02-IA-MACHINE LEARNING Y DEEP LEARNING

Test

(3)

Jugadas 8 %Acierto 87 Tiempo medio 17:20

Crear copia

Sobre esta actividad

Desafía tus conocimientos en aprendizaje automático y profundo.

Creada por

HR Mexico

México

Descarga la versión para jugar en papel

Top 10 resultados

#	Jugador	Acierto	tiempo
1	cssp, Carlos 8 de Enero de 2026	% 97	06:23
2	EEJE, Enrique 7 de Febrero de 2026	% 97	08:04
3	EEJE, Enrique 31 de Enero de 2026	% 94	12:21
4	eede, enrique 19 de Febrero de 2026	% 94	29:28
5	eede, enrique 18 de Febrero de 2026	% 94	54:54
6	EEJE, Enrique 6 de Febrero de 2026	% 91	09:40
7	BDJO 14 de Enero de 2026	% 66	06:48
8	HOVR, HUGO 12 de Febrero de 2026	% 59	11:02

¿Quieres aparecer en el Top 10 de este juego? 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

02-IA-MACHINE LEARNING Y DEEP LEARNING


02-IA-MACHINE LEARNING Y DEEP LEARNINGVersión en línea Desafía tus conocimientos en aprendizaje automático y profundo. por HR Mexico 1 ¿Qué es el machine learning? a Un lenguaje de programación b Programación manual de reglas c Capacidad de las máquinas para aprender a partir de datos d Una técnica para convertir datos en gráficos 2 ¿Qué caracteriza al aprendizaje supervisado? a Usa datos etiquetados para entrenar b Aprende sin etiquetas c No utiliza datos d Funciona solo con texto 3 ¿Cuál es un ejemplo de aprendizaje supervisado? a Clustering de clientes b Detección de anomalías c Clasificación de correos spam d Reducción de dimensionalidad 4 ¿Qué caracteriza al aprendizaje no supervisado? a Usa etiquetas b Aprende patrones sin etiquetas c Requiere supervisión humana constante d Solo funciona con imágenes 5 ¿Cuál es un algoritmo típico de aprendizaje no supervisado? a Regresión lineal b Árbol de decisión c K-Means d SVM 6 ¿Qué es un perceptrón? a Un modelo de base de datos b Una neurona artificial básica c Un framework de IA d Un algoritmo genético 7 ¿Cuál es la función principal de una neurona artificial? a Almacenar datos b Sumar entradas ponderadas y aplicar una función de activación c Ejecutar código d Dibujar gráficos 8 ¿Qué es una red neuronal artificial? a Un conjunto de reglas b Un conjunto de neuronas artificiales conectadas c Una base de datos d Un sistema operativo 9 ¿Qué significa DL? a Deep Learning b Distributed Learning c Dimensional Learning d Data Lineage 10 ¿Qué es Deep Learning? a Machine Learning sin datos b Redes neuronales con múltiples capas ocultas c Programación tradicional d Un lenguaje de programación 11 ¿Cuál es la principal diferencia entre Machine Learning y Deep Learning? a Deep Learning no necesita datos b Machine Learning solo funciona con texto c Deep Learning usa redes neuronales profundas d No hay diferencia 12 ¿Qué problema suele resolver la regresión lineal? a Clasificación binaria b Predicción de valores continuos c Agrupamiento d Reconocimiento de imágenes 13 ¿Qué algoritmo se utiliza comúnmente para clasificación y regresión? a Árboles de decisión b Bubble Sort c DNS d FTP 14 ¿Qué ventaja tienen los árboles de decisión? a Son difíciles de interpretar b No funcionan con datos reales c Son fáciles de interpretar d No escalan 15 ¿Qué es SVM (Support Vector Machine)? a Un algoritmo de clustering b Un algoritmo de clasificación y regresión c Un framework de IA d Un tipo de red neuronal 16 ¿Qué es el entrenamiento supervisado? a Optimizar sin función de pérdida b Usar solo datos de prueba c Entrenar sin datos d Entrenar con datos etiquetados 17 ¿Qué función mide la discrepancia entre predicción y verdad? a Función de activación b Función de pérdida c Función de normalización d Función de agregación 18 ¿Qué es overfitting? a Cuando el modelo funciona perfecto en todos los datos b Cuando no hay datos suficientes c Cuando un modelo aprende ruido de los datos de entrenamiento d Cuando la pérdida es cero 19 ¿Qué es underfitting? a El modelo aprende demasiado b El modelo no aprende patrones suficientes c El modelo es muy complejo d El modelo memoriza datos 20 ¿Qué técnica ayuda a reducir el overfitting? a Aumentar la complejidad b Regularización c Reducir datos d Eliminar validación 21 ¿Qué es el conjunto de validación? a Datos para entrenar b Datos para ajustar hiperparámetros c Datos finales de producción d Datos eliminados 22 ¿Qué métrica se usa comúnmente para clasificación? a Precisión (Accuracy) b Varianza c Error cuadrático medio d Latencia 23 ¿Qué es un hiperparámetro? a Un dato de entrada b Un parámetro aprendido por el modelo c Un valor definido antes del entrenamiento d Un resultado del modelo 24 ¿Qué es el entrenamiento de un modelo? a Ejecutar el modelo en producción b Ajustar parámetros usando datos c Guardar el modelo d Visualizar resultados 25 ¿Qué técnica divide los datos en múltiples subconjuntos para validación? a Normalización b Clustering c Cross-validation d Regularización 26 ¿Qué tipo de problema resuelve KNN? a Clasificación y regresión b Optimización c Generación de texto d Segmentación de imágenes 27 ¿Qué es un modelo de aprendizaje por refuerzo? a No necesita retroalimentación b Aprende mediante interacciones y recompensas c Aprende de etiquetas en los datos d Solo clasifica imágenes 28 ¿Qué es una red neuronal convolucional (CNN)? a Un modelo estadístico lineal b Una red para procesamiento de texto simple c Una arquitectura para procesar imágenes d Una técnica de clustering 29 ¿Qué señala el aprendizaje no supervisado? a Descubrir estructuras en datos sin etiquetas b Generar etiquetas automáticamente c Optimizar una función de pérdida d Usar datos etiquetados para clasificación 30 ¿Cuál es una métrica común en clasificación binaria? a Pérdida de entropía cruzada b AUC-ROC c Error cuadrático medio d Precisión sin contexto 31 ¿Qué papel juegan los datos de entrenamiento? a Evaluar el modelo final b Ajustar los parámetros del modelo c Desplegar el sistema d Medir latencia 32 ¿Qué afirmación es correcta sobre Deep Learning? a Requiere menos datos que ML tradicional b Funciona mejor con grandes volúmenes de datos c No necesita GPUs d No se usa en visión por computadora

02-IA-MACHINE LEARNING Y DEEP LEARNING

Test

Sobre esta actividad

Creada por

Descarga la versión para jugar en papel

Top juegos

Test

cuanto sabes de Futbol

Test

Cultura general española

Test

Brawl stars preguntas

Test

Tipos de sintagmas (II)

Test

Verbos irregulares en Inglés

02-IA-MACHINE LEARNING Y DEEP LEARNINGVersión en línea

por HR Mexico

¿Qué es el machine learning?

¿Qué caracteriza al aprendizaje supervisado?

¿Cuál es un ejemplo de aprendizaje supervisado?

¿Qué caracteriza al aprendizaje no supervisado?

¿Cuál es un algoritmo típico de aprendizaje no supervisado?

¿Qué es un perceptrón?

¿Cuál es la función principal de una neurona artificial?

¿Qué es una red neuronal artificial?

¿Qué significa DL?

¿Qué es Deep Learning?

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

¿Qué problema suele resolver la regresión lineal?

¿Qué algoritmo se utiliza comúnmente para clasificación y regresión?

¿Qué ventaja tienen los árboles de decisión?

¿Qué es SVM (Support Vector Machine)?

¿Qué es el entrenamiento supervisado?

¿Qué función mide la discrepancia entre predicción y verdad?

¿Qué es overfitting?

¿Qué es underfitting?

¿Qué técnica ayuda a reducir el overfitting?

¿Qué es el conjunto de validación?

¿Qué métrica se usa comúnmente para clasificación?

¿Qué es un hiperparámetro?

¿Qué es el entrenamiento de un modelo?

¿Qué técnica divide los datos en múltiples subconjuntos para validación?

¿Qué tipo de problema resuelve KNN?

¿Qué es un modelo de aprendizaje por refuerzo?

¿Qué es una red neuronal convolucional (CNN)?

¿Qué señala el aprendizaje no supervisado?

¿Cuál es una métrica común en clasificación binaria?

¿Qué papel juegan los datos de entrenamiento?

¿Qué afirmación es correcta sobre Deep Learning?