Machine learning

Alphabet

Played 0

Create copy

About this activity

Contenido y conceptos fundamentales sobre machine learning

Created by

Rafael Solis Miceli

Mexico

Download the paper version to play

Top 10 results

There are still no results for this game. Be the first to stay in the ranking! Log in to identify yourself.

Make your own free game from our game creator

Compete against your friends to see who gets the best score in this game

Make challenge

The NATO Alphabet

Angie Nava

Mexico

(41)

International Phonetic Alphabet to help spell words on the phone
Sleepy Hollow A-Z

Laura Di Giorno

Argentina

(2)

Guess words from 'The Legend of Sleepy Hollow' for each letter of the alphabet!
WORD GAME: A TO Z

Wilmer Mauricio Delgadillo Avella

Guatemala

(26)

In this game there is a wheel with 24 letters of the alphabet (not includin "q", "x"). The aim of the game is to complete the alphabet wheel by saying yhe correct word for each letter in five minutes.
Flags of countries

Educaplay Educational Resources

Spain

(596)

Identify the flags that belong to each country
LOGO QUIZ

Lucila Marchetti

Argentina

(7)

Label each picture.


Machine learningOnline version Contenido y conceptos fundamentales sobre machine learning by Rafael Solis Miceli A B C D E F G H I J L M N O P Q R S T U V X Y Z Empieza por A Conjunto de reglas o instrucciones que siguen los modelos para aprender de los datos Empieza por B Conjuntos de datos de gran volumen, variedad y velocidad que requieren métodos avanzados para su procesamiento. Empieza por C Técnica de aprendizaje no supervisado que agrupa elementos similares. Empieza por D Subárea de ML que utiliza redes neuronales profundas para modelar patrones complejos. Empieza por E Proceso de alimentar datos al algoritmo para que aprenda patrones. Empieza por F Atributo o variable individual que describe un aspecto del dato que se usa en el aprendizaje. Empieza por G Capacidad del modelo para funcionar bien con nuevos datos no vistos durante el entrenamiento. Empieza por H Parámetros que controlan el proceso de aprendizaje y deben definirse antes del entrenamiento (por ejemplo, tasa de aprendizaje). Empieza por I Campo más amplio que abarca sistemas que realizan tareas que normalmente requieren inteligencia humana Empieza por J Organización conceptual donde IA ⊃ ML ⊃ Deep Learning. Empieza por L Parámetro que controla el tamaño del paso que da el modelo al ajustarse a los datos. Empieza por M Aprendizaje automático. Empieza por N Proceso de escalado de las características para mejorar el desempeño del algoritmo. Empieza por O Cuando un modelo aprende demasiado bien los datos de entrenamiento, incluyendo el ruido, y falla al generalizar. Empieza por P Resultado generado por un modelo de ML cuando se le da un nuevo conjunto de datos. Empieza por Q Solicitud de información que puede ser respondida por un modelo entrenado, como en un motor de recomendación. Empieza por R Modelo inspirado en el cerebro humano que consiste en capas de nodos interconectados que procesan datos. Empieza por S Tipo de ML que usa datos etiquetados. Empieza por T Fase de validación donde se mide el rendimiento del modelo en datos no vistos. Empieza por U Tipo de ML que trabaja con datos no etiquetados para descubrir patrones. Empieza por V Representación matemática de características de los datos en un espacio multidimensional. Empieza por X Algoritmo de boosting altamente eficiente y popular para tareas de clasificación y regresión. Empieza por Y En ML supervisado, es la variable que el modelo intenta predecir. Empieza por Z Técnica que permite a un modelo generalizar a clases o tareas no vistas durante el entrenamiento.

Machine learningOnline version

Contenido y conceptos fundamentales sobre machine learning

by Rafael Solis Miceli

Empieza por A

Conjunto de reglas o instrucciones que siguen los modelos para aprender de los datos

Empieza por B

Conjuntos de datos de gran volumen, variedad y velocidad que requieren métodos avanzados para su procesamiento.

Empieza por C

Técnica de aprendizaje no supervisado que agrupa elementos similares.

Empieza por D

Subárea de ML que utiliza redes neuronales profundas para modelar patrones complejos.

Empieza por E

Proceso de alimentar datos al algoritmo para que aprenda patrones.

Empieza por F

Atributo o variable individual que describe un aspecto del dato que se usa en el aprendizaje.

Empieza por G

Capacidad del modelo para funcionar bien con nuevos datos no vistos durante el entrenamiento.

Empieza por H

Parámetros que controlan el proceso de aprendizaje y deben definirse antes del entrenamiento (por ejemplo, tasa de aprendizaje).

Empieza por I

Campo más amplio que abarca sistemas que realizan tareas que normalmente requieren inteligencia humana

Empieza por J

Organización conceptual donde IA ⊃ ML ⊃ Deep Learning.

Empieza por L

Parámetro que controla el tamaño del paso que da el modelo al ajustarse a los datos.

Empieza por M

Aprendizaje automático.

Empieza por N

Proceso de escalado de las características para mejorar el desempeño del algoritmo.

Empieza por O

Cuando un modelo aprende demasiado bien los datos de entrenamiento, incluyendo el ruido, y falla al generalizar.

Empieza por P

Resultado generado por un modelo de ML cuando se le da un nuevo conjunto de datos.

Empieza por Q

Solicitud de información que puede ser respondida por un modelo entrenado, como en un motor de recomendación.

Empieza por R

Modelo inspirado en el cerebro humano que consiste en capas de nodos interconectados que procesan datos.

Empieza por S

Tipo de ML que usa datos etiquetados.

Empieza por T

Fase de validación donde se mide el rendimiento del modelo en datos no vistos.

Empieza por U

Tipo de ML que trabaja con datos no etiquetados para descubrir patrones.

Empieza por V

Representación matemática de características de los datos en un espacio multidimensional.

Empieza por X

Algoritmo de boosting altamente eficiente y popular para tareas de clasificación y regresión.

Empieza por Y

En ML supervisado, es la variable que el modelo intenta predecir.

Empieza por Z

Técnica que permite a un modelo generalizar a clases o tareas no vistas durante el entrenamiento.

		%
	Anonymous	%
		%
		%

Machine learning

Alphabet

About this activity

Created by

Download the paper version to play

Top Games

Alphabet

The NATO Alphabet

Alphabet

Sleepy Hollow A-Z

Alphabet

WORD GAME: A TO Z

Alphabet

Flags of countries

Alphabet

LOGO QUIZ

Machine learningOnline version

by Rafael Solis Miceli

Empieza por A

Conjunto de reglas o instrucciones que siguen los modelos para aprender de los datos

Empieza por B

Conjuntos de datos de gran volumen, variedad y velocidad que requieren métodos avanzados para su procesamiento.

Empieza por C

Técnica de aprendizaje no supervisado que agrupa elementos similares.

Empieza por D

Subárea de ML que utiliza redes neuronales profundas para modelar patrones complejos.

Empieza por E

Proceso de alimentar datos al algoritmo para que aprenda patrones.

Empieza por F

Atributo o variable individual que describe un aspecto del dato que se usa en el aprendizaje.

Empieza por G

Capacidad del modelo para funcionar bien con nuevos datos no vistos durante el entrenamiento.

Empieza por H

Parámetros que controlan el proceso de aprendizaje y deben definirse antes del entrenamiento (por ejemplo, tasa de aprendizaje).

Empieza por I

Campo más amplio que abarca sistemas que realizan tareas que normalmente requieren inteligencia humana

Empieza por J

Organización conceptual donde IA ⊃ ML ⊃ Deep Learning.

Empieza por L

Parámetro que controla el tamaño del paso que da el modelo al ajustarse a los datos.

Empieza por M

Aprendizaje automático.

Empieza por N

Proceso de escalado de las características para mejorar el desempeño del algoritmo.

Empieza por O

Cuando un modelo aprende demasiado bien los datos de entrenamiento, incluyendo el ruido, y falla al generalizar.

Empieza por P

Resultado generado por un modelo de ML cuando se le da un nuevo conjunto de datos.

Empieza por Q

Solicitud de información que puede ser respondida por un modelo entrenado, como en un motor de recomendación.

Empieza por R

Modelo inspirado en el cerebro humano que consiste en capas de nodos interconectados que procesan datos.

Empieza por S

Tipo de ML que usa datos etiquetados.

Empieza por T

Fase de validación donde se mide el rendimiento del modelo en datos no vistos.

Empieza por U

Tipo de ML que trabaja con datos no etiquetados para descubrir patrones.

Empieza por V

Representación matemática de características de los datos en un espacio multidimensional.

Empieza por X

Algoritmo de boosting altamente eficiente y popular para tareas de clasificación y regresión.

Empieza por Y

En ML supervisado, es la variable que el modelo intenta predecir.

Empieza por Z

Técnica que permite a un modelo generalizar a clases o tareas no vistas durante el entrenamiento.