { + "answerText": "Eliminar las columnas/filas que no son 煤tiles para responder a una pregunta espec铆fica", + "isCorrect": "true" + }, + { + "answerText": "Deshacerse de los valores verificados que no se ajustan a su hip贸tesis", + "isCorrect": "false" + }, + { + "answerText": "Trasladar los valores at铆picos a una tabla separada y ejecutar los c谩lculos de esa tabla para ver si coinciden", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Puede ser 煤til categorizar los datos utilizando una columna de etiquetas:", + "answerOptions": [ + { + "answerText": "Verdadero", + "isCorrect": "true" + }, + { + "answerText": "Falso", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 40, + "title": "NLP 5: Examen posterior a la lecci贸n", + "quiz": [ + { + "questionText": "驴Cu谩l es el objetivo del conjunto de datos?:", + "answerOptions": [ + { + "answerText": "Ver el n煤mero de opiniones negativas y positivas de los hoteles de todo el mundo.", + "isCorrect": "false" + }, + { + "answerText": "A帽adir sentimientos y columnas que ayudar谩n a elegir el mejor hotel", + "isCorrect": "true" + }, + { + "answerText": "Analizar por qu茅 la gente deja determinadas rese帽as", + "isCorrect": "false" + } + ] + }, + { + "questionText": "驴Qu茅 son las stop words?:", + "answerOptions": [ + { + "answerText": "Palabras comunes en espa帽ol que no cambian el sentimiento de una frase", + "isCorrect": "false" + }, + { + "answerText": "Palabras que se pueden eliminar para acelerar el an谩lisis de sentimientos", + "isCorrect": "false" + }, + { + "answerText": "Las dos anteriores", + "isCorrect": "true" + } + ] + }, + { + "questionText": "Para probar el an谩lisis de sentimiento, debes asegurarte que coincida con la puntuaci贸n del revisor para la misma rese帽a:", + "answerOptions": [ + { + "answerText": "Verdadero", + "isCorrect": "true" + }, + { + "answerText": "Falso", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 41, + "title": "Introducci贸n a las series temporales: Examen previo a la lecci贸n", + "quiz": [ + { + "questionText": "La predicci贸n de series temporales es 煤til en:", + "answerOptions": [ + { + "answerText": "La determinaci贸n de los costos futuros", + "isCorrect": "false" + }, + { + "answerText": "La predicci贸n de los precios futuros", + "isCorrect": "false" + }, + { + "answerText": "Las dos anteriores", + "isCorrect": "true" + } + ] + }, + { + "questionText": "Una serie temporal es una secuencia tomada en:", + "answerOptions": [ + { + "answerText": "Puntos sucesivos igualmente espaciados en el espacio", + "isCorrect": "false" + }, + { + "answerText": "Puntos sucesivos igualmente espaciados en el tiempo", + "isCorrect": "true" + }, + { + "answerText": "puntos sucesivos igualmente espaciados en el espacio y el tiempo", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Las series temporales pueden utilizarse en:", + "answerOptions": [ + { + "answerText": "La predicci贸n de terremotos", + "isCorrect": "true" + }, + { + "answerText": "La visi贸n por ordenador", + "isCorrect": "false" + }, + { + "answerText": "ael n谩lisis de color", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 42, + "title": "Introducci贸n a las series temporales: Examen posterior a la lecci贸n", + "quiz": [ + { + "questionText": "Las tendencias de las series temporales son:", + "answerOptions": [ + { + "answerText": "Incrementos y disminuciones medibles a lo largo del tiempo", + "isCorrect": "true" + }, + { + "answerText": "Cuantificaciones de las disminuciones a lo largo del tiempo", + "isCorrect": "false" + }, + { + "answerText": "Diferencias entre aumentos y disminuciones a lo largo del tiempo", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Los valores at铆picos son:", + "answerOptions": [ + { + "answerText": "Puntos cercanos a la varianza est谩ndar de los datos", + "isCorrect": "false" + }, + { + "answerText": "Puntos alejados de la varianza est谩ndar de datos", + "isCorrect": "true" + }, + { + "answerText": "Puntos dentro de la varianza est谩ndar de datos", + "isCorrect": "false" + } + ] + }, + { + "questionText": "La predicci贸n de series temporales es m谩s 煤til para:", + "answerOptions": [ + { + "answerText": "La econometr铆a", + "isCorrect": "true" + }, + { + "answerText": "La historia", + "isCorrect": "false" + }, + { + "answerText": "Las bibliotecas", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 43, + "title": "Series temporales ARIMA: Examen previo a la lecci贸n", + "quiz": [ + { + "questionText": "ARIMA significa:", + "answerOptions": [ + { + "answerText": "AutoRegressive Integral Moving Average (Media m贸vil integral autorregresiva)", + "isCorrect": "false" + }, + { + "answerText": "AutoRegressive Integrated Moving Action (Acci贸n m贸vil integrada autorregresiva)", + "isCorrect": "false" + }, + { + "answerText": "AutoRegressive Integrated Moving Average (Media m贸vil integrada autorregresiva)", + "isCorrect": "true" + } + ] + }, + { + "questionText": "La estacionariedad se refiere a:", + "answerOptions": [ + { + "answerText": "Datos cuyos atributos no cambian al desplazarse en el tiempo", + "isCorrect": "false" + }, + { + "answerText": "Datos cuya distribuci贸n no cambia al desplazarse en el tiempo", + "isCorrect": "true" + }, + { + "answerText": "Datos cuya distribuci贸n cambia al desplazarse en el tiempo", + "isCorrect": "false" + } + ] + }, + { + "questionText": "La diferenciaci贸n:", + "answerOptions": [ + { + "answerText": "Estabiliza la tendencia y la estacionalidad", + "isCorrect": "false" + }, + { + "answerText": "Exacerba la tendencia y la estacionalidad", + "isCorrect": "false" + }, + { + "answerText": "Elimina la tendencia y la estacionalidad", + "isCorrect": "true" + } + ] + } + ] + }, + { + "id": 44, + "title": "Series temporales ARIMA: Examen posterior a la lecci贸n", + "quiz": [ + { + "questionText": "ARIMA se utiliza para hacer que un modelo se ajuste a la forma especial de los datos de las series temporales:", + "answerOptions": [ + { + "answerText": "Lo m谩s plano posible", + "isCorrect": "false" + }, + { + "answerText": "Lo m谩s cerca posible", + "isCorrect": "true" + }, + { + "answerText": "Mediante gr谩ficos de dispersi贸n", + "isCorrect": "false" + } + ] + }, + { + "questionText": "SARIMAX se utiliza para:", + "answerOptions": [ + { + "answerText": "Gestionar modelos ARIMA estacionales", + "isCorrect": "true" + }, + { + "answerText": "Gestionar modelos ARIMA especiales", + "isCorrect": "false" + }, + { + "answerText": "gestionar modelos ARIMA estad铆sticos", + "isCorrect": "false" + } + ] + }, + { + "questionText": "La validaci贸n 'Walk-Forward' implica:", + "answerOptions": [ + { + "answerText": "Reevaluar progresivamente un modelo a medida que se valida", + "isCorrect": "false" + }, + { + "answerText": "Reentrenar progresivamente un modelo a medida que se valida", + "isCorrect": "true" + }, + { + "answerText": "Reconfigurar un modelo progresivamente a medida que se valida", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 45, + "title": "Refuerzo 1: Examen previo a la lecci贸n", + "quiz": [ + { + "questionText": "驴Qu茅 es el aprendizaje por refuerzo?:", + "answerOptions": [ + { + "answerText": "Ense帽arle a alguien algo una y otra vez hasta que lo entienda", + "isCorrect": "false" + }, + { + "answerText": "Una t茅cnica de aprendizaje que descifra el comportamiento 贸ptimo de un agente en un entorno mediante la realizaci贸n de muchos experimentos", + "isCorrect": "true" + }, + { + "answerText": "Entender c贸mo ejecutar varios experimentos a la vez", + "isCorrect": "false" + } + ] + }, + { + "questionText": "驴Qu茅 es una pol铆tica?:", + "answerOptions": [ + { + "answerText": "Una funci贸n que devuelve la acci贸n en un estado determinado", + "isCorrect": "true" + }, + { + "answerText": "Un documento que indica si se puede o no devolver un art铆culo", + "isCorrect": "false" + }, + { + "answerText": "Una funci贸n que se utiliza para un prop贸sito aleatorio", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Una funci贸n de recompensa devuelve una puntuaci贸n para cada estado de un entorno:", + "answerOptions": [ + { + "answerText": "Verdadero", + "isCorrect": "true" + }, + { + "answerText": "Falso", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 46, + "title": "Refuerzo 1: Examen posterior a la lecci贸n", + "quiz": [ + { + "questionText": "驴Qu茅 es el Q-Learning?:", + "answerOptions": [ + { + "answerText": "Un mecanismo para registrar la 'bondad' de cada estado", + "isCorrect": "false" + }, + { + "answerText": "Un algoritmo en el que la pol铆tica est谩 definida por una Q-Table", + "isCorrect": "false" + }, + { + "answerText": "Las dos anteriores", + "isCorrect": "true" + } + ] + }, + { + "questionText": "驴Para qu茅 valores corresponde una Q-Table a la pol铆tica de paseo aleatorio?:", + "answerOptions": [ + { + "answerText": "Todos los valores iguales", + "isCorrect": "true" + }, + { + "answerText": "-0.25", + "isCorrect": "false" + }, + { + "answerText": "Todos los valores diferentes", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Era mejor utilizar la exploraci贸n que la explotaci贸n durante el proceso de aprendizaje en nuestra lecci贸n:", + "answerOptions": [ + { + "answerText": "Verdadero", + "isCorrect": "false" + }, + { + "answerText": "Falso", + "isCorrect": "true" + } + ] + } + ] + }, + { + "id": 47, + "title": "Refuerzo 2: Examen previo a la lecci贸n", + "quiz": [ + { + "questionText": "El ajedrez y el Go son juegos con estados continuos:", + "answerOptions": [ + { + "answerText": "Verdadero", + "isCorrect": "false" + }, + { + "answerText": "Falso", + "isCorrect": "true" + } + ] + }, + { + "questionText": "驴Cu谩l es el problema de CartPole?:", + "answerOptions": [ + { + "answerText": "Un proceso para eliminar los valores at铆picos", + "isCorrect": "false" + }, + { + "answerText": "Un m茅todo para optimizar tu carrito de compras", + "isCorrect": "false" + }, + { + "answerText": "Una versi贸n simplificada del balanceo", + "isCorrect": "true" + } + ] + }, + { + "questionText": "驴Qu茅 herramienta podemos utilizar para representar diferentes escenarios de estados potenciales en un juego?:", + "answerOptions": [ + { + "answerText": "Adivinar y comprobar", + "isCorrect": "false" + }, + { + "answerText": "Entornos de simulaci贸n", + "isCorrect": "true" + }, + { + "answerText": "Pruebas de transici贸n de estado", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 48, + "title": "Refuerzo 2: Examen posterior a la lecci贸n", + "quiz": [ + { + "questionText": "驴D贸nde definimos todas las acciones posibles en un entorno?:", + "answerOptions": [ + { + "answerText": "En los m茅todos", + "isCorrect": "false" + }, + { + "answerText": "En el espacio de acci贸n", + "isCorrect": "true" + }, + { + "answerText": "En una lista de acciones", + "isCorrect": "false" + } + ] + }, + { + "questionText": "驴Qu茅 par utilizamos como clave-valor del diccionario?:", + "answerOptions": [ + { + "answerText": "(state, action) como clave, entrada Q-Table como valor", + "isCorrect": "true" + }, + { + "answerText": "state como clave, action como valor", + "isCorrect": "false" + }, + { + "answerText": "el valor de la funci贸n qvalues como clave, action como valor", + "isCorrect": "false" + } + ] + }, + { + "questionText": "驴Cu谩les son los hiperpar谩metros que utilizamos durante el Q-Learning?:", + "answerOptions": [ + { + "answerText": "valor q-table, recompensa actual, acci贸n aleatoria", + "isCorrect": "false" + }, + { + "answerText": "tasa de aprendizaje, factor de descuento, factor de exploraci贸n/explotaci贸n", + "isCorrect": "true" + }, + { + "answerText": "recompensas acumuladas, tasa de aprendizaje, factor de exploraci贸n", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 49, + "title": "Aplicaciones en el mundo real: Examen previo a la lecci贸n", + "quiz": [ + { + "questionText": "驴Cu谩l es un ejemplo de aplicaci贸n de ML en el sector financiero?:", + "answerOptions": [ + { + "answerText": "Personalizar el recorrido del cliente mediante NLP", + "isCorrect": "false" + }, + { + "answerText": "Gesti贸n del patrimonio mediante regresi贸n lineal", + "isCorrect": "true" + }, + { + "answerText": "Gesti贸n de la energ铆a mediante series temporales", + "isCorrect": "false" + } + ] + }, + { + "questionText": "驴Qu茅 t茅cnica de ML pueden utilizar los hospitales para gestionar los reingresos?:", + "answerOptions": [ + { + "answerText": "Clustering", + "isCorrect": "true" + }, + { + "answerText": "Series temporales", + "isCorrect": "false" + }, + { + "answerText": "NLP", + "isCorrect": "false" + } + ] + }, + { + "questionText": "驴Cu谩l de los siguientes conceptos es un ejemplo de utilizaci贸n de las series temporales para la gesti贸n de la energ铆a?:", + "answerOptions": [ + { + "answerText": "Animales con sensor de movimiento", + "isCorrect": "false" + }, + { + "answerText": "Parqu铆metros inteligentes", + "isCorrect": "true" + }, + { + "answerText": "Rastreo de los incendios forestales", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 50, + "title": "Aplicaciones en el mundo real: Examen posterior a la lecci贸n", + "quiz": [ + { + "questionText": "驴Qu茅 t茅cnica de ML puede utilizarse para detectar el fraude con tarjetas de cr茅dito?:", + "answerOptions": [ + { + "answerText": "Regresi贸n", + "isCorrect": "false" + }, + { + "answerText": "Clustering", + "isCorrect": "true" + }, + { + "answerText": "NLP", + "isCorrect": "false" + } + ] + }, + { + "questionText": "驴Qu茅 t茅cnica de ML se ejemplifica en la gesti贸n forestal?:", + "answerOptions": [ + { + "answerText": "Aprendizaje por refuerzo", + "isCorrect": "true" + }, + { + "answerText": "Series temporales", + "isCorrect": "false" + }, + { + "answerText": "NLP", + "isCorrect": "false" + } + ] + }, + { + "questionText": "驴Cu谩l es un ejemplo de aplicaci贸n del ML en la industria de la salud?:", + "answerOptions": [ + { + "answerText": "Predicci贸n del comportamiento de los alumnos mediante regresi贸n", + "isCorrect": "false" + }, + { + "answerText": "Gesti贸n de ensayos cl铆nicos mediante clasificadores", + "isCorrect": "true" + }, + { + "answerText": "Detecci贸n del movimiento de los animales mediante clasificadores", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 51, + "title": "Series temporales SVR: Examen previo a la lecci贸n", + "quiz": [ + { + "questionText": "SVM significa:", + "answerOptions": [ + { + "answerText": "Statistical Vector Machine (M谩quina de vectores estad铆sticos)", + "isCorrect": "false" + }, + { + "answerText": "Support Vector Machine (M谩quina de vectores de apoyo)", + "isCorrect": "true" + }, + { + "answerText": "Statistical Vector Model (Modelo vectorial estad铆stico)", + "isCorrect": "false" + } + ] + }, + { + "questionText": "驴Cu谩l de estas t茅cnicas de ML se utiliza para predecir valores continuos?:", + "answerOptions": [ + { + "answerText": "Clustering", + "isCorrect": "false" + }, + { + "answerText": "Clasificaci贸n", + "isCorrect": "false" + }, + { + "answerText": "Regresi贸n", + "isCorrect": "true" + } + ] + }, + { + "questionText": "驴Cu谩l de estos modelos se utiliza popularmente para la predicci贸n de series temporales?:", + "answerOptions": [ + { + "answerText": "ARIMA", + "isCorrect": "true" + }, + { + "answerText": "K-Means Clustering", + "isCorrect": "false" + }, + { + "answerText": "Regresi贸n log铆stica", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 52, + "title": "Series temporales SVR: Examen posterior a la lecci贸n", + "quiz": [ + { + "questionText": "驴Por cu谩l de estos m茅todos aprende un SVR?:", + "answerOptions": [ + { + "answerText": "Encontrando el hiperplano de mejor ajuste que tiene el m谩ximo n煤mero de puntos de datos", + "isCorrect": "true" + }, + { + "answerText": "Aprendiendo la distribuci贸n de probabilidad del conjunto de datos", + "isCorrect": "false" + }, + { + "answerText": "Encontrando cl煤steres en el conjunto de datos", + "isCorrect": "false" + } + ] + }, + { + "questionText": "驴Cu谩l es el prop贸sito de un n煤cleo en las SVM?:", + "answerOptions": [ + { + "answerText": "Para medir la exactitud de las predicciones del modelo", + "isCorrect": "false" + }, + { + "answerText": "Para transformar el conjunto de datos a un espacio de mayor dimensi贸n", + "isCorrect": "true" + }, + { + "answerText": "Para normalizar los valores del conjunto de datos", + "isCorrect": "false" + } + ] + }, + { + "questionText": "驴Cu谩l de estos modelos considera la no linealidad en el conjunto de datos?:", + "answerOptions": [ + { + "answerText": "Regresi贸n lineal simple", + "isCorrect": "false" + }, + { + "answerText": "ARIMA", + "isCorrect": "false" + }, + { + "answerText": "SVR utilizando el n煤cleo RBF", + "isCorrect": "true" + } + ] + } + ] + } + ] + } +] + diff --git a/quiz-app/src/assets/translations/index.js b/quiz-app/src/assets/translations/index.js index bd6fa660..031e6671 100644 --- a/quiz-app/src/assets/translations/index.js +++ b/quiz-app/src/assets/translations/index.js @@ -5,6 +5,7 @@ import fr from './fr.json'; import ja from './ja.json'; import it from './it.json'; import ptbr from './ptbr.json'; +import es from './es.json'; //export const defaultLocale = 'en'; @@ -14,7 +15,8 @@ const messages = { fr: fr[0], ja: ja[0], it: it[0], - ptbr: ptbr[0] + ptbr: ptbr[0], + es: es[0] }; export default messages;