Quiz: Redes Neuronales Artificiales

Froggy Jumps

Jugadas 0

Crear copia

Sobre esta actividad

Repasa fundamentos y aplicaciones clave.

Creada por

Cristian Javier Saltos Ponce

Ecuador

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

		%
	Anónimo	%
		%
		%

Imprime tu juego

Quiz: Redes Neuronales Artificiales


Froggy Jumps Quiz: Redes Neuronales ArtificialesVersión en línea Repasa fundamentos y aplicaciones clave. por Cristian Javier Saltos Ponce 1 ¿Qué es un perceptrón? a Una neurona artificial de una capa que toma decisiones lineales. b Un algoritmo de clustering sin entrenamiento. c Una red con múltiples capas ocultas. 2 ¿Qué técnica usa la retropropagación? a Ajusta pesos mediante el descenso del error en la salida. b Calcula probabilidades de clase con KNN. c Normaliza datos sin entrenamiento. 3 ¿Cuál es la limitación principal de un perceptrón simple? a Requiere datos no etiquetados. b No puede resolver problemas no linealmente separables. c Necesita más de una capa para entrenar. 4 ¿Qué compone una red neuronal artificial típica? a Capas de entrada, ocultas y de salida con pesos. b Un motor de búsqueda y recuperación. c Un conjunto de árboles de decisión. 5 ¿Qué es el aprendizaje supervisado en redes? a Optimización de hiperparámetros sin datos. b Entrenamiento sin etiquetas. c Entrenamiento con ejemplos etiquetados. 6 ¿Qué función de activación suele usar una red profunda? a ReLU (Rectified Linear Unit). b Máximo entre dos entradas. c Suma de probabilidades. 7 ¿Qué papel tiene la función de costo? a Define la topología de la red. b Guía el ajuste de pesos para minimizar error. c Calcula la probabilidad de cada clase. 8 ¿Qué tipo de problemas resuelven las redes de backpropagación? a Clustering sin etiquetas. b Clasificación y regresión. c Reducción de dimensionalidad solamente. 9 ¿Qué es una red con múltiples capas ocultas? a Una red de una sola neurona. b Una máquina de soporte vectorial. c Una red neuronal profunda o deep learning. 10 ¿Qué son las aplicaciones prácticas de redes neuronales? a Reconocimiento de voz, imagen y predicción. b Navegación por internet sin aprendizaje. c Operaciones de base de datos en SQL. 11 ¿Qué es el overfitting en redes? a El modelo generaliza bien a nuevos datos. b El modelo se ajusta demasiado a los datos de entrenamiento. c El entrenamiento es más rápido que la inferencia. 12 ¿Qué técnica ayuda a evitar overfitting? a Aumento de la tasa de aprendizaje siempre. b Reducción de datos de entrenamiento. c Regularización y dropout. 13 ¿Qué significa backpropagation? a Propagación hacia adelante de entradas. b Cálculo de la verosimilitud. c Propagar el error desde la salida hacia las capas anteriores. 14 ¿Qué es una red feedforward? a Tiene bucles de retroalimentación. b Se entrena con refuerzo. c Los datos fluyen hacia adelante sin ciclos. 15 ¿Qué aprendizaje utiliza datos etiquetados? a Aprendizaje supervisado. b Aprendizaje no supervisado. c Aprendizaje por refuerzo. 16 ¿Qué describe la arquitectura CNN? a Redes para procesamiento de imágenes con convoluciones. b Redes con solo una capa de entrada. c Redes diseñadas para series temporales exclusivamente. 17 ¿Qué describe la arquitectura RNN? a Redes de árbol de decisión. b Redes con conexiones temporales para secuencias. c Redes estáticas sin memoria. 18 ¿Qué es el aprendizaje profundo? a Redes con una sola neurona. b Modelos basados en reglas explícitas. c Redes con múltiples capas ocultas que extraen características. 19 ¿Qué se entiende por fundamentos de redes? a Representación, entrenamiento y generalización. b Solo software sin datos. c Únicamente hardware de GPU. 20 ¿Qué aplicación práctica mejora procesos industriales? a Predicción de fallos y control adaptativo. b Programación de margaritas. c Creación de videojuegos sin IA. 21 ¿Qué concepto clave define el rendimiento? a Tasa de descenso de costo sin validación. b Precisión y capacidad de generalizar. c Número de neuronas solamente.

Quiz: Redes Neuronales Artificiales

Froggy Jumps

Sobre esta actividad

Creada por

Descarga la versión para jugar en papel

Top juegos

Froggy Jumps

Salva a la Ranita

Froggy Jumps

El valle de los lobos

Froggy Jumps

OPEN UP 6 UNIT 1 VOCABULARY

Froggy Jumps

Sabiduría animal

Froggy Jumps

Quiz de Culpa mía película

Froggy Jumps

Quiz: Redes Neuronales ArtificialesVersión en línea

por Cristian Javier Saltos Ponce

¿Qué es un perceptrón?

¿Qué técnica usa la retropropagación?

¿Cuál es la limitación principal de un perceptrón simple?

¿Qué compone una red neuronal artificial típica?

¿Qué es el aprendizaje supervisado en redes?

¿Qué función de activación suele usar una red profunda?

¿Qué papel tiene la función de costo?

¿Qué tipo de problemas resuelven las redes de backpropagación?

¿Qué es una red con múltiples capas ocultas?

¿Qué son las aplicaciones prácticas de redes neuronales?

¿Qué es el overfitting en redes?

¿Qué técnica ayuda a evitar overfitting?

¿Qué significa backpropagation?

¿Qué es una red feedforward?

¿Qué aprendizaje utiliza datos etiquetados?

¿Qué describe la arquitectura CNN?

¿Qué describe la arquitectura RNN?

¿Qué es el aprendizaje profundo?

¿Qué se entiende por fundamentos de redes?

¿Qué aplicación práctica mejora procesos industriales?

¿Qué concepto clave define el rendimiento?