Machine learning

Mots Roulette

Parties jouées 0

Créer une copie

À propos de cette activité

Contenido y conceptos fundamentales sobre machine learning

Créé par

Rafael Solis Miceli

Mexico

Téléchargez la version pour jouer sur papier

Top 10 résultats

Il n'y a toujours pas de résultats pour ce jeu. Soyez le premier à apparaître dans le classement! Connectez-vous pour vous identifier.

Créez votre propre jeu gratuite à partir de notre créateur de jeu

Affrontez vos amis pour voir qui obtient le meilleur score dans ce jeu

Créer un défi


Machine learningVersion en ligne Contenido y conceptos fundamentales sobre machine learning par Rafael Solis Miceli A B C D E F G H I J L M N O P Q R S T U V X Y Z Empieza por A Conjunto de reglas o instrucciones que siguen los modelos para aprender de los datos Empieza por B Conjuntos de datos de gran volumen, variedad y velocidad que requieren métodos avanzados para su procesamiento. Empieza por C Técnica de aprendizaje no supervisado que agrupa elementos similares. Empieza por D Subárea de ML que utiliza redes neuronales profundas para modelar patrones complejos. Empieza por E Proceso de alimentar datos al algoritmo para que aprenda patrones. Empieza por F Atributo o variable individual que describe un aspecto del dato que se usa en el aprendizaje. Empieza por G Capacidad del modelo para funcionar bien con nuevos datos no vistos durante el entrenamiento. Empieza por H Parámetros que controlan el proceso de aprendizaje y deben definirse antes del entrenamiento (por ejemplo, tasa de aprendizaje). Empieza por I Campo más amplio que abarca sistemas que realizan tareas que normalmente requieren inteligencia humana Empieza por J Organización conceptual donde IA ⊃ ML ⊃ Deep Learning. Empieza por L Parámetro que controla el tamaño del paso que da el modelo al ajustarse a los datos. Empieza por M Aprendizaje automático. Empieza por N Proceso de escalado de las características para mejorar el desempeño del algoritmo. Empieza por O Cuando un modelo aprende demasiado bien los datos de entrenamiento, incluyendo el ruido, y falla al generalizar. Empieza por P Resultado generado por un modelo de ML cuando se le da un nuevo conjunto de datos. Empieza por Q Solicitud de información que puede ser respondida por un modelo entrenado, como en un motor de recomendación. Empieza por R Modelo inspirado en el cerebro humano que consiste en capas de nodos interconectados que procesan datos. Empieza por S Tipo de ML que usa datos etiquetados. Empieza por T Fase de validación donde se mide el rendimiento del modelo en datos no vistos. Empieza por U Tipo de ML que trabaja con datos no etiquetados para descubrir patrones. Empieza por V Representación matemática de características de los datos en un espacio multidimensional. Empieza por X Algoritmo de boosting altamente eficiente y popular para tareas de clasificación y regresión. Empieza por Y En ML supervisado, es la variable que el modelo intenta predecir. Empieza por Z Técnica que permite a un modelo generalizar a clases o tareas no vistas durante el entrenamiento.

Machine learningVersion en ligne

Contenido y conceptos fundamentales sobre machine learning

par Rafael Solis Miceli

Empieza por A

Conjunto de reglas o instrucciones que siguen los modelos para aprender de los datos

Empieza por B

Conjuntos de datos de gran volumen, variedad y velocidad que requieren métodos avanzados para su procesamiento.

Empieza por C

Técnica de aprendizaje no supervisado que agrupa elementos similares.

Empieza por D

Subárea de ML que utiliza redes neuronales profundas para modelar patrones complejos.

Empieza por E

Proceso de alimentar datos al algoritmo para que aprenda patrones.

Empieza por F

Atributo o variable individual que describe un aspecto del dato que se usa en el aprendizaje.

Empieza por G

Capacidad del modelo para funcionar bien con nuevos datos no vistos durante el entrenamiento.

Empieza por H

Parámetros que controlan el proceso de aprendizaje y deben definirse antes del entrenamiento (por ejemplo, tasa de aprendizaje).

Empieza por I

Campo más amplio que abarca sistemas que realizan tareas que normalmente requieren inteligencia humana

Empieza por J

Organización conceptual donde IA ⊃ ML ⊃ Deep Learning.

Empieza por L

Parámetro que controla el tamaño del paso que da el modelo al ajustarse a los datos.

Empieza por M

Aprendizaje automático.

Empieza por N

Proceso de escalado de las características para mejorar el desempeño del algoritmo.

Empieza por O

Cuando un modelo aprende demasiado bien los datos de entrenamiento, incluyendo el ruido, y falla al generalizar.

Empieza por P

Resultado generado por un modelo de ML cuando se le da un nuevo conjunto de datos.

Empieza por Q

Solicitud de información que puede ser respondida por un modelo entrenado, como en un motor de recomendación.

Empieza por R

Modelo inspirado en el cerebro humano que consiste en capas de nodos interconectados que procesan datos.

Empieza por S

Tipo de ML que usa datos etiquetados.

Empieza por T

Fase de validación donde se mide el rendimiento del modelo en datos no vistos.

Empieza por U

Tipo de ML que trabaja con datos no etiquetados para descubrir patrones.

Empieza por V

Representación matemática de características de los datos en un espacio multidimensional.

Empieza por X

Algoritmo de boosting altamente eficiente y popular para tareas de clasificación y regresión.

Empieza por Y

En ML supervisado, es la variable que el modelo intenta predecir.

Empieza por Z

Técnica que permite a un modelo generalizar a clases o tareas no vistas durante el entrenamiento.

		%
	Anonyme	%
		%
		%

Machine learning

Mots Roulette

À propos de cette activité

Créé par

Téléchargez la version pour jouer sur papier

Top Jeux

Mots Roulette

Flags of countries

Mots Roulette

Sleepy Hollow A-Z

Mots Roulette

The NATO Alphabet

Mots Roulette

WORD GAME: A TO Z

Mots Roulette

LOGO QUIZ

Machine learningVersion en ligne

par Rafael Solis Miceli

Empieza por A

Conjunto de reglas o instrucciones que siguen los modelos para aprender de los datos

Empieza por B

Conjuntos de datos de gran volumen, variedad y velocidad que requieren métodos avanzados para su procesamiento.

Empieza por C

Técnica de aprendizaje no supervisado que agrupa elementos similares.

Empieza por D

Subárea de ML que utiliza redes neuronales profundas para modelar patrones complejos.

Empieza por E

Proceso de alimentar datos al algoritmo para que aprenda patrones.

Empieza por F

Atributo o variable individual que describe un aspecto del dato que se usa en el aprendizaje.

Empieza por G

Capacidad del modelo para funcionar bien con nuevos datos no vistos durante el entrenamiento.

Empieza por H

Parámetros que controlan el proceso de aprendizaje y deben definirse antes del entrenamiento (por ejemplo, tasa de aprendizaje).

Empieza por I

Campo más amplio que abarca sistemas que realizan tareas que normalmente requieren inteligencia humana

Empieza por J

Organización conceptual donde IA ⊃ ML ⊃ Deep Learning.

Empieza por L

Parámetro que controla el tamaño del paso que da el modelo al ajustarse a los datos.

Empieza por M

Aprendizaje automático.

Empieza por N

Proceso de escalado de las características para mejorar el desempeño del algoritmo.

Empieza por O

Cuando un modelo aprende demasiado bien los datos de entrenamiento, incluyendo el ruido, y falla al generalizar.

Empieza por P

Resultado generado por un modelo de ML cuando se le da un nuevo conjunto de datos.

Empieza por Q

Solicitud de información que puede ser respondida por un modelo entrenado, como en un motor de recomendación.

Empieza por R

Modelo inspirado en el cerebro humano que consiste en capas de nodos interconectados que procesan datos.

Empieza por S

Tipo de ML que usa datos etiquetados.

Empieza por T

Fase de validación donde se mide el rendimiento del modelo en datos no vistos.

Empieza por U

Tipo de ML que trabaja con datos no etiquetados para descubrir patrones.

Empieza por V

Representación matemática de características de los datos en un espacio multidimensional.

Empieza por X

Algoritmo de boosting altamente eficiente y popular para tareas de clasificación y regresión.

Empieza por Y

En ML supervisado, es la variable que el modelo intenta predecir.

Empieza por Z

Técnica que permite a un modelo generalizar a clases o tareas no vistas durante el entrenamiento.