RN: Conceptos Clave

Froggy Jumps

(4)

Played 70 %Accuracy 81 Average time 02:48

Create copy

About this activity

Quiz sobre fundamentos de redes neuronales

Created by

Cristian Javier Saltos Ponce

Ecuador

Download the paper version to play

Top 10 results

#	Player	Accuracy	time
1	Emily Chiriboga November 18, 2025	% 100	00:40
2	Holger Zambrano December 6, 2025	% 100	00:55
3	Alvarez Pallasco Henry Bladimir December 2, 2025	% 100	01:11
4	Jonathan Gómez December 5, 2025	% 100	01:11
5	diego cabrera December 4, 2025	% 100	01:21
6	Marco Antonio Gonzalez Partidas November 26, 2025	% 100	01:28
7	Allan Steven Manzanillas Lozada November 18, 2025	% 100	01:29
8	Michael Steven Castro Lema December 5, 2025	% 100	01:49
9	CORTEZ REVELO WILLIAM ESTEBAN November 20, 2025	% 100	02:17
10	Grimaneza Amancha December 5, 2025	% 100	03:16

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

Phlebotomy Order of Draw Quiz

Pamela Chapman

United States

(60)

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

Lorelay Tyana

Romania

(262)

joc despre pizza
Bill of Rights Game - The Constitutionalist

Doni The Don

United States

(90)

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.
The Integumentary System

Breanna Nesbitt

United States

(58)

Functions and Structures of the skin

		%
	Anonymous	%
		%
		%

Print your game

RN: Conceptos Clave


Froggy Jumps RN: Conceptos ClaveOnline version Quiz sobre fundamentos de redes neuronales by Cristian Javier Saltos Ponce 1 ¿Qué es una neurona artificial dentro de una RN? a Una unidad que aplica una función de activación a una suma ponderada b Una función que solo mide rendimiento c Una capa de neuronas independientes sin conexiones 2 ¿Qué es una capa en una RN? a Una matriz de pesos sin activación b Una sola neurona aislada c Conjunto de neuronas que procesan entradas y generan salidas 3 ¿Qué son los hiperparámetros? a Parámetros de alto nivel que no se aprenden durante el entrenamiento b Funciones de activación internas c Pesos que se actualizan 4 ¿Qué representa la arquitectura de una RN? a El conjunto de datos de entrenamiento b La estructura de capas, neuronas y conexiones c La precisión del modelo 5 ¿Qué fue el perceptrón? a Un tipo de función de costo b Un modelo temprano de RN de una sola capa c Una técnica de optimización 6 ¿Qué término describe el proceso de ajustar pesos durante el entrenamiento? a Aprendizaje b Normalización c Inicialización 7 ¿Qué es el descenso del gradiente (GD)? a Un algoritmo de clasificación b Una técnica de optimización para reducir la pérdida c Una función de activación 8 ¿Qué alternativa es una variación de GD usada en redes? a Propagación inversa b SGD (descenso por lotes estocástico) c Transformada rápida de Fourier 9 ¿Qué función de activación es ampliamente usada por su eficiencia? a Sigmoide b TanH clásica c ReLU 10 ¿Qué describe la desviación entre entrenamiento y generalización? a Normalización b Sobreajuste c Subajuste 11 ¿Qué mide la pérdida MSE? a Error cuadrático medio b Coeficiente de determinación c Entropía cruzada 12 ¿Qué busca la entropía cruzada como pérdida? a Ajustar tasas de aprendizaje b Medir discrepancia entre distribuciones prevista y real c Evaluar exactitud puramente 13 ¿Qué representa la retropropagación? a Normalización de entradas b Cálculo de pérdidas sin actualización c Actualización de pesos mediante gradientes 14 ¿Qué es la normalización de datos en RN? a Escalar features para una mejor convergencia b Aumentar dimensionalidad c Eliminar datos 15 ¿Qué describe la inicialización de pesos? a Asignar valores iniciales para empezar el entrenamiento b Normalizar salidas c Elegir la tasa de aprendizaje 16 ¿Qué es el early stopping? a Acelerar todas las épocas b Detener el entrenamiento para evitar sobreajuste c Aumentar tamaño de lote 17 ¿Qué se entiende por 'aprendizaje de representaciones'? a Memorizar datos b Reducir dimensionalidad sin utilidad c Aprender características útiles para próximas tareas 18 ¿Qué es un 'ciño de universalidad' en RN? a La capacidad de aproximar funciones con suficiente tamaño b Exclusión de activaciones c Limitación de capas 19 ¿Qué es una red profunda? a Una RN con varias capas ocultas b Una red sin capas c Una red de una sola neurona

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.

RN: Conceptos Clave

Froggy Jumps

About this activity

Created by

Download the paper version to play

Top Games

Froggy Jumps

Phlebotomy Order of Draw Quiz

Froggy Jumps

pizza

Froggy Jumps

Bill of Rights Game - The Constitutionalist

Froggy Jumps

Ethos, Pathos, and Logos Quiz

Froggy Jumps

The Integumentary System

Froggy Jumps

RN: Conceptos ClaveOnline version

by Cristian Javier Saltos Ponce

¿Qué es una neurona artificial dentro de una RN?

¿Qué es una capa en una RN?

¿Qué son los hiperparámetros?

¿Qué representa la arquitectura de una RN?

¿Qué fue el perceptrón?

¿Qué término describe el proceso de ajustar pesos durante el entrenamiento?

¿Qué es el descenso del gradiente (GD)?

¿Qué alternativa es una variación de GD usada en redes?

¿Qué función de activación es ampliamente usada por su eficiencia?

¿Qué describe la desviación entre entrenamiento y generalización?

¿Qué mide la pérdida MSE?

¿Qué busca la entropía cruzada como pérdida?

¿Qué representa la retropropagación?

¿Qué es la normalización de datos en RN?

¿Qué describe la inicialización de pesos?

¿Qué es el early stopping?

¿Qué se entiende por 'aprendizaje de representaciones'?

¿Qué es un 'ciño de universalidad' en RN?

¿Qué es una red profunda?