Créer jeu
Télécharger
Obtenir Plan Académique
Partager le jeu
Intégrez-le à votre plateforme

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.
Télécharger
Vous avez dépassé le nombre maximum de jeux que vous pouvez intégrer à Google Classroom avec votre Plan actuel.

Pour intégrer autant de jeux que vous le souhaitez dans Google Classroom, vous avez besoin d’un Plan Académique ou un Plan Commerciel.

Vous avez dépassé le nombre maximum de jeux que vous pouvez intégrer à Microsoft Teams avec votre Plan actuel.

Pour intégrer autant de jeux que vous le souhaitez dans Microsoft Teams, vous avez besoin d’un Plan Académique ou un Plan Commerciel.

Le téléchargement du jeu est une fonctionnalité exclusive pour les utilisateurs avec un Plan Académique ou un Plan Commercial.

Obtenez votre Plan Académique ou Plan Commercial dès maintenant et commencez à intégrer vos jeux dans votre LMS, votre site Web ou votre blog.

Si vous le souhaitez, vous pouvez télécharger une jeu de test ici et tester son intégration:

Koding & Kecerdasan Artifisial (Medium)

Test

Parties jouées 1 %Précision 70 Temps moyen 08:40

À propos de cette activité

Quiz tentang AI dan pemrograman

Créé par

Indonesia

Téléchargez la version pour jouer sur papier

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

Top Jeux

%
Anonyme
Anonyme
%
%
%
Vous avez dépassé le nombre maximum de jeux que vous pouvez imprimer avec votre Plan actuel.

Pour imprimer autant de jeux que vous le souhaitez, vous avez besoin d’un Plan Académique ou un Plan Commerciel.

Imprimez votre jeu
Koding & Kecerdasan Artifisial (Medium)
 

Koding & Kecerdasan Artifisial (Medium)Version en ligne

Quiz tentang AI dan pemrograman

par Ni Luh Gede Astri Purnami
1

Apa itu pembelajaran mesin dalam AI?

2

Bahasa pemrograman apa yang sering dipakai untuk eksperimen ML?

3

Apa perbedaan supervised vs unsupervised learning?

4

Manakah contoh algoritma untuk klasifikasi?

5

Apa tujuan evaluasi model ML?

6

Apa itu overfitting?

7

Apa peran API dalam ML?

8

Apa itu neural network?

9

Mengapa data preprocessing penting?

10

Apa itu reinforcement learning?

Feedback

Pembelajaran mesin membuat model dari data, bukan sekadar mengikuti aturan baku.

Python karena ekosistemnya banyak library ML (TensorFlow, PyTorch).

Supervised membutuhkan label; unsupervised mencari pola tanpa label.

Logistic Regression umum untuk tugas klasifikasi; K-means untuk clustering.

Evaluasi menggunakan metrik seperti akurasi, presisi, recall, F1.

Overfitting terjadi saat model belajar noise data latihan.

API memungkinkan aplikasi lain melakukan prediksi dengan model.

Neural network meniru cara neuron digitally untuk pola kompleks.

preprocessing seperti normalisasi, nonifikasi meningkatkan performa.

RL belajar dari interaksi dengan lingkungan untuk memilih aksi.

Voulez-vous vraiment quitter la page ?

En quittant la page, vous perdrez la progression du jeu.