Desafío de Backpropagation en Redes Neuronales

Froggy Jumps

Played 12

Create copy

About this activity

Quiz sobre Backpropagation

Created by

dany

Bolivia

Download the paper version to play

Top 10 results

#	Player	Accuracy	time
1	Zammir gremory April 22, 2026	% 90	04:27
2	Yulisa Quispe mamani April 22, 2026	% 5	00:32

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

(59)

Functions and Structures of the skin
Phlebotomy Order of Draw Quiz

Pamela Chapman

United States

(61)

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

Lorelay Tyana

Romania

(266)

joc despre pizza
Bill of Rights Game - The Constitutionalist

Doni The Don

United States

(92)

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

(134)

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

		%
	Anonymous	%
		%
		%

Print your game

Desafío de Backpropagation en Redes Neuronales


Froggy Jumps Desafío de Backpropagation en Redes NeuronalesOnline version Quiz sobre Backpropagation by dany 1 ¿Qué es Backpropagation? a Un lenguaje de programación b Un algoritmo de entrenamiento c Un tipo de hardware 2 ¿Cuál es su función principal? a Reducir el error del modelo b Guardar datos c Crear imágenes 3 ¿Qué ajusta dentro de la red? a Los colores b Los pesos y sesgos c Los datos 4 ¿Cuáles son sus dos fases? a Inicio y fin b Entrada y salida c Forward y Backward 5 ¿Qué mide el error? a El tamaño del modelo b La diferencia entre predicción y valor real c El tiempo de ejecución 6 ¿Qué concepto matemático es clave? a División b Derivadas c Suma 7 ¿Qué es el gradiente? a Un vector de derivadas parciales b Un color c Un dato 8 ¿Para qué sirve la regla de la cadena? a Sumar valores b Calcular derivadas de funciones compuestas c Multiplicar matrices 9 Objetivo principal del algoritmo: a Crear redes b Aumentar datos c Minimizar el error 10 Si un peso aumenta el error: a Se aumenta más b Se reduce c No cambia 11 ¿Qué es Backpropagation? a Una técnica de reducción de dimensionalidad b Un algoritmo de aprendizaje supervisado para entrenar redes neuronales c Un método de normalización de datos 12 ¿Cuál es la función principal de Backpropagation? a Calcular la probabilidad de clasificación b Reducir el error del modelo c Aumentar la complejidad del modelo 13 ¿Qué elementos ajusta Backpropagation dentro de una red neuronal? a Las funciones de activación b La topología de la red c Los pesos y sesgos 14 ¿Cuáles son las dos fases principales del algoritmo? a Inicialización y pruning b Propagación hacia adelante y propagación hacia atrás c Entrenamiento y validación 15 ¿Qué ocurre en la propagación hacia adelante (forward pass)? a Se calculan las predicciones a partir de los datos de entrada b Se actualizan los pesos por descenso de gradiente c Se evalúa la pérdida sin datos 16 ¿Qué ocurre en la propagación hacia atrás (backward pass)? a Se reinicia la red b El error se propaga hacia atrás para ajustar los pesos c Se convierten las salidas en entradas 17 ¿Qué es la función de pérdida? a Una función de activación b Una métrica de similitud c Una función que mide el error del modelo 18 ¿Qué mide el error en una red neuronal? a La precisión de la predicción b La diferencia entre la predicción y el valor real c La velocidad de entrenamiento 19 ¿Qué concepto matemático permite calcular cómo cambia el error? a La diferenciación por etapas b La integral c La derivada 20 ¿Qué describe el gradiente en redes neuronales? a Un conjunto de derivadas parciales que indica cómo cambiar los parámetros b La tasa de aprendizaje c La función de activación

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.

Desafío de Backpropagation en Redes Neuronales

Froggy Jumps

About this activity

Created by

Download the paper version to play

Top Games

Froggy Jumps

The Integumentary System

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

Desafío de Backpropagation en Redes NeuronalesOnline version

by dany

¿Qué es Backpropagation?

¿Cuál es su función principal?

¿Qué ajusta dentro de la red?

¿Cuáles son sus dos fases?

¿Qué mide el error?

¿Qué concepto matemático es clave?

¿Qué es el gradiente?

¿Para qué sirve la regla de la cadena?

Objetivo principal del algoritmo:

Si un peso aumenta el error:

¿Qué es Backpropagation?

¿Cuál es la función principal de Backpropagation?

¿Qué elementos ajusta Backpropagation dentro de una red neuronal?

¿Cuáles son las dos fases principales del algoritmo?

¿Qué ocurre en la propagación hacia adelante (forward pass)?

¿Qué ocurre en la propagación hacia atrás (backward pass)?

¿Qué es la función de pérdida?

¿Qué mide el error en una red neuronal?

¿Qué concepto matemático permite calcular cómo cambia el error?

¿Qué describe el gradiente en redes neuronales?