Centro di apprendimento IA

Centro di apprendimento IA

Scopri come funziona l'IA costruendola tu stesso: 47 sfide su reti neurali, machine learning, Transformer e apprendimento per rinforzo, senza librerie di IA. Ogni sfida gira nel browser, con test immediati e una revisione dell'IA.

  • Python · C++ · C#
  • Test automatici
  • Revisione AI

Come funziona

  1. 1

    Riscaldati con Python e NumPy

    Array e matrici sono la lingua dell'IA. Salta questo passo se li conosci già.

    Python per l'IA →
  2. 2

    Leggi la lezione sul concetto

    Ogni modulo inizia con una breve lezione con codice eseguibile che spiega l'idea in parole semplici.

    Tutte le lezioni di IA →
  3. 3

    Risolvi le sfide

    Implementa l'idea da solo in Python, C++ o C#, con test immediati e una revisione dell'IA.

Scegli un percorso

Tutte le sfide di IA
Facile

Prodotto scalare di due vettori

Moltiplica due vettori elemento per elemento e somma i risultati, l'operazione alla base di ogni neurone.

Imparerai VettoriProdotto scalare
Reti neuraliaiapprendimento automatico
Nessuna soluzione ancora
Facile

Funzioni di attivazione

Applica sigmoide, ReLU, Leaky ReLU o tanh a ogni valore di una lista.

Imparerai SigmoideReLU e tanh
Reti neuraliaiapprendimento automatico
Nessuna soluzione ancora
Facile

Un singolo neurone artificiale

Calcola l'output di un neurone: somma pesata degli input più un bias, passata attraverso la sigmoide.

Imparerai NeuroniSomme pesate
Reti neuraliaiapprendimento automatico
Nessuna soluzione ancora
Media

Propagazione in avanti in uno strato denso

Calcola gli output di uno strato di neuroni completamente connesso con l'attivazione che preferisci.

Imparerai Layer densiAttivazioni
Reti neuraliaiapprendimento automatico
Nessuna soluzione ancora
Media

Propagazione in avanti in una rete a due strati

Fai passare gli input attraverso uno strato nascosto ReLU e uno strato di output sigmoide.

Imparerai Propagazione in avantiReti multistrato
Reti neuraliaiapprendimento automatico
Nessuna soluzione ancora
Facile

Funzioni di perdita: MSE, MAE ed entropia incrociata

Misura quanto sono sbagliate le previsioni di un modello con l'errore quadratico medio, l'errore assoluto medio o l'entropia incrociata binaria.

Imparerai MSEEntropia incrociata
Reti neuraliaiapprendimento automatico
Nessuna soluzione ancora