Crear
Descargar
Obtener Plan Académico
Compartir juego
Intégralo en tu plataforma

Puedes integrar el juego en un LMS compatible con LTI 1.1 o LTI 1.3 como Canvas, Moodle, o Blackboard. De esta manera podrás guardar las puntuaciones automáticamente en el libro de calificaciones de esa plataforma.
Descargar
Has superado el número máximo de juegos que puedes integrar en Google Classroom con tu Plan actual.

Para integrar tantos juegos como quieras en Google Classroom, necesitas un Plan Académico o un Plan Comercial.

Has superado el número máximo de juegos que puedes integrar en Microsoft Teams con tu Plan actual.

Para integrar tantos juegos como quieras en Microsoft Teams, necesitas un Plan Académico o un Plan Comercial.

La descarga de juegos es una característica exclusiva para usuarios con un Plan Académico o un Plan Comercial.

Obtén ahora tu Plan Académico o Comercial y comienza a integrar tus juegos en tu LMS, web o blog.

Si lo deseas, puedes descargar un juego de prueba aquí y probar su integración:

ML Básico – UNIDAD 1

Test

(9)
Jugadas 103 %Acierto 52 Tiempo medio 01:51

Sobre esta actividad

Quiz sobre conceptos clave de ML

Creada por

México

Descarga la versión para jugar en papel

Crea tu propio juego gratis desde nuestro creador de juegos
Compite contra tus amigos para ver quien consigue la mejor puntuación en esta actividad

Top juegos

%
Anónimo
Anónimo
%
%
%
Has superado el número máximo de juegos que puedes imprimir con tu Plan actual.

Para imprimir tantos juegos como quieras, necesitas un Plan Académico o un Plan Comercial.

Imprime tu juego
ML Básico – UNIDAD 1
 

ML Básico – UNIDAD 1Versión en línea

Quiz sobre conceptos clave de ML

por Mtra. Maricela Aguilar Illán
1

Si la salida y es sí/no, ¿qué tipo de tarea es?

2

Si la salida y es un número como 2450.75, ¿qué tipo es?

3

En aprendizaje supervisado, los datos son:

4

En ML, las features (X) son:

5

En ML, el target (y) es:

6

¿Para qué sirve el conjunto test?

7

En Iris, la pregunta es:

8

Iris es un problema de:

9

Iris tiene:

10

df.head() sirve para:

11

df.info() sirve para:

12

value_counts() sirve para:

13

Accuracy mide:

14

MAE mide:

15

Overfitting significa:

Explicación

La salida binaria suele indicar una etiqueta, no un valor continuo.

Un valor numérico continuo corresponde a regresión.

Las etiquetas permiten aprender la relación entrada–salida.

Las features son las variables de entrada del modelo.

El target es la variable objetivo a predecir.

Evalúa generalización con datos no usados durante el entrenamiento.

Iris es un conjunto de clasificación de especies de flores.

El objetivo es asignar una flor a una especie.

El conjunto Iris tiene tres especies distintas.

Muestra las primeras filas del dataframe.

Proporciona tipos de columnas y presencia de NaN.

Cuenta la frecuencia de cada valor en una columna.

Es la proporción de predicciones correctas.

MAE es la media de los errores absolutos.

El modelo ajusta demasiado a los datos de entrenamiento y no generaliza.

¿Estás seguro que quieres abandonar la página?

Al abandonar la página perderás el progreso del juego.