- Ausführende
-
Lernen
Python lernen Ausführbare Beispiele, NumPy, pandas und mehr KI lernenNeuronale Netze, ML und LLMs von Grund auf C/C++ lernen Zeiger, Speicher, STL und modernes C++ C# lernenC#-Grundlagen, OOP, LINQ, Async und .NET-Übungen Python-Algorithmen Suche, Sortierung, Rekursion und Visualisierungen O(n) C/C++-Algorithmen Implementierungen in C und C++ vergleichen
- AufgabenNeu
Coding-Challenges zu Ai
Übe ai mit 47 Coding-Challenges, von leicht bis schwer. Jede Challenge läuft im Browser, mit sofortigen Tests, einem KI-Review deines Codes und Community-Lösungen zum Vergleichen.
Einfach · 19 Mittel · 24 Schwierig · 4
Fähigkeiten, die du übst: GradientenabstiegBackpropagationEntscheidungsbäumeKettenregelRegressionTransformerA*-SucheAbleitungenAbstandsmaßeAdamAktivierungenAlpha-Beta-Pruning
- Python · C++ · C#
- Automatisierte Tests
- KI-Code-Review
- Community-Lösungen
- 226
- Herausforderungen
- 2
- Geteilte Lösungen
- 3
- Sprachen
Alle Herausforderungen
Nach Thema, Sprache oder Schwierigkeitsgrad suchen.
Mittel
Mini-Batch-Gradientenabstieg
Trainiere ein lineares Modell, indem du die Gewichte nach jedem kleinen Batch statt nach dem ganzen Datensatz aktualisierst.
Du lernst
Mini-BatchesGradientenabstieg
Noch keine Lösungen
Einfach
Gradientenabstieg mit Momentum
Wende Momentum-Updates an, die einen Teil des vorherigen Schritts behalten, damit das Training in gleichbleibende Richtungen schneller wird.
Du lernst
MomentumOptimierer
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
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
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
Noch keine Lösungen
Mittel
Adam-Optimierer
Implementiere Adam, den Standardoptimierer des Deep Learning, mit gleitenden Mittelwerten und Bias-Korrektur.
Du lernst
AdamBias-Korrektur
Noch keine Lösungen
Mittel
Temperatur- und Top-K-Sampling
Wähle das nächste Token wie ein Sprachmodell: Behalte die k höchsten Logits, wende die Temperatur an und ziehe eine Stichprobe.
Du lernst
TextgenerierungSampling
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
Noch keine Lösungen
Mittel
Byte-Pair-Encoding-Merges (BPE)
Lerne Subwort-Merges wie GPT-Tokenizer: Verschmelze wiederholt das häufigste Paar benachbarter Symbole.
Du lernst
BPESubwort-Tokenisierung
Noch keine Lösungen
Mittel
Lineare Regression mit Gradientenabstieg
Lerne Steigung und Achsenabschnitt einer Geraden, indem du schrittweise den mittleren quadratischen Fehler hinabsteigst.
Du lernst
GradientenabstiegRegression
Noch keine Lösungen
Einfach
Kategoriale Kreuzentropie
Miss den Verlust eines Mehrklassen-Klassifikators aus seinen vorhergesagten Wahrscheinlichkeiten und den richtigen Klassen.
Du lernst
KlassifikationsverlustLogarithmen
Noch keine Lösungen
Einfach
Vorhersage mit logistischer Regression
Klassifiziere Beispiele als 0 oder 1, indem du eine gewichtete Summe durch Sigmoid leitest und mit einem Schwellenwert vergleichst.
Du lernst
Logistische RegressionSchwellenwerte
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
Noch keine Lösungen
Einfach
One-Hot-Kodierung
Verwandle Kategorien in Vektoren mit einer einzigen 1, das Eingabeformat für Klassifikatoren und Embeddings.
Du lernst
One-Hot-VektorenKategoriale Daten
Noch keine Lösungen
Einfach
Z-Score-Standardisierung
Zentriere ein Merkmal auf 0 und skaliere es auf eine Standardabweichung von 1.
Du lernst
StandardisierungMittelwert und Standardabweichung
Noch keine Lösungen
Mittel
Einfache lineare Regression (kleinste Quadrate)
Lege mit den Formeln der kleinsten Quadrate die bestpassende Gerade durch Datenpunkte.
Du lernst
Kleinste QuadrateRegression
Noch keine Lösungen
Einfach
Gini-Unreinheit
Miss, wie gemischt die Labels einer Gruppe sind, das Kriterium, mit dem Entscheidungsbäume Aufteilungen wählen.
Du lernst
EntscheidungsbäumeUnreinheitsmaße
Noch keine Lösungen
Mittel
Sinusförmige Positionskodierung
Berechne die Sinus- und Kosinus-Positionsvektoren, die Transformer zu den Token-Embeddings addieren.
Du lernst
PositionskodierungTrigonometrie
Noch keine Lösungen
Nach Thema stöbern
- Beginner 95
- ai 47
- maschinelles Lernen 42
- Strings 36
- Arrays 31
- math 21
- Simulation 19
- Neuronale Netze 17
- Numbers 16
- Advanced 15
- Dynamic-programming 12
- Parsing 12
- Competitive-programming 10
- Conditions 9
- Entwurfsmuster 8
- Graphs 8
- Grids 8
- Loops 8
- Recursion 7
- Combinatorics 6
- Number-theory 6
- Sorting 6
- Functions 5
- Greedy 5
- Nested-loops 5
- Sequences 5
- Stacks 5
- Variables 5
- Algorithms 4
- Data-structures 4
- Geometry 4
- Patterns 4
- Bestärkendes Lernen 3
- Dictionaries 3
- Fractions 3
- Sliding-window 3
- Trees 3