CodeUtility
Haz que programar sea más fácil.

Retos de programación de Aprendizaje automático

Practica aprendizaje automático con 42 retos de programación, de fáciles a difíciles. Cada reto se ejecuta en el navegador, con pruebas al instante, una revisión de tu código con IA y soluciones de la comunidad para comparar.

Fácil · 18 Intermedio · 20 Difícil · 4

Habilidades que practicarás: Descenso de gradienteRegla de la cadenaRegresiónRetropropagaciónTransformersÁrboles de decisiónActivacionesAdamAgrupamientoAprendizaje en líneaAtenciónAtención enmascarada
  • Python · C++ · C#
  • Pruebas automáticas
  • Revisión de código por IA
  • Soluciones de la comunidad
Programación
Fundamentos de programaciónDe las variables a la recursión, para principiantes
IA y aprendizaje automático
Centro de aprendizaje de IARedes neuronales, ML y LLM desde cero Redes neuronales desde ceroNeuronas, retropropagación y optimizadores Aprendizaje automático desde ceroRegresión, clasificación y agrupamiento Transformers y LLM desde ceroTokenizadores, atención y generación de texto IA clásica y aprendizaje por refuerzoBúsqueda, juegos y aprendizaje por refuerzo
226
Desafíos
2
Soluciones compartidas
3
Lenguajes

Todos los desafíos

Busca por tema, lenguaje o dificultad.

42 desafíos
Intermedio

Iteración de valores

Calcula cuánto vale cada estado de un proceso de decisión de Markov aplicando repetidamente la actualización de optimalidad de Bellman.

Aprenderás Ecuación de BellmanMDP
Aprendizaje por refuerzoaiaprendizaje automático
Python C++ C#
0 resueltos
Aún no hay soluciones
Intermedio

Algoritmo de aprendizaje del perceptrón

Entrena el perceptrón original, que solo actualiza sus pesos cuando se equivoca.

Aprenderás PerceptrónAprendizaje en línea
Redes neuronalesaiaprendizaje automático
Python C++ C#
0 resueltos
Aún no hay soluciones
Fácil

Bandido multibrazo epsilon-greedy

Equilibra exploración y explotación en un bandido multibrazo con selección de acciones epsilon-greedy.

Aprenderás Explorar o explotarBandidos
Aprendizaje por refuerzoaiaprendizaje automático
Python C++ C#
0 resueltos
Aún no hay soluciones
Intermedio

Actualizaciones de Q-learning

Aplica la actualización de Q-learning a un flujo de experiencias y observa cómo las recompensas fluyen hacia estados anteriores.

Aprenderás Q-learningRecompensas descontadas
Aprendizaje por refuerzoaiaprendizaje automático
Python C++ C#
0 resueltos
Aún no hay soluciones
Fácil

Funciones de activación

Aplica sigmoide, ReLU, Leaky ReLU o tanh a cada valor de una lista.

Aprenderás SigmoideReLU y tanh
Redes neuronalesaiaprendizaje automático
Python C++ C#
0 resueltos
Aún no hay soluciones
Intermedio

Propagación hacia adelante en una red de dos capas

Pasa las entradas por una capa oculta ReLU y una capa de salida sigmoide.

Aprenderás Propagación hacia delanteRedes multicapa
Redes neuronalesaiaprendizaje automático
Python C++ C#
0 resueltos
Aún no hay soluciones
Intermedio

Gradientes de una sola neurona

Usa la regla de la cadena para saber cómo cambia la pérdida con cada peso y el sesgo de una neurona sigmoide.

Aprenderás Regla de la cadenaGradientes
Redes neuronalesaiaprendizaje automático
Python C++ C#
0 resueltos
Aún no hay soluciones
Fácil

Funciones de pérdida: MSE, MAE y entropía cruzada

Mide cuán equivocadas son las predicciones de un modelo con el error cuadrático medio, el error absoluto medio o la entropía cruzada binaria.

Aprenderás MSEEntropía cruzada
Redes neuronalesaiaprendizaje automático
Python C++ C#
0 resueltos
Aún no hay soluciones
Intermedio

Normalización de capa

Normaliza cada fila a media 0 y varianza 1, y luego escala y desplaza, como hace cada bloque Transformer.

Aprenderás Normalización de capaTransformers
Redes neuronalesaiaprendizaje automático
Python C++ C#
0 resueltos
Aún no hay soluciones
Fácil

Una sola neurona artificial

Calcula la salida de una neurona: suma ponderada de las entradas más un sesgo, pasada por la sigmoide.

Aprenderás NeuronasSumas ponderadas
Redes neuronalesaiaprendizaje automático
Python C++ C#
0 resueltos
Aún no hay soluciones
Fácil

Derivadas de funciones de activación

Calcula la derivada de sigmoid, ReLU, Leaky ReLU o tanh en cada valor, las pendientes que necesita la retropropagación.

Aprenderás DerivadasRetropropagación
Redes neuronalesaiaprendizaje automático
Python C++ C#
0 resueltos
Aún no hay soluciones
Difícil

Retropropagación en una red de dos capas

Calcula todos los gradientes de pesos y sesgos de una red con una capa oculta sigmoide y una salida sigmoide.

Aprenderás RetropropagaciónRegla de la cadena
Redes neuronalesaiaprendizaje automático
Python C++ C#
0 resueltos
Aún no hay soluciones
Intermedio

Propagación hacia adelante en una capa densa

Calcula las salidas de una capa de neuronas totalmente conectada con la activación que elijas.

Aprenderás Capas densasActivaciones
Redes neuronalesaiaprendizaje automático
Python C++ C#
0 resueltos
Aún no hay soluciones
Intermedio

Descenso de gradiente por mini-lotes

Entrena un modelo lineal actualizando los pesos después de cada lote pequeño en lugar de después de todo el conjunto de datos.

Aprenderás Mini-lotesDescenso de gradiente
Redes neuronalesaiaprendizaje automático
Python C++ C#
0 resueltos
Aún no hay soluciones
Fácil

Descenso de gradiente con momentum

Aplica actualizaciones con momentum que conservan parte del paso anterior, para que el entrenamiento acelere en direcciones constantes.

Aprenderás MomentumOptimizadores
Redes neuronalesaiaprendizaje automático
Python C++ C#
0 resueltos
Aún no hay soluciones
Difícil

Autoatención multicabeza

Proyecta la entrada en consultas, claves y valores, ejecuta la atención en varias cabezas en paralelo y combínalas.

Aprenderás Atención multicabezaProyecciones matriciales
aiaprendizaje automático
Python C++ C#
0 resueltos
Aún no hay soluciones
Fácil

Inicialización de pesos Xavier y He

Calcula el rango o la desviación estándar usados para inicializar los pesos de una capa.

Aprenderás Inicialización Xavier y HeEstabilidad del entrenamiento
Redes neuronalesaiaprendizaje automático
C# Python C++
0 resueltos
Aún no hay soluciones
Intermedio

Optimizador Adam

Implementa Adam, el optimizador por defecto del deep learning, con medias móviles y corrección de sesgo.

Aprenderás AdamCorrección de sesgo
Redes neuronalesaiaprendizaje automático
Python C++ C#
0 resueltos
Aún no hay soluciones

Explorar por tema

Explorar por lenguaje