Introducción al aprendizaje automático

Oui ou Non

Parties jouées 1

Créer une copie

À propos de cette activité

Conceptos básicos de ML

Créé par

Rafael Zamudio Reyes

Mexico

Téléchargez la version pour jouer sur papier

Top 10 résultats

#	Jeux	Précision	temps
1	Rafael Zamudio Reyes 5 Mars 2026	% 30	13:53

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

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.
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!
Is it true?

Educaplay Educational Resources

Spain

(59)

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)
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?


Introducción al aprendizaje automáticoVersion en ligne Conceptos básicos de ML par 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 automáticoVersion en ligne

Conceptos básicos de ML

par 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

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.

Introducción al aprendizaje automático

Oui ou Non

À propos de cette activité

Créé par

Téléchargez la version pour jouer sur papier

Top Jeux

Oui ou Non

Foot and Ankle Anatomy Quiz

Oui ou Non

Adjective Checker

Oui ou Non

Is it true?

Oui ou Non

Grammys for best song/record

Oui ou Non

Is it created with Artificial Intelligence? - Complete game

Introducción al aprendizaje automáticoVersion en ligne

par 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.

		%
	Anonyme	%
		%
		%