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:

تحدي تعلم الآلة

Test

Jugadas 5

Sobre esta actividad

أسئلة ممتعة عن ML

Creada por

Jordania

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
تحدي تعلم الآلة
 

تحدي تعلم الآلةVersión en línea

أسئلة ممتعة عن ML

por Mais Ahmad
1

ما تعريف تعلم الآلة بشكل مختصر؟

2

أي من التالي يعتبر نموذج إشرافي؟

3

ما الهدف من تقليل الخطأ في التدريب؟

4

أي من التالي عنصر أساسي في التعلم العميق؟

5

ما الفرق بين التعلم الإشرافي والتعلم غير الإشرافي؟

6

ما هو overfitting؟

7

أي من تقنيات تقليل Overfitting؟

8

ما هو دور خوارزمية التحسين؟

9

متى نستخدم التعلم المعزز؟

10

ما معنى الدقة في ML؟

Feedback

التعلم من البيانات يسمح للنماذج التعميم من أمثلة التدريب.

النماذج الإشرافية تعتمد على أزواج (سمات، علامة).

تقليل الخطأ يعزز القدرة على التعميم.

التعلم العميق يعتمد على طبقات متتالية من المعالجة.

التسميات توجه التدريب وتقييم الأداء.

التعميم يتضاءل عندما يكرّس النموذج للبيانات التدريبية فقط.

التجريب المتقاطع يساعد على قياس الأداء الحقيقي.

الخوارزمية تتحكم في التحديثات الوزن.

يجمع بين التعلم والتفاعل مع العواقب.

الدقة تقيس صحة التوقعات على البيانات المختبرة.

¿Estás seguro que quieres abandonar la página?

Al abandonar la página perderás el progreso del juego.