CodeUtility
Tornando o seu trabalho de dev mais simples!
Voltar para os desafios

Trilha de aprendizado de IA

Aprenda machine learning programando em Python

15 desafios em que você mesmo escreve os algoritmos clássicos de aprendizado de máquina, sem bibliotecas: escalonamento de dados, regressão linear e logística, o perceptron, k vizinhos mais próximos, Naive Bayes, divisões de árvores de decisão e k-means. Resolva-os em ordem em Python; cada um roda no navegador com testes instantâneos e uma revisão por IA.

Começar o primeiro desafio
  1. 1

    Trabalhando com dados

    Multiplicação de matrizes e escalonamento de atributos.

    0/3
    1. 1 Multiplicação de matrizes Fácil Resolver em Python
    2. 2 Normalização min-max Fácil Resolver em Python
    3. 3 Padronização por z-score Fácil Resolver em Python
  2. 2

    Regressão

    Ajuste uma reta com uma fórmula e com descida de gradiente, depois preveja probabilidades.

    0/4
    1. 1 Regressão linear simples (mínimos quadrados) Médio Resolver em Python
    2. 2 Regressão linear com descida do gradiente Médio Resolver em Python
    3. 3 Previsão com regressão logística Fácil Resolver em Python
    4. 4 Algoritmo de aprendizado do perceptron Médio Resolver em Python
  3. 3

    Classificação

    Softmax, entropia cruzada, vizinhos mais próximos, Naive Bayes e divisões de árvores de decisão.

    0/6
    1. 1 Função softmax Fácil Resolver em Python
    2. 2 Entropia cruzada categórica Fácil Resolver em Python
    3. 3 Classificador de k vizinhos mais próximos Médio Resolver em Python
    4. 4 Classificador Naive Bayes Médio Resolver em Python
    5. 5 Impureza de Gini Fácil Resolver em Python
    6. 6 Ganho de informação Médio Resolver em Python
  4. 4

    Similaridade e agrupamento

    Similaridade de cosseno e agrupamento k-means.

    0/2
    1. 1 Similaridade de cosseno Fácil Resolver em Python
    2. 2 Agrupamento k-means Médio Resolver em Python