BIG DATA

Froggy Jumps

(1)

Played 20

Create copy

About this activity

INTELIGENCIA ARTIFICIAL Y BIG DATA EN GEOMÁTICA

Created by

Huberth Perez Ugalde

Costa Rica

Download the paper version to play

Top 10 results

#	Player	Accuracy	time
1	Dilan August 29, 2025	% 87	02:10
2	Brandon Andrés Azofeifa August 29, 2025	% 80	02:36
3	JGR August 29, 2025	% 73	02:54
4	Cri cri August 29, 2025	% 67	02:02
5	Emmanuel August 29, 2025	% 27	01:50
6	Michelle August 29, 2025	% 27	01:52
7	Sergio August 29, 2025	% 13	01:17
8	Huberth Perez Ugalde August 29, 2025	% 0	00:05

Do you want to stay in the Top 10 of this game? 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 Integumentary System

Breanna Nesbitt

United States

(58)

Functions and Structures of the skin
pizza

Lorelay Tyana

Romania

(260)

joc despre pizza
Bill of Rights Game - The Constitutionalist

Doni The Don

United States

(89)

Test your knowledge on the Bill of Rights. A fun way to test your knowledge and focus on where you need to improve.
Ethos, Pathos, and Logos Quiz

Kristine Vester

United States

(131)

Test your knowledge of ethos, pathos, and logos with these 10 questions on examples of persuasive techniques.
Phlebotomy Order of Draw Quiz

Pamela Chapman

United States

(59)

Test your knowledge of the order of draw in Phlebotomy with these 10 questions!

		%
	Anonymous	%
		%
		%

Print your game

BIG DATA


Froggy Jumps BIG DATAOnline version INTELIGENCIA ARTIFICIAL Y BIG DATA EN GEOMÁTICA by Huberth Perez Ugalde 1 1.¿Cuál es el principal objetivo de la regresión lineal? a Clasificar datos en categorías binarias b Predecir valores continuos a partir de variables independientes c Minimizar la dependencia espacial en los datos 2 ¿Qué caracteriza al aprendizaje supervisado? a Utiliza datos sin etiquetas b Se basa en retroalimentación del entorno c Se entrena con datos previamente etiquetados 3 En geomática, ¿para qué puede aplicarse la regresión logística? a Predicción de deformaciones del terreno b Identificación de áreas en riesgo de deslizamientos c Estimación de precios de propiedades 4 ¿Cuál de los siguientes es un ejemplo de aprendizaje no supervisado? a Clasificación de cobertura del suelo con datos etiquetados b Detección de patrones mediante clustering c Predicción de eventos con probabilidad binaria 5 ¿Qué método se utiliza en la regresión lineal para ajustar la recta a los datos? a Máxima verosimilitud b Regla de Bayes c Mínimos cuadrados ordinarios 6 ¿Qué representa la pendiente (β1) en la regresión lineal simple? a El cambio en Y por cada unidad de X b El valor de Y cuando X=0 c El error no explicado por el modelo 7 ¿Cuál es una limitación de la regresión lineal simple? a Permite considerar múltiples factores b Es sensible a valores atípicos c No requiere variables independientes 8 ¿Qué ventaja ofrece la regresión lineal múltiple frente a la simple? a Es menos precisa en fenómenos complejos b No requiere control de factores externos c Considera múltiples variables independientes 9 ¿Qué tipo de variable utiliza la regresión logística como dependiente? a Continua b Binaria c Categórica con múltiples niveles 10 ¿Qué función matemática sustenta la regresión logística? a Logística b Polinómica c Exponencial 11 11.En geomática, ¿Qué problema enfrenta la regresión logística debido a la naturaleza espacial de los datos? a Multicolinealidad b Autocorrelación espacial c 12 ¿Qué técnica se utiliza para tratar variables categóricas en regresión logística? a Clustering b Normalización Z-score c Variables dummy 13 ¿Qué aplicación práctica se describe para la regresión lineal en catastro en Costa Rica? a Creación de mapas de calor b Georreferenciación de planos antiguos c Detección de deslizamientos 14 ¿Qué indicador se utiliza para evaluar la capacidad predictiva de un modelo de regresión logística? a AUC de la curva ROC b R² ajustado c Media aritmética 15 15.¿Qué aportan la visualización de datos en geomática? a Sustituye el análisis estadístico b Facilita interpretar modelos y comunicar resultados c Elimina la necesidad de datos numéricos

You can integrate the game into an LMS compatible with LTI 1.1 or LTI 1.3 such as Canvas, Moodle, or Blackboard. This way, the scores will be automatically saved into the platform’s gradebook.

BIG DATA

Froggy Jumps

About this activity

Created by

Download the paper version to play

Top Games

Froggy Jumps

The Integumentary System

Froggy Jumps

pizza

Froggy Jumps

Bill of Rights Game - The Constitutionalist

Froggy Jumps

Ethos, Pathos, and Logos Quiz

Froggy Jumps

Phlebotomy Order of Draw Quiz

Froggy Jumps

BIG DATAOnline version

by Huberth Perez Ugalde

1.¿Cuál es el principal objetivo de la regresión lineal?

¿Qué caracteriza al aprendizaje supervisado?

En geomática, ¿para qué puede aplicarse la regresión logística?

¿Cuál de los siguientes es un ejemplo de aprendizaje no supervisado?

¿Qué método se utiliza en la regresión lineal para ajustar la recta a los datos?

¿Qué representa la pendiente (β1) en la regresión lineal simple?

¿Cuál es una limitación de la regresión lineal simple?

¿Qué ventaja ofrece la regresión lineal múltiple frente a la simple?

¿Qué tipo de variable utiliza la regresión logística como dependiente?

¿Qué función matemática sustenta la regresión logística?

11.En geomática, ¿Qué problema enfrenta la regresión logística debido a la naturaleza espacial de los datos?

¿Qué técnica se utiliza para tratar variables categóricas en regresión logística?

¿Qué aplicación práctica se describe para la regresión lineal en catastro en Costa Rica?

¿Qué indicador se utiliza para evaluar la capacidad predictiva de un modelo de regresión logística?

15.¿Qué aportan la visualización de datos en geomática?