CodeUtility
Faciliter la vie des développeurs !
Retour aux défis

Parcours IA

Apprenez le machine learning en le codant en C#

15 défis où vous écrivez vous-même les algorithmes classiques d'apprentissage automatique, sans bibliothèque : mise à l'échelle des données, régression linéaire et logistique, perceptron, k plus proches voisins, Naive Bayes, découpages d'arbres de décision et k-means. Résolvez-les dans l'ordre en C# ; chacun s'exécute dans votre navigateur avec des tests instantanés et une revue par l'IA.

Commencer le premier défi
  1. 1

    Travailler avec les données

    Produit matriciel et mise à l'échelle des caractéristiques.

    0/3
    1. 1 Multiplication de matrices Facile Résoudre en C#
    2. 2 Normalisation min-max Facile Résoudre en C#
    3. 3 Standardisation par z-score Facile Résoudre en C#
  2. 2

    Régression

    Ajuster une droite par formule et par descente de gradient, puis prédire des probabilités.

    0/4
    1. 1 Régression linéaire simple (moindres carrés) Moyen Résoudre en C#
    2. 2 Régression linéaire par descente de gradient Moyen Résoudre en C#
    3. 3 Prédiction par régression logistique Facile Résoudre en C#
    4. 4 Algorithme d'apprentissage du perceptron Moyen Résoudre en C#
  3. 3

    Classification

    Softmax, entropie croisée, plus proches voisins, Naive Bayes et découpages d'arbres de décision.

    0/6
    1. 1 Fonction softmax Facile Résoudre en C#
    2. 2 Entropie croisée catégorielle Facile Résoudre en C#
    3. 3 Classifieur des k plus proches voisins Moyen Résoudre en C#
    4. 4 Classifieur naïf bayésien Moyen Résoudre en C#
    5. 5 Impureté de Gini Facile Résoudre en C#
    6. 6 Gain d'information Moyen Résoudre en C#
  4. 4

    Similarité et clustering

    Similarité cosinus et clustering k-means.

    0/2
    1. 1 Similarité cosinus Facile Résoudre en C#
    2. 2 Partitionnement k-means Moyen Résoudre en C#