Coding-Challenges in Rust

225 Challenges, die du in Rust lösen kannst, von den ersten Schleifen bis zu Graphen, dynamischer Programmierung und Machine Learning. Schreib deinen Code im Browser, führe die Tests sofort aus und erhalte ein KI-Review.

Einfach · 134 Mittel · 67 Schwierig · 24

Fähigkeiten, die du übst: ZählenStrings aufteilenZiffern extrahieren2D-ListenArithmetikFormelnListenSchleifenBedingungenEin DurchlaufGleitkommazahlenGradientenabstieg
  • Python · C++ · C#
  • Automatisierte Tests
  • KI-Code-Review
  • Community-Lösungen
226
Herausforderungen
123
Geteilte Lösungen
9
Sprachen

Alle Herausforderungen

Nach Thema, Sprache oder Schwierigkeitsgrad suchen.

225 Herausforderungen
Einfach

Schachfeld-Farbe

Bestimme die Farbe eines Feldes auf einem 8x8-Brett.

Du lernst KoordinatenParität
Beginnermath
Noch keine Lösungen
Einfach

Xavier- und He-Gewichtsinitialisierung

Berechne den Bereich oder die Standardabweichung, mit der die Gewichte einer Schicht initialisiert werden.

Du lernst Xavier- und He-InitialisierungTrainingsstabilität
Neuronale Netzeaimaschinelles Lernen
Noch keine Lösungen
Schwierig

Ein neuronales Netz trainieren, das XOR löst

Alles zusammen: Trainiere ein 2-2-1-Sigmoid-Netz mit Backpropagation, bis es XOR lernt.

Du lernst Training neuronaler NetzeXOR-Problem
Neuronale Netzeaimaschinelles Lernen
Noch keine Lösungen
Einfach

To-do-Liste

Verwalte eine Aufgabenliste: hinzufügen, erledigen, entfernen und melden, was noch offen ist.

Du lernst Typisierte CollectionsRecords
BeginnerSimulationStrings
Schwierig

Skalierte Skalarprodukt-Attention

Implementiere die Attention-Operation, das Herzstück von Transformern und großen Sprachmodellen.

Du lernst AttentionTransformer
aimaschinelles Lernen
Noch keine Lösungen
Mittel

Ordnergrößen mit Composite

Berechne die Gesamtgröße jedes Ordners in einem Baum, in dem Ordner Dateien und andere Ordner enthalten.

Du lernst Composite-MusterBäume
EntwurfsmusterRecursionTrees
Noch keine Lösungen
Mittel

Ein Neuron mit Gradientenabstieg trainieren

Wiederhole Vorwärtsdurchlauf, Gradienten und Gewichtsaktualisierung, um einem Sigmoid-Neuron anhand von Beispielen etwas beizubringen.

Du lernst GradientenabstiegTrainingsschleifen
Neuronale Netzeaimaschinelles Lernen
Noch keine Lösungen
Mittel

Wochenlohn

Summiere den Wochenlohn von Angestellten mit Gehalt, Stundenlohn und Provision, jeweils nach eigener Regel.

Du lernst PolymorphieÜberstunden berechnen
ParsingSimulationmath
Noch keine Lösungen
Einfach

Erstes ungültiges Alter

Validiere eingegebene Altersangaben und melde, wo der erste fehlerhafte Eintrag steht, statt das Programm abstürzen zu lassen.

Du lernst PrüfungParsen
BeginnerParsingStrings
Noch keine Lösungen
Einfach

Gültige Zahlen summieren

Addiere die Einträge, die ganze Zahlen sind, und überspringe alles andere, so wie try/except mit ungültiger Eingabe umgeht.

Du lernst Try/exceptEingabeprüfung
BeginnerParsingStrings
Noch keine Lösungen
Einfach

Softmax-Funktion

Verwandle Rohwerte in Wahrscheinlichkeiten mit Summe 1, ohne bei großen Werten überzulaufen.

Du lernst SoftmaxNumerische Stabilität
aimaschinelles Lernen
Noch keine Lösungen
Einfach

Ein dynamisches Array wachsen lassen

Simuliere, wie ein dynamisches Array seine Kapazität verdoppelt und zähle die Reallokationen und kopierten Elemente.

Du lernst Dynamische ArraysAmortisierte Kosten
ArraysSimulationmath
Noch keine Lösungen
Mittel

SQL-Query-Builder

Setze aus Teilen, die in beliebiger Reihenfolge gegeben sind, eine SQL-Abfrage zusammen – so, wie ein Builder-Objekt seine Einstellungen Schritt für Schritt sammelt.

Du lernst Builder-MusterStrings zusammensetzen
EntwurfsmusterParsingStrings
Noch keine Lösungen
Schwierig

Multi-Head-Self-Attention

Projiziere die Eingabe in Queries, Keys und Values, führe Attention in mehreren Heads parallel aus und kombiniere sie.

Du lernst Multi-Head-AttentionMatrixprojektionen
aimaschinelles Lernen
Noch keine Lösungen
Mittel

Kausale (maskierte) Self-Attention

Implementiere die maskierte Attention von GPT-Modellen, bei der jedes Token nur sich selbst und frühere Tokens sehen kann.

Du lernst Maskierte AttentionGPT-Modelle
aimaschinelles Lernen
Noch keine Lösungen
Einfach

Log-Level zählen

Lies die Zeilen einer Protokolldatei und zähle, wie viele davon INFO, WARNING und ERROR sind.

Du lernst Zeilenweise lesenStrings aufteilen
BeginnerParsingStrings
Noch keine Lösungen
Einfach

Kosinus-Ähnlichkeit

Miss die Ähnlichkeit zweier Vektoren über den Winkel zwischen ihnen, wie Suchmaschinen es mit Embeddings tun.

Du lernst VektorähnlichkeitEmbeddings
aimaschinelles Lernen
Noch keine Lösungen
Einfach

Ein flaches JSON-Objekt summieren

Parsen Sie ein flaches JSON-Objekt, dessen Werte ganze Zahlen sind, und addieren Sie die Werte.

Du lernst JSON parsenStrings aufteilen
ParsingStrings
Noch keine Lösungen