Machine learning

Ruleta de Palabras

Jugadas 0

Crear copia

Sobre esta actividad

Contenido y conceptos fundamentales sobre machine learning

Creada por

Rafael Solis Miceli

México

Descarga la versión para jugar en papel

Top 10 resultados

Todavía no hay resultados para este juego. ¡Sé el primero en aparecer en el ranking! Inicia sesión para identificarte.

Crea tu propio juego gratis desde nuestro creador de juegos

Compite contra tus amigos para ver quien consigue la mejor puntuación en esta actividad

Crear reto


Machine learningVersión en línea Contenido y conceptos fundamentales sobre machine learning por 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 learningVersión en línea

Contenido y conceptos fundamentales sobre machine learning

por 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.

		%
	Anónimo	%
		%
		%

Machine learning

Ruleta de Palabras

Sobre esta actividad

Creada por

Descarga la versión para jugar en papel

Top juegos

Ruleta de Palabras

ROSCO VIRTUAL

Ruleta de Palabras

Jugadores de futbol

Ruleta de Palabras

JUEGO PASAPALABRA ROSCO 2

Ruleta de Palabras

ruleta de brawl stars

Ruleta de Palabras

Equipos de futbol

Machine learningVersión en línea

por 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.