Deep Learning: Redes para Percepción

Froggy Jumps

Parties jouées 6 %Précision 41 Temps moyen 01:49

Créer une copie

À propos de cette activité

Identificación con DL

Créé par

Hulk Hogan

Mexico

Téléchargez la version pour jouer sur papier

Top 10 résultats

#	Jeux	Précision	temps
1	mauricio nucamendi gutierrez 2 Juillet 2026	% 80	01:46
2	Pedro Iván 2 Juillet 2026	% 60	02:10
3	Erick Francisco 2 Juillet 2026	% 40	02:46
4	Ángel, Brayan, Nancy 2 Juillet 2026	% 20	01:52
5	eduardo 6 Juillet 2026	% 13	01:19

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

Deep Learning: Redes para Percepción


Froggy Jumps Deep Learning: Redes para PercepciónVersion en ligne Identificación con DL par Hulk Hogan 1 ¿Qué es el deep learning? a Programación manual de características b Uso de redes profundas para aprender patrones complejos. c Algoritmos basados solo en reglas predefinidas 2 ¿Qué tipo de red es habitual para imágenes? a Redes bayesianas b Redes neuronales convolucionales (CNN). c Redes recurrentes simples 3 ¿Qué red se usa comúnmente para secuencias de voz? a Redes generativas antonómicas b Redes neuronales recurrentes (RNN) c CNN 4 ¿Qué técnica ayuda a evitar que el modelo memorize datos? a Regularización y dropout b Aumento de tamaño de datos sin validación c Sobreajuste sin controls 5 ¿Qué proceso ajusta los pesos de la red? a Propagación hacia atrás (backpropagación) b Propagación hacia adelante c Randomización de pesos 6 ¿Qué función activa introduce no linealidad? a Función de activación (p. ej., ReLU) b Promedio móvil c Función lineal pura 7 ¿Qué es el transfer learning? a Borrar datos antes de entrenar b Entrenar dos veces desde cero c Reutilizar un modelo ya entrenado para otra tarea 8 ¿Qué es overfitting? a El modelo generaliza perfectamente b La red no necesita datos c El modelo aprende ruido de los datos de entrenamiento 9 ¿Cuál es una gran aplicación de DL? a Reconocimiento de imágenes y voz b Cálculo manual de derivadas c Resolución de problemas puramente lógicos 10 ¿Qué limita el DL en la práctica? a Se entrena instantáneamente sin GPU b Necesidad de grandes datos y potencia c No requiere datos 11 Que diferencia hay entre una red neuronal densa y una convencional a La densa usa menos datos b La convencional usa filtros y la densa todas las neuronas c Para aumentar el tamaño 12 Para que sirve el dropout durante el entrenamiento neuronal a Para evitar overfitting apagando neuronas al azar b Para acelerar el entrenamiento c Para aumentar el tamaño del modelo y que memorice mas 13 Que es una época en el contexto de entrenar un modelo de deep learning a El tiempo total que tarda en entrenar el modelo b La cantidad de capas que tiene la red neuronal c Una pasada completa por todo el conjunto de datos de entrenamiento 14 Por las gpus son tan importantes para entrenar modelos de deep learning a Porque tienen mas memoria ram que las cpus b Porque hacen miles de cálculos matemáticos en paralelo muy rápido c Porque no se calientan 15 Que problema resuelve una red tipo transformer que las rnn no hacían correctamente a Procesar imágenes con mayor resolucion b Capturar dependencias a largo plazo en secuencias c Necesitar menos datos para entrenar 16 En que año se creo pepsiman a 1996 b 1998 c 1994 17 ¿Qué es un hiperparametro en Deep learning? a El resultado que predice la red neuronal b Un valor que defines antes de entrar, como tasa de aprendizaje c El peso que se ajusta solo durante el entrenamiento 18 Para que sirve la función de pérdida o los function a Para eliminar capaz que no sirven en la red b Para medir qué tan mal esta prediciendo el modelo y guiar el ajuste c Para aumentar la velocidad del gpu 19 Que hace capa de pooling en una cnn a Añade mas neuronas a la red b Reduce el tamaño de la imagen manteniendo la información importante c Cambia imágenes de blanco y negro a color 20 Que significa que un modelo deep learning sea una "caja negra" a Que solo funciona en la noche b Que es difícil de entender porque toma in decisión especifica c Que guarda todos los datos en secreto 21 ¿Qué es Data Augmentation en imágenes? a Comparar mas fotos para entrar el modelo b Crea nuevas imágenes rotando,recortando o cambiando la imagen que ya tienes c Borra imágenes que él modelo no entiende 22 ¿Cuál es la diferencia principal entre Deep Learning y Machine Learning tradicional? a Deed Learning solo funciona con Excel b Después learning extrae características automáticamente. c Machine Learning es mas nuevo que Deep Learning 23 ¿Qué es un Autoencorder? a Una red que aprende a comprimir y luego reconstruir los datos de entrada. b Un auto que se maneja solo con IA. c Un código que arregla errores en el entrenamiento. 24 ¿Qué es el Gradient Descent? a Cuando el modelo baja su rendimiento con pocos datos b Un tipo de red neuronal para videojuegos. c El algoritmo que usa la red para minimizar el error ajustando pesos. 25 ¿Para qué se usa la normalización de datos antes de entrenar? a Para poner todos los datos en la misma escala y que la red aprenda mejor. b Para que la red neuronal use menos electricidad. c Para convertir textos a imágenes.

Deep Learning: Redes para Percepción

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

Bill of Rights Game - The Constitutionalist

Froggy Jumps

The Integumentary System

Froggy Jumps

Ethos, Pathos, and Logos Quiz

Froggy Jumps

pizza

Froggy Jumps

Deep Learning: Redes para PercepciónVersion en ligne

par Hulk Hogan

¿Qué es el deep learning?

¿Qué tipo de red es habitual para imágenes?

¿Qué red se usa comúnmente para secuencias de voz?

¿Qué técnica ayuda a evitar que el modelo memorize datos?

¿Qué proceso ajusta los pesos de la red?

¿Qué función activa introduce no linealidad?

¿Qué es el transfer learning?

¿Qué es overfitting?

¿Cuál es una gran aplicación de DL?

¿Qué limita el DL en la práctica?

Que diferencia hay entre una red neuronal densa y una convencional

Para que sirve el dropout durante el entrenamiento neuronal

Que es una época en el contexto de entrenar un modelo de deep learning

Por las gpus son tan importantes para entrenar modelos de deep learning

Que problema resuelve una red tipo transformer que las rnn no hacían correctamente

En que año se creo pepsiman

¿Qué es un hiperparametro en Deep learning?

Para que sirve la función de pérdida o los function

Que hace capa de pooling en una cnn

Que significa que un modelo deep learning sea una "caja negra"

¿Qué es Data Augmentation en imágenes?

¿Cuál es la diferencia principal entre Deep Learning y Machine Learning tradicional?

¿Qué es un Autoencorder?

¿Qué es el Gradient Descent?

¿Para qué se usa la normalización de datos antes de entrenar?