- Executores
-
Aprender
Aprender Python Exemplos executáveis, NumPy, pandas e mais Aprender IARedes neurais, ML e LLMs do zero Aprender C e C++ Ponteiros, memória, STL e C++ moderno Aprender C#Fundamentos, POO, LINQ, async e exercícios .NET Algoritmos em Python Busca, ordenação, recursão e visualizações O(n) Algoritmos em C e C++ Compare implementações em C e C++
- DesafiosNovo
Desafios de programação de Aprendizado de máquina
Pratique aprendizado de máquina com 42 desafios de programação, do fácil ao difícil. Cada desafio roda no navegador, com testes instantâneos, uma revisão do seu código por IA e soluções da comunidade para comparar.
Fácil · 18 Médio · 20 Difícil · 4
Habilidades que você vai praticar: Descida de gradienteRegra da cadeiaRegressãoRetropropagaçãoTransformersÁrvores de decisãoAdamAgrupamentoAmostragemAprendizado onlineAtençãoAtenção mascarada
- Python · C++ · C#
- Testes automáticos
- Revisão de código por IA
- Soluções da comunidade
- 226
- Desafios
- 2
- Soluções compartilhadas
- 3
- Linguagens
Todos os desafios
Busque por tema, linguagem ou dificuldade.
Médio
Iteração de valor
Calcule quanto vale cada estado de um processo de decisão de Markov aplicando repetidamente a atualização de otimalidade de Bellman.
Você vai aprender
Equação de BellmanMDPs
Ainda sem soluções
Fácil
Bandido multibraço epsilon-greedy
Equilibre exploração e aproveitamento em um bandido multibraço com seleção de ações epsilon-greedy.
Você vai aprender
Explorar ou aproveitarBandidos
Ainda sem soluções
Médio
Algoritmo de aprendizado do perceptron
Treine o perceptron original, que só atualiza os pesos quando erra.
Você vai aprender
PerceptronAprendizado online
Ainda sem soluções
Médio
Atualizações de Q-learning
Aplique a atualização do Q-learning a um fluxo de experiências e veja as recompensas voltarem para estados anteriores.
Você vai aprender
Q-learningRecompensas descontadas
Ainda sem soluções
Fácil
Funções de ativação
Aplique sigmoide, ReLU, Leaky ReLU ou tanh a cada valor de uma lista.
Você vai aprender
SigmoideReLU e tanh
Ainda sem soluções
Médio
Propagação direta em uma rede de duas camadas
Passe as entradas por uma camada oculta ReLU e uma camada de saída sigmoide.
Você vai aprender
Propagação diretaRedes multicamadas
Ainda sem soluções
Fácil
Funções de perda: MSE, MAE e entropia cruzada
Meça o quanto as previsões de um modelo estão erradas com o erro quadrático médio, o erro absoluto médio ou a entropia cruzada binária.
Você vai aprender
MSEEntropia cruzada
Ainda sem soluções
Médio
Gradientes de um único neurônio
Use a regra da cadeia para descobrir como a perda muda com cada peso e o viés de um neurônio sigmoide.
Você vai aprender
Regra da cadeiaGradientes
Ainda sem soluções
Fácil
Um único neurônio artificial
Calcule a saída de um neurônio: soma ponderada das entradas mais um viés, passada pela sigmoide.
Você vai aprender
NeurôniosSomas ponderadas
Ainda sem soluções
Médio
Normalização de camada
Normalize cada linha para média 0 e variância 1 e depois escale e desloque, como todo bloco Transformer faz.
Você vai aprender
Normalização de camadaTransformers
Ainda sem soluções
Difícil
Retropropagação em uma rede de duas camadas
Calcule todos os gradientes de pesos e vieses de uma rede com uma camada oculta sigmoide e uma saída sigmoide.
Você vai aprender
RetropropagaçãoRegra da cadeia
Ainda sem soluções
Fácil
Derivadas de funções de ativação
Calcule a derivada de sigmoid, ReLU, Leaky ReLU ou tanh em cada valor, as inclinações de que a retropropagação precisa.
Você vai aprender
DerivadasRetropropagação
Ainda sem soluções
Médio
Propagação direta em uma camada densa
Calcule as saídas de uma camada de neurônios totalmente conectada com a ativação que você escolher.
Você vai aprender
Camadas densasAtivações
Ainda sem soluções
Médio
Descida de gradiente em mini-lotes
Treine um modelo linear atualizando os pesos após cada lote pequeno, em vez de após todo o conjunto de dados.
Você vai aprender
Mini-lotesDescida de gradiente
Ainda sem soluções
Fácil
Descida de gradiente com momentum
Aplique atualizações com momentum que mantêm parte do passo anterior, para que o treinamento acelere em direções constantes.
Você vai aprender
MomentumOtimizadores
Ainda sem soluções
Difícil
Autoatenção multi-cabeça
Projete a entrada em consultas, chaves e valores, execute a atenção em várias cabeças em paralelo e combine-as.
Você vai aprender
Atenção multi-cabeçaProjeções matriciais
Ainda sem soluções
Fácil
Inicialização de pesos Xavier e He
Calcule o intervalo ou o desvio padrão usado para inicializar os pesos de uma camada.
Você vai aprender
Inicialização Xavier e HeEstabilidade do treinamento
Ainda sem soluções
Médio
Otimizador Adam
Implemente o Adam, o otimizador padrão do deep learning, com médias móveis e correção de viés.
Você vai aprender
AdamCorreção de viés
Ainda sem soluções
Explorar por tema
- Beginner 95
- ai 47
- aprendizado de máquina 42
- Strings 36
- Arrays 31
- math 21
- Simulation 19
- Redes neurais 17
- Numbers 16
- Advanced 15
- Dynamic-programming 12
- Parsing 12
- Competitive-programming 10
- Conditions 9
- Graphs 8
- Grids 8
- Loops 8
- Padrões de projeto 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
- Aprendizado por reforço 3
- Dictionaries 3
- Fractions 3
- Sliding-window 3
- Trees 3