Introducción al aprendizaje automático

Yes or No

Played 1

Create copy

About this activity

Conceptos básicos de ML

Created by

Rafael Zamudio Reyes

Mexico

Download the paper version to play

Top 10 results

#	Player	Accuracy	time
1	Rafael Zamudio Reyes March 5, 2026	% 30	13:53

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

Is it created with Artificial Intelligence? - Complete game

Educaplay Educational Resources

Spain

(17)

Images, songs... Nothing is what it seems anymore. Are they generated with AI, or are they real?
Foot and Ankle Anatomy Quiz

Thilaxshi Suresh

United Kingdom

(9)

Test your knowledge of the bones, joints, and muscles of the foot and ankle with this interactive quiz. Answer with ✅ if the statement is correct and ❌ if it is incorrect.
Is it true?

Educaplay Educational Resources

Spain

(58)

Answer if the following sentences about general culture are true or not.
Grammys for best song/record

Educaplay Educational Resources

Spain

(50)

Answer if these songs won the Grammy for Best Song or Record of the Year (the general ones, category Grammys do not count)
Adjective Checker

Erika Moreno

Ecuador

(14)

In this game, you will have to determine if the adjective provided accurately describes the noun. Test your knowledge of adjectives and see if you can spot the correct matches!


Introducción al aprendizaje automáticoOnline version Conceptos básicos de ML by Rafael Zamudio Reyes 1 El aprendizaje automático es una disciplina de la inteligencia artificial. Sí No 2 Los algoritmos aprenden a partir de datos para hacer predicciones. Sí No 3 En el aprendizaje automático, los datos no deben limpiarse ni preprocesarse. Sí No 4 El aprendizaje por refuerzo no se basa en recompensas ni entorno. Sí No 5 El aprendizaje supervisado utiliza datos etiquetados para entrenar. Sí No 6 Los modelos de ML nunca requieren validación de rendimiento. Sí No 7 Todos los modelos de ML son deterministas y no probabilísticos. Sí No 8 El overfitting se da cuando el modelo se ajusta demasiado a los datos de entrenamiento y no generaliza. Sí No 9 El rendimiento de un modelo se evalúa con datos de prueba o validación. Sí No 10 Un algoritmo de ML no puede manejar datos no estructurados todavía. Sí No

Introducción al aprendizaje automáticoOnline version

Conceptos básicos de ML

by Rafael Zamudio Reyes

El aprendizaje automático es una disciplina de la inteligencia artificial.

Sí

Los algoritmos aprenden a partir de datos para hacer predicciones.

Sí

En el aprendizaje automático, los datos no deben limpiarse ni preprocesarse.

Sí

El aprendizaje por refuerzo no se basa en recompensas ni entorno.

Sí

El aprendizaje supervisado utiliza datos etiquetados para entrenar.

Sí

Los modelos de ML nunca requieren validación de rendimiento.

Sí

Todos los modelos de ML son deterministas y no probabilísticos.

Sí

El overfitting se da cuando el modelo se ajusta demasiado a los datos de entrenamiento y no generaliza.

Sí

El rendimiento de un modelo se evalúa con datos de prueba o validación.

Sí

Un algoritmo de ML no puede manejar datos no estructurados todavía.

Sí

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.

Introducción al aprendizaje automático

Yes or No

About this activity

Created by

Download the paper version to play

Top Games

Yes or No

Is it created with Artificial Intelligence? - Complete game

Yes or No

Foot and Ankle Anatomy Quiz

Yes or No

Is it true?

Yes or No

Grammys for best song/record

Yes or No

Adjective Checker

Introducción al aprendizaje automáticoOnline version

by Rafael Zamudio Reyes

El aprendizaje automático es una disciplina de la inteligencia artificial.

Los algoritmos aprenden a partir de datos para hacer predicciones.

En el aprendizaje automático, los datos no deben limpiarse ni preprocesarse.

El aprendizaje por refuerzo no se basa en recompensas ni entorno.

El aprendizaje supervisado utiliza datos etiquetados para entrenar.

Los modelos de ML nunca requieren validación de rendimiento.

Todos los modelos de ML son deterministas y no probabilísticos.

El overfitting se da cuando el modelo se ajusta demasiado a los datos de entrenamiento y no generaliza.

El rendimiento de un modelo se evalúa con datos de prueba o validación.

Un algoritmo de ML no puede manejar datos no estructurados todavía.

		%
	Anonymous	%
		%
		%