RN: Conceptos Clave

Froggy Jumps

(4)

Parties jouées 70 %Précision 81 Temps moyen 02:48

Créer une copie

À propos de cette activité

Quiz sobre fundamentos de redes neuronales

Créé par

Cristian Javier Saltos Ponce

Ecuador

Téléchargez la version pour jouer sur papier

Top 10 résultats

#	Jeux	Précision	temps
1	Emily Chiriboga 18 Novembre 2025	% 100	00:40
2	Holger Zambrano 6 Décembre 2025	% 100	00:55
3	Alvarez Pallasco Henry Bladimir 2 Décembre 2025	% 100	01:11
4	Jonathan Gómez 5 Décembre 2025	% 100	01:11
5	diego cabrera 4 Décembre 2025	% 100	01:21
6	Marco Antonio Gonzalez Partidas 26 Novembre 2025	% 100	01:28
7	Allan Steven Manzanillas Lozada 18 Novembre 2025	% 100	01:29
8	Michael Steven Castro Lema 5 Décembre 2025	% 100	01:49
9	CORTEZ REVELO WILLIAM ESTEBAN 20 Novembre 2025	% 100	02:17
10	Grimaneza Amancha 5 Décembre 2025	% 100	03:16

Voulez-vous apparaître dans le Top 10 de ce jeu? 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

		%
	Anonyme	%
		%
		%

Imprimez votre jeu

RN: Conceptos Clave


Froggy Jumps RN: Conceptos ClaveVersion en ligne Quiz sobre fundamentos de redes neuronales par Cristian Javier Saltos Ponce 1 ¿Qué es una neurona artificial dentro de una RN? a Una unidad que aplica una función de activación a una suma ponderada b Una función que solo mide rendimiento c Una capa de neuronas independientes sin conexiones 2 ¿Qué es una capa en una RN? a Una matriz de pesos sin activación b Una sola neurona aislada c Conjunto de neuronas que procesan entradas y generan salidas 3 ¿Qué son los hiperparámetros? a Parámetros de alto nivel que no se aprenden durante el entrenamiento b Funciones de activación internas c Pesos que se actualizan 4 ¿Qué representa la arquitectura de una RN? a El conjunto de datos de entrenamiento b La estructura de capas, neuronas y conexiones c La precisión del modelo 5 ¿Qué fue el perceptrón? a Un tipo de función de costo b Un modelo temprano de RN de una sola capa c Una técnica de optimización 6 ¿Qué término describe el proceso de ajustar pesos durante el entrenamiento? a Aprendizaje b Normalización c Inicialización 7 ¿Qué es el descenso del gradiente (GD)? a Un algoritmo de clasificación b Una técnica de optimización para reducir la pérdida c Una función de activación 8 ¿Qué alternativa es una variación de GD usada en redes? a Propagación inversa b SGD (descenso por lotes estocástico) c Transformada rápida de Fourier 9 ¿Qué función de activación es ampliamente usada por su eficiencia? a Sigmoide b TanH clásica c ReLU 10 ¿Qué describe la desviación entre entrenamiento y generalización? a Normalización b Sobreajuste c Subajuste 11 ¿Qué mide la pérdida MSE? a Error cuadrático medio b Coeficiente de determinación c Entropía cruzada 12 ¿Qué busca la entropía cruzada como pérdida? a Ajustar tasas de aprendizaje b Medir discrepancia entre distribuciones prevista y real c Evaluar exactitud puramente 13 ¿Qué representa la retropropagación? a Normalización de entradas b Cálculo de pérdidas sin actualización c Actualización de pesos mediante gradientes 14 ¿Qué es la normalización de datos en RN? a Escalar features para una mejor convergencia b Aumentar dimensionalidad c Eliminar datos 15 ¿Qué describe la inicialización de pesos? a Asignar valores iniciales para empezar el entrenamiento b Normalizar salidas c Elegir la tasa de aprendizaje 16 ¿Qué es el early stopping? a Acelerar todas las épocas b Detener el entrenamiento para evitar sobreajuste c Aumentar tamaño de lote 17 ¿Qué se entiende por 'aprendizaje de representaciones'? a Memorizar datos b Reducir dimensionalidad sin utilidad c Aprender características útiles para próximas tareas 18 ¿Qué es un 'ciño de universalidad' en RN? a La capacidad de aproximar funciones con suficiente tamaño b Exclusión de activaciones c Limitación de capas 19 ¿Qué es una red profunda? a Una RN con varias capas ocultas b Una red sin capas c Una red de una sola neurona

Vous pouvez intégrer le jeu dans un LMS compatible avec LTI 1.1 ou LTI 1.3 comme Canvas, Moodle ou Blackboard. Les scores seront ainsi automatiquement enregistrés dans le carnet de notes de la plateforme.

RN: Conceptos Clave

Froggy Jumps

À propos de cette activité

Créé par

Téléchargez la version pour jouer sur papier

Top Jeux

Froggy Jumps

Phlebotomy Order of Draw Quiz

Froggy Jumps

Ethos, Pathos, and Logos Quiz

Froggy Jumps

The Integumentary System

Froggy Jumps

Bill of Rights Game - The Constitutionalist

Froggy Jumps

pizza

Froggy Jumps

RN: Conceptos ClaveVersion en ligne

par Cristian Javier Saltos Ponce

¿Qué es una neurona artificial dentro de una RN?

¿Qué es una capa en una RN?

¿Qué son los hiperparámetros?

¿Qué representa la arquitectura de una RN?

¿Qué fue el perceptrón?

¿Qué término describe el proceso de ajustar pesos durante el entrenamiento?

¿Qué es el descenso del gradiente (GD)?

¿Qué alternativa es una variación de GD usada en redes?

¿Qué función de activación es ampliamente usada por su eficiencia?

¿Qué describe la desviación entre entrenamiento y generalización?

¿Qué mide la pérdida MSE?

¿Qué busca la entropía cruzada como pérdida?

¿Qué representa la retropropagación?

¿Qué es la normalización de datos en RN?

¿Qué describe la inicialización de pesos?

¿Qué es el early stopping?

¿Qué se entiende por 'aprendizaje de representaciones'?

¿Qué es un 'ciño de universalidad' en RN?

¿Qué es una red profunda?