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:

Minería de Datos

Test

Jugadas 8

Sobre esta actividad

Introducción a tareas y técnicas

Creada por

Ecuador

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
Minería de Datos
 

Minería de DatosVersión en línea

Introducción a tareas y técnicas

por Adolfo Moya
1

¿Cuál es la primera tarea típica en minería de datos con datos crudos?

2

¿Qué técnica se usa para reducir la dimensionalidad sin perder información relevante?

3

¿Qué tarea implica descubrir patrones o estructuras ocultas en los datos?

4

¿Qué técnica se utiliza para agrupar datos similares sin etiquetas previas?

5

¿Qué proceso valida la utilidad de un modelo en datos nuevos?

6

¿Cuál es la tarea clave para preparar datos para modelado?

7

¿Qué método es común para detectar relaciones entre variables discretas?

8

¿Qué tipo de modelo se usa para predecir una variable continua?

9

¿Qué técnica ayuda a evitar el sobreajuste al entrenar modelos?

10

¿Qué métrica común se usa para evaluar modelos de clasificación?

Explicación

Se inicia limpiando errores, duplicados y normalizando datos antes de analizarlos.

PCA reduce variables manteniendo la mayor varianza explicada.

El objetivo es encontrar conocimiento no evidente en el conjunto.

El clustering organitza observaciones en grupos homogéneos.

Se evalúa con métricas y conjuntos de prueba independientes.

Seleccionar variables relevantes mejora rendimiento y generalización.

Regla de asociación encuentra co-ocurrencias interesantes.

La regresión predice valores numéricos continuos.

La validación cruzada evalúa en múltiples particiones.

Precisión y recall miden aciertos y pérdidas de clase.

¿Estás seguro que quieres abandonar la página?

Al abandonar la página perderás el progreso del juego.