- Исполнители
-
Обучение
Изучить Python Запускаемые примеры, NumPy, pandas и другое Изучить ИИНейросети, ML и LLM с нуля Изучить C и C++ Указатели, память, STL и современный C++ Изучить C#Основы C#, ООП, LINQ, async и упражнения .NET Алгоритмы на Python Поиск, сортировка, рекурсия и визуализация O(n) Алгоритмы на C и C++ Сравнение реализаций на C и C++
- ЗадачиНовое
Задачи по теме «Машинное обучение»
Практикуйте тему «машинное обучение» на задачах от простых до сложных (всего: 42). Каждая задача запускается в браузере, с мгновенными тестами, разбором вашего кода от ИИ и решениями сообщества для сравнения.
Легко · 18 Средне · 20 Сложно · 4
Навыки для практики: Градиентный спускTransformerДеревья решенийОбратное распространениеРегрессияЦепное правилоAdamBPEKNNMDPMSEOne-hot векторы
- Python · C++ · C#
- Автотесты
- Ревью кода ИИ
- Решения сообщества
- 226
- Задачи
- 2
- Решений опубликовано
- 3
- Языки
Все задачи
Поиск по теме, языку или сложности.
Средне
Оптимизатор Adam
Реализуйте Adam, стандартный оптимизатор глубокого обучения, со скользящими средними и коррекцией смещения.
Вы освоите
AdamКоррекция смещения
Пока нет решений
Средне
Сэмплирование с температурой и top-k
Выберите следующий токен как языковая модель: оставьте k наибольших логитов, примените температуру и сделайте выборку.
Вы освоите
Генерация текстаСэмплирование
Пока нет решений
Средне
Обучение нейрона градиентным спуском
Повторяйте прямой проход, вычисление градиентов и обновление весов, чтобы обучить сигмоидный нейрон на примерах.
Вы освоите
Градиентный спускЦиклы обучения
Пока нет решений
Средне
Слияния Byte Pair Encoding (BPE)
Выучите слияния подслов, как токенизаторы GPT: многократно объединяйте самую частую пару соседних символов.
Вы освоите
BPEПодсловная токенизация
Пока нет решений
Средне
Линейная регрессия градиентным спуском
Найдите наклон и смещение прямой, шаг за шагом спускаясь по среднеквадратичной ошибке.
Вы освоите
Градиентный спускРегрессия
Пока нет решений
Легко
Категориальная перекрёстная энтропия
Вычислите потери многоклассового классификатора по предсказанным вероятностям и истинным классам.
Вы освоите
Потери классификацииЛогарифмы
Пока нет решений
Легко
One-hot кодирование
Превратите категории в векторы с единственной 1 — формат входных данных для классификаторов и эмбеддингов.
Вы освоите
One-hot векторыКатегориальные данные
Пока нет решений
Легко
Предсказание логистической регрессией
Классифицируйте примеры как 0 или 1, пропуская взвешенную сумму через сигмоиду и сравнивая с порогом.
Вы освоите
Логистическая регрессияПороги
Пока нет решений
Легко
Косинусное сходство
Измерьте сходство двух векторов по углу между ними, как это делают поисковые системы с эмбеддингами.
Вы освоите
Сходство векторовЭмбеддинги
Пока нет решений
Легко
Стандартизация по z-оценке
Сместите признак к среднему 0 и масштабируйте до стандартного отклонения 1.
Вы освоите
СтандартизацияСреднее и стандартное отклонение
Пока нет решений
Средне
Простая линейная регрессия (метод наименьших квадратов)
Найдите прямую, лучше всего проходящую через точки данных, по формулам метода наименьших квадратов.
Вы освоите
Метод наименьших квадратовРегрессия
Пока нет решений
Легко
Неоднородность Джини
Измерьте, насколько перемешаны метки в группе, — по этой оценке деревья решений выбирают разбиения.
Вы освоите
Деревья решенийМеры неоднородности
Пока нет решений
Легко
Min-max нормализация
Масштабируйте признак так, чтобы наименьшее значение стало 0, а наибольшее — 1.
Вы освоите
Масштабирование признаковПредобработка данных
Пока нет решений
Средне
Синусоидальное позиционное кодирование
Вычислите синусные и косинусные векторы позиций, которые Transformer добавляет к эмбеддингам токенов.
Вы освоите
Позиционное кодированиеТригонометрия
Пока нет решений
Легко
Умножение матриц
Перемножьте две матрицы — эта операция стоит за каждым слоем нейронной сети.
Вы освоите
МатрицыЛинейная алгебра
Пока нет решений
Средне
Наивный байесовский классификатор
Предскажите класс по категориальным признакам с помощью теоремы Байеса и сглаживания Лапласа.
Вы освоите
Теорема БайесаСглаживание Лапласа
Пока нет решений
Средне
Кластеризация k-means
Разбейте точки на k кластеров, многократно назначая их ближайшему центроиду и сдвигая центроиды.
Вы освоите
КластеризацияЦентроиды
Пока нет решений
Средне
Классификатор k ближайших соседей
Предскажите метку большинством голосов k ближайших обучающих точек.
Вы освоите
KNNМетрики расстояния
Пока нет решений
Темы
- Beginner 95
- искусственный интеллект 47
- машинное обучение 42
- Strings 36
- Arrays 31
- math 21
- Simulation 19
- Нейронные сети 17
- Numbers 16
- Advanced 15
- Dynamic-programming 12
- Parsing 12
- Competitive-programming 10
- Conditions 9
- Graphs 8
- Grids 8
- Loops 8
- Шаблоны проектирования 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
- Dictionaries 3
- Fractions 3
- Sliding-window 3
- Trees 3
- Обучение с подкреплением 3