Introducción al aprendizaje automático

Sí o No

Jugadas 1

Crear copia

Sobre esta actividad

Conceptos básicos de ML

Creada por

Rafael Zamudio Reyes

México

Descarga la versión para jugar en papel

Top 10 resultados

#	Jugador	Acierto	tiempo
1	Rafael Zamudio Reyes 6 de Marzo de 2026	% 30	13:53

¿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

OPEN UP 5 UNIT 3: THERE IS/ARE, THERE WAS, THERE WERE

karen blixen

España

(11)

Estudiamos el grammar de la Unidad
Preguntas sobre futbol para niños

Telminator Boom

España

(95)

Un juego de preguntas y respuestas para niños sobre el fútbol. Deberán responder con ✅ o ❌ a una serie de afirmaciones relacionadas con este deporte.
Grammys a mejor canción/grabación

Educaplay Educational Resources

España

(126)

Responde si estas canciones ganaron el Grammy a Mejor canción o grabación del año (los generales, no cuentan los Grammys de categorías)
¿Está creado con Inteligencia Artificial?

Educaplay Educational Resources

España

(6164)

Imágenes, canciones... Ya nada es lo que parece. ¿Están hechas con IA o son reales?
¿Es verdad?

Educaplay Educational Resources

España

(244)

Responde si las siguientes frases sobre cultura general son verdaderas o no.


Introducción al aprendizaje automáticoVersión en línea Conceptos básicos de ML por Rafael Zamudio Reyes 1 El aprendizaje automático es una disciplina de la inteligencia artificial. Sí No 2 Los algoritmos aprenden a partir de datos para hacer predicciones. Sí No 3 En el aprendizaje automático, los datos no deben limpiarse ni preprocesarse. Sí No 4 El aprendizaje por refuerzo no se basa en recompensas ni entorno. Sí No 5 El aprendizaje supervisado utiliza datos etiquetados para entrenar. Sí No 6 Los modelos de ML nunca requieren validación de rendimiento. Sí No 7 Todos los modelos de ML son deterministas y no probabilísticos. Sí No 8 El overfitting se da cuando el modelo se ajusta demasiado a los datos de entrenamiento y no generaliza. Sí No 9 El rendimiento de un modelo se evalúa con datos de prueba o validación. Sí No 10 Un algoritmo de ML no puede manejar datos no estructurados todavía. Sí No

Introducción al aprendizaje automáticoVersión en línea

Conceptos básicos de ML

por Rafael Zamudio Reyes

El aprendizaje automático es una disciplina de la inteligencia artificial.

Sí

Los algoritmos aprenden a partir de datos para hacer predicciones.

Sí

En el aprendizaje automático, los datos no deben limpiarse ni preprocesarse.

Sí

El aprendizaje por refuerzo no se basa en recompensas ni entorno.

Sí

El aprendizaje supervisado utiliza datos etiquetados para entrenar.

Sí

Los modelos de ML nunca requieren validación de rendimiento.

Sí

Todos los modelos de ML son deterministas y no probabilísticos.

Sí

El overfitting se da cuando el modelo se ajusta demasiado a los datos de entrenamiento y no generaliza.

Sí

El rendimiento de un modelo se evalúa con datos de prueba o validación.

Sí

Un algoritmo de ML no puede manejar datos no estructurados todavía.

Sí

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.

Introducción al aprendizaje automático

Sí o No

Sobre esta actividad

Creada por

Descarga la versión para jugar en papel

Top juegos

Sí o No

OPEN UP 5 UNIT 3: THERE IS/ARE, THERE WAS, THERE WERE

Sí o No

Preguntas sobre futbol para niños

Sí o No

Grammys a mejor canción/grabación

Sí o No

¿Está creado con Inteligencia Artificial?

Sí o No

¿Es verdad?

Introducción al aprendizaje automáticoVersión en línea

por Rafael Zamudio Reyes

El aprendizaje automático es una disciplina de la inteligencia artificial.

Los algoritmos aprenden a partir de datos para hacer predicciones.

En el aprendizaje automático, los datos no deben limpiarse ni preprocesarse.

El aprendizaje por refuerzo no se basa en recompensas ni entorno.

El aprendizaje supervisado utiliza datos etiquetados para entrenar.

Los modelos de ML nunca requieren validación de rendimiento.

Todos los modelos de ML son deterministas y no probabilísticos.

El overfitting se da cuando el modelo se ajusta demasiado a los datos de entrenamiento y no generaliza.

El rendimiento de un modelo se evalúa con datos de prueba o validación.

Un algoritmo de ML no puede manejar datos no estructurados todavía.

		%
	Anónimo	%
		%
		%