Prueba de aprendizaje profundo bayesiano

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

1. ¿Cómo trata una red neuronal bayesiana sus pesos de manera diferente a una estándar?
   • Trata cada peso como una distribución de probabilidad en lugar de un único valor fijo.
   • Utiliza pesos enteros en lugar de decimales.
   • Elimina pesas por completo.
   • Comparte un peso en todas las capas.
2. What can a Bayesian approach provide that a single fixed-weight network does not directly represent?
   • A guarantee that every confidence score is calibrated
   • A distribution of predictions that reflects uncertainty about model weights
   • A proof that the model will detect every unfamiliar input
   • A way to remove all noise from the data
3. How can epistemic uncertainty change as relevant, representative training data are added?
   • It is guaranteed to reach zero with any added data
   • It is identical to label noise
   • It may decrease under the chosen model and data assumptions
   • It always increases linearly
4. ¿Por qué se necesitan aproximaciones como la inferencia variacional o MCMC?
   • Porque las redes neuronales no tienen función de pérdida.
   • Porque las GPU no pueden hacer sumas
   • Porque los pesos deben ser números enteros.
   • Porque el posterior exacto sobre millones de pesos es computacionalmente intratable
5. ¿Qué hace el abandono de Montecarlo para estimar la incertidumbre?
   • Mantiene la deserción activa en el momento de la prueba y ejecuta la red muchas veces, utilizando la distribución de salidas.
   • Desactiva el abandono y entrena por más tiempo
   • Elimina todas las neuronas permanentemente.
   • Reemplaza la pérdida con ruido aleatorio.
6. La inferencia variacional replantea la estimación posterior como ¿qué tipo de problema?
   • Un problema de clasificación
   • Un problema de optimización que minimiza la divergencia de KL (a través del ELBO)
   • Un problema de muestreo aleatorio puro sin objetivo.
   • Un problema de diseño de hardware
7. How does Bayes’ rule relate a prior, likelihood, and posterior?
   • The posterior is the prior plus the likelihood, without normalization
   • It is the likelihood divided by the prior without normalization
   • The posterior is proportional to the prior times the likelihood
   • It is the fixed point estimate of the most likely weight vector
8. How does MCMC approximate a Bayesian neural-network posterior?
   • By training a single point estimate with dropout disabled
   • By ranking model outputs with a fixed rule
   • By minimizing an ELBO with a simpler variational family
   • By drawing samples through a Markov chain whose stationary distribution targets the posterior