Aprendizaje de Máquinas: Conceptos Clave

Froggy Jumps

Played 1

Create copy

About this activity

Desafía tus conocimientos de ML.

Created by

Lizbeth Gpe Márquez Tecomalman

Mexico

Download the paper version to play

Top 10 results

#	Player	Accuracy	time
1	Lizbeth Gpe Márquez Tecomalman February 7, 2026	% 10	00:23

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

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!
The Integumentary System

Breanna Nesbitt

United States

(58)

Functions and Structures of the skin
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.
pizza

Lorelay Tyana

Romania

(261)

joc despre pizza


Froggy Jumps Aprendizaje de Máquinas: Conceptos ClaveOnline version Desafía tus conocimientos de ML. by Lizbeth Gpe Márquez Tecomalman 1 ¿Qué tipo de aprendizaje utiliza datos etiquetados para entrenar? a Aprendizaje por refuerzo b Aprendizaje supervisado c Aprendizaje no supervisado 2 ¿Qué mide la precisión en un modelo de clasificación? a Tamaño del conjunto de datos b Velocidad de entrenamiento c Proporción de aciertos 3 ¿Qué problema describe el sobreajuste? a La falta de datos b El modelo aprende ruido en los datos c Baja precisión en todos los datos 4 ¿Qué técnica reduce el sobreajuste forzando simplificación? a Aproximación por vecinos b Regularización c Aumento de características 5 ¿Qué tipo de aprendizaje busca estructuras en datos sin etiquetas? a Aprendizaje no supervisado b Aprendizaje supervisado c Aprendizaje por refuerzo 6 ¿Qué evalúa si un modelo generaliza a datos nuevos? a Normalización de datos b Entrenamiento iterativo c Validación cruzada 7 ¿Qué componente es esencial para entrenar un modelo? a Conjunto de validación b Conjunto de entrenamiento c Conjunto de prueba 8 ¿Qué técnica reduce dimensionalidad manteniendo la mayor varianza? a Regresión lineal b PCA c One-Hot Encoding 9 ¿Qué modelo es común en clasificación binaria? a K-Means b Regresión logística c Red neuronal convolucional 10 ¿Qué describe mejor la tarea del aprendizaje por refuerzo? a Un agente aprende a través de recompensas b Un conjunto de etiquetas c Ajuste de hipervectores

Froggy Jumps

Aprendizaje de Máquinas: Conceptos ClaveOnline version

Desafía tus conocimientos de ML.

by Lizbeth Gpe Márquez Tecomalman

¿Qué tipo de aprendizaje utiliza datos etiquetados para entrenar?

Aprendizaje por refuerzo

Aprendizaje supervisado

Aprendizaje no supervisado

¿Qué mide la precisión en un modelo de clasificación?

Tamaño del conjunto de datos

Velocidad de entrenamiento

Proporción de aciertos

¿Qué problema describe el sobreajuste?

La falta de datos

El modelo aprende ruido en los datos

Baja precisión en todos los datos

¿Qué técnica reduce el sobreajuste forzando simplificación?

Aproximación por vecinos

Regularización

Aumento de características

¿Qué tipo de aprendizaje busca estructuras en datos sin etiquetas?

Aprendizaje no supervisado

Aprendizaje supervisado

Aprendizaje por refuerzo

¿Qué evalúa si un modelo generaliza a datos nuevos?

Normalización de datos

Entrenamiento iterativo

Validación cruzada

¿Qué componente es esencial para entrenar un modelo?

Conjunto de validación

Conjunto de entrenamiento

Conjunto de prueba

¿Qué técnica reduce dimensionalidad manteniendo la mayor varianza?

Regresión lineal

PCA

One-Hot Encoding

¿Qué modelo es común en clasificación binaria?

K-Means

Regresión logística

Red neuronal convolucional

¿Qué describe mejor la tarea del aprendizaje por refuerzo?

Un agente aprende a través de recompensas

Un conjunto de etiquetas

Ajuste de hipervectores

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.

Aprendizaje de Máquinas: Conceptos Clave

Froggy Jumps

About this activity

Created by

Download the paper version to play

Top Games

Froggy Jumps

Ethos, Pathos, and Logos Quiz

Froggy Jumps

Phlebotomy Order of Draw Quiz

Froggy Jumps

The Integumentary System

Froggy Jumps

Bill of Rights Game - The Constitutionalist

Froggy Jumps

pizza

Froggy Jumps

Aprendizaje de Máquinas: Conceptos ClaveOnline version

by Lizbeth Gpe Márquez Tecomalman

¿Qué tipo de aprendizaje utiliza datos etiquetados para entrenar?

¿Qué mide la precisión en un modelo de clasificación?

¿Qué problema describe el sobreajuste?

¿Qué técnica reduce el sobreajuste forzando simplificación?

¿Qué tipo de aprendizaje busca estructuras en datos sin etiquetas?

¿Qué evalúa si un modelo generaliza a datos nuevos?

¿Qué componente es esencial para entrenar un modelo?

¿Qué técnica reduce dimensionalidad manteniendo la mayor varianza?

¿Qué modelo es común en clasificación binaria?

¿Qué describe mejor la tarea del aprendizaje por refuerzo?

		%
	Anonymous	%
		%
		%