Adivinanzas de Ciencia de Datos

Riddle

Played 0

Create copy

About this activity

Desafíos para pensar como científico de datos

Created by

Felipe Sebastián Goyes Carpio

Ecuador

Download the paper version to play

Top 10 results

There are still no results for this game. Be the first to stay in the ranking! 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 gold riddle

Cody Nakajima

United States

(4)

On your quest you find 3 treasure chests. 1 chest is the gold chest. You need to find the gold chest. But the wrong chests has a deadly gas. And to make matters worse all of the chests look identical....
Fantastic creatures

Educaplay Educational Resources

Spain

(169)

Guess them using as few clues as possible
Words About Words Vocabulary 6c

Ginger Jantz

United States

(13)

Words used to discuss words and writing
Brain Game 2

Kecia Hopper

United States

(8)

Brain teasers
GUESS, GUESSER...

Esteban PedrazaEnciso

Colombia

(10)

¡ I guess the tracks who it is and have fun...!

		%
	Anonymous	%
		%
		%

Print your game

Adivinanzas de Ciencia de Datos


Adivinanzas de Ciencia de DatosOnline version Desafíos para pensar como científico de datos by Felipe Sebastián Goyes Carpio 1 1) Soy la colección de casos que utilizo para entrenar modelos. Me organizo en filas y columnas y, para el aprendizaje supervisado, la etiqueta da sentido a mi objetivo. ¿Qué soy? Pistas 1 Es la base sobre la que se construye un modelo. 2 No son solo números sueltos: están organizados y etiquetados en su contexto. 3 Pienso en todos los ejemplos que el algoritmo ve durante el aprendizaje. 2 2) En cada fila de mi mundo hay una serie de descripciones que caracterizan al caso, y su valor cambia de una columna a otra. ¿Qué soy? Pistas 1 Son las piezas que el modelo usa para aprender. 2 Ejemplos: edad, ingresos, temperatura. 3 Cada columna describe una propiedad del objeto estudiado. 3 3) Para evaluar la capacidad de generalización de un modelo, separo datos en dos grupos: uno para entrenar y otro para probar. ¿Qué conjunto es el de prueba? Pistas 1 Ayuda a estimar qué tan bien funcionará en datos nuevos. 2 No se usa para entrenar, solo para estimar rendimiento. 3 También se le llama phase de evaluación. 4 4) Si quiero predecir una cantidad continua, intento ajustar una relación mediante una recta que minimiza errores. ¿Qué método es este? Pistas 1 Se representa con una ecuación de la forma y = mx + b. 2 La idea es predecir una salida numérica. 3 Busca una relación lineal entre una o más variables predictoras y la respuesta. 5 5) Para evitar que el modelo aprenda solo de memoria de los datos de entrenamiento, aplico una técnica que penaliza soluciones complejas. ¿Qué concepto es este? Pistas 1 Ajusta la penalización durante el aprendizaje. 2 Puede ayudar a que el modelo generalice mejor. 3 Se trata de controlar la complejidad del modelo. 6 6) Quiero estimar el rendimiento del modelo de manera robusta, probando en varias particiones de datos. ¿Qué enfoque de validación utilizo? Pistas 1 Ayuda a evitar sesgos por una sola partición. 2 Entreno y evalúo varias veces para obtener una métrica estable. 3 Divido los datos en múltiples pliegues. 7 7) Sin usar etiquetas, descubro estructuras o grupos en los datos que comparten similitudes. ¿Qué técnica exploratoria es esta? Pistas 1 Ejemplos: k-means, jerárquico. 2 Permite revelar segmentos o patrones ocultos. 3 Busco similitudes sin saber la respuesta esperada. 8 8) Para que diferentes magnitudes numéricas no dominen el aprendizaje, transformo las características para que tengan escalas similares. ¿Qué proceso es este? Pistas 1 A veces se usa escalado entre 0 y 1. 2 Asegura que todas las características contribuyan de manera equilibrada. 3 Truco común para que una variable no pese más que otra.

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.

Adivinanzas de Ciencia de Datos

Riddle

About this activity

Created by

Download the paper version to play

Top Games

Riddle

The gold riddle

Riddle

Fantastic creatures

Riddle

Words About Words Vocabulary 6c

Riddle

Brain Game 2

Riddle

GUESS, GUESSER...

Adivinanzas de Ciencia de DatosOnline version

by Felipe Sebastián Goyes Carpio

1) Soy la colección de casos que utilizo para entrenar modelos. Me organizo en filas y columnas y, para el aprendizaje supervisado, la etiqueta da sentido a mi objetivo. ¿Qué soy?

Pistas

2) En cada fila de mi mundo hay una serie de descripciones que caracterizan al caso, y su valor cambia de una columna a otra. ¿Qué soy?

Pistas

3) Para evaluar la capacidad de generalización de un modelo, separo datos en dos grupos: uno para entrenar y otro para probar. ¿Qué conjunto es el de prueba?

Pistas

4) Si quiero predecir una cantidad continua, intento ajustar una relación mediante una recta que minimiza errores. ¿Qué método es este?

Pistas

5) Para evitar que el modelo aprenda solo de memoria de los datos de entrenamiento, aplico una técnica que penaliza soluciones complejas. ¿Qué concepto es este?

Pistas

6) Quiero estimar el rendimiento del modelo de manera robusta, probando en varias particiones de datos. ¿Qué enfoque de validación utilizo?

Pistas

7) Sin usar etiquetas, descubro estructuras o grupos en los datos que comparten similitudes. ¿Qué técnica exploratoria es esta?

Pistas

8) Para que diferentes magnitudes numéricas no dominen el aprendizaje, transformo las características para que tengan escalas similares. ¿Qué proceso es este?

Pistas