EXAMEN DE MICROSOFT WORD
OFIMÁTICA 1
1. Completa (6 ptos):
T W O D A L C E T
V B I N I D A A M
C M O N I T O R C
E N U O D N I A P
M X E S U O M E U
M A C D R O W P T
O D R E N A C S E
R E T O L P R A W
TABLA 1: CRUCIGRAMA HARDWARE Y SOFTWARE
HARDWARE
Dispos. internos
Sistemo
perativ
Dispos. entrada SOFTWARE
Lenguaj
VB (visual basic)
program
Dispos. salida
apps
2. Desarrolo las sgtes paginas ( 14 ptos):
Se califica:
Letra capital, tipo de sangría, interlineado, fuente, estilo(2ptos)
Numeración y viñetas, numeración de página (2ptos)
Encabezados y pie de paguina diferente (2ptos)
Orientación de pag. (2ptos)
APRENDIZAJE AUTOMATICO
L aprendizaje automático o aprendizaje automatizado o aprendizaje de
máquinas (del inglés, "Machine Learning") es el subcampo de las ciencias
de la computación y una rama de la inteligencia artificial, cuyo objetivo es
desarrollar técnicas que permitan que las computadoras aprendan. De forma
más concreta, se trata de crear programas capaces de generalizar
comportamientos a partir de una información suministrada en forma de
ejemplos.
Es, por lo tanto, un proceso de inducción del
conocimiento. En muchas ocasiones el campo de
actuación del aprendizaje automático se solapa con el
de la estadística computacional, ya que las dos
disciplinas se basan en el análisis de datos. Sin embargo,
el aprendizaje automático también se centra en el
estudio de la complejidad computacional de los
problemas. Muchos problemas son de clase NP-hard,
por lo que gran parte de la investigación realizada en
aprendizaje automático está enfocada al diseño de
soluciones factibles a esos problemas. El aprendizaje
automático puede ser visto.
El aprendizaje automático tiene una amplia gama de aplicaciones, incluyendo motores de
búsqueda, diagnósticos médicos, detección de fraude en el uso de tarjetas de
crédito, análisis del mercado de valores, clasificación de secuencias de ADN,
reconocimiento del habla y del lenguaje escrito, juegos y robótica.
FIGURA : MACHINE LEARNING
Aprendizaje automático
Aprendizaje automático
El aprendizaje automático tiene como resultado un modelo para resolver una tarea dada. Entre los modelos se distinguen
1. Según (Tornero Lucas, 2017) : “Los modelos geométricos, construidos en el espacio de instancias y que pueden tener una, dos o múltiples
dimensiones. Si hay un borde de decisión lineal entre las clases, se dice que los datos son linealmente separables” (pág. 25).
Un límite de decisión lineal se define como w * x = t, donde w es un vector perpendicular al límite de decisión, x es un punto arbitrario en el límite de
decisión y t es el umbral de la decisión.
2. TIPOS DE ALGORITMOS 3. TÉCNICAS DE CLASIFICACIÓN
3. 3.1. Árboles de decisiones
a. [Link]. Algoritmos genéticos
[Link].1. Redes neuronales artificiales