- Exécuteurs
-
Apprendre
Apprendre Python Exemples exécutables, NumPy, pandas et plus Apprendre l'IARéseaux de neurones, ML et LLM de zéro Apprendre le C et le C++ Pointeurs, mémoire, STL et C++ moderne Apprendre le C#Bases, POO, LINQ, async et exercices .NET Algorithmes Python Recherche, tri, récursivité et visualisations O(n) Algorithmes C et C++ Comparer les implémentations en C et C++
- DéfisNouveau
Défis de code en Python
226 défis à résoudre en Python, des premières boucles aux graphes, à la programmation dynamique et au machine learning. Écrivez votre code dans le navigateur, lancez les tests tout de suite et recevez une revue de l'IA.
Facile · 134 Moyen · 68 Difficile · 24
Compétences travaillées: ComptageDécoupage de chaînesExtraction des chiffresArithmétiqueBouclesFormulesListesListes 2DBoucles imbriquéesBoucles whileConditionsDescente de gradient
- Python · C++ · C#
- Tests automatisés
- Relecture IA
- Solutions de la communauté
- 226
- Défis
- 2
- Solutions partagées
- 3
- Langages
Tous les défis
Recherchez par sujet, langage ou difficulté.
Facile
Additionner un tableau
Additionnez toutes les valeurs d'une liste.
Vous apprendrez
AccumulateursListes vides
Aucune solution pour l’instant
Moyen
Gradients d'un seul neurone
Utilisez la règle de dérivation en chaîne pour trouver comment la perte varie avec chaque poids et le biais d'un neurone sigmoïde.
Vous apprendrez
Règle de dérivation en chaîneGradients
Aucune solution pour l’instant
Facile
Différence des carrés
Soustrayez la somme des carrés du carré de la somme.
Vous apprendrez
FormulesArithmétique
Aucune solution pour l’instant
Facile
Fonctions de perte : MSE, MAE et entropie croisée
Mesurez l'erreur des prédictions d'un modèle avec l'erreur quadratique moyenne, l'erreur absolue moyenne ou l'entropie croisée binaire.
Vous apprendrez
MSEEntropie croisée
Aucune solution pour l’instant
Facile
Distribution d'états d'une chaîne de Markov
Propagez une distribution de probabilités à travers la matrice de transition d'une chaîne de Markov pendant un certain nombre de pas.
Vous apprendrez
Chaînes de MarkovProbabilités
Aucune solution pour l’instant
Facile
Un seul neurone artificiel
Calculez la sortie d'un neurone : somme pondérée des entrées plus un biais, passée dans une sigmoïde.
Vous apprendrez
NeuronesSommes pondérées
Aucune solution pour l’instant
Moyen
Normalisation de couche
Normalisez chaque ligne vers une moyenne 0 et une variance 1, puis mettez à l'échelle et décalez, comme le fait chaque bloc Transformer.
Vous apprendrez
Normalisation de coucheTransformers
Aucune solution pour l’instant
Moyen
Propagation avant dans une couche dense
Calculez les sorties d'une couche de neurones entièrement connectée, avec l'activation de votre choix.
Vous apprendrez
Couches densesActivations
Aucune solution pour l’instant
Difficile
Rétropropagation dans un réseau à deux couches
Calculez tous les gradients des poids et des biais d'un réseau avec une couche cachée sigmoïde et une sortie sigmoïde.
Vous apprendrez
RétropropagationDérivation en chaîne
Aucune solution pour l’instant
Facile
Dérivées des fonctions d'activation
Calculez la dérivée de sigmoid, ReLU, Leaky ReLU ou tanh en chaque valeur, les pentes dont la rétropropagation a besoin.
Vous apprendrez
DérivéesRétropropagation
Aucune solution pour l’instant
Moyen
Somme des chiffres puissancés
Additionnez chaque chiffre élevé à la puissance de sa position depuis la gauche.
Vous apprendrez
Extraction des chiffresPuissancesBoucles
Aucune solution pour l’instant
Moyen
Racine numérique
Additionnez les chiffres à répétition jusqu'à ce qu'il ne reste qu'un seul chiffre.
Vous apprendrez
Boucles imbriquéesSommes de chiffres
Aucune solution pour l’instant
Facile
Couleur d'une case d'échecs
Déterminez la couleur d'une case sur un plateau de 8 par 8.
Vous apprendrez
CoordonnéesParité
Aucune solution pour l’instant
Moyen
Morpion avec minimax
Choisissez le coup parfait au morpion en explorant tout l'arbre de jeu avec minimax.
Vous apprendrez
MinimaxArbres de jeu
Aucune solution pour l’instant
Moyen
Descente de gradient par mini-lots
Entraînez un modèle linéaire en mettant à jour les poids après chaque petit lot plutôt qu'après tout le jeu de données.
Vous apprendrez
Mini-lotsDescente de gradient
Aucune solution pour l’instant
Difficile
Auto-attention multi-têtes
Projetez l'entrée en requêtes, clés et valeurs, exécutez l'attention dans plusieurs têtes en parallèle et combinez-les.
Vous apprendrez
Attention multi-têtesProjections matricielles
Aucune solution pour l’instant
Facile
Heures, minutes et secondes
Convertir une durée en secondes en une chaîne lisible et compacte.
Vous apprendrez
Unités de tempsMise en forme de chaînes
Aucune solution pour l’instant
Facile
Descente de gradient avec momentum
Appliquez des mises à jour avec momentum qui conservent une partie du pas précédent, pour accélérer l'entraînement dans les directions constantes.
Vous apprendrez
MomentumOptimiseurs
Aucune solution pour l’instant
Parcourir par thème
- Beginner 95
- ai 47
- apprentissage automatique 42
- Strings 36
- Arrays 31
- math 21
- Simulation 19
- Réseaux de neurones 17
- Numbers 16
- Advanced 15
- Dynamic-programming 12
- Parsing 12
- Competitive-programming 10
- Conditions 9
- Graphs 8
- Grids 8
- Loops 8
- Patrons de conception 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
- Apprentissage par renforcement 3
- Dictionaries 3
- Fractions 3
- Sliding-window 3
- Trees 3