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.

42 задачи
Средне

Оптимизатор Adam

Реализуйте Adam, стандартный оптимизатор глубокого обучения, со скользящими средними и коррекцией смещения.

Вы освоите AdamКоррекция смещения
Нейронные сетиискусственный интеллектмашинное обучение
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
искусственный интеллектмашинное обучение
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
Нейронные сетиискусственный интеллектмашинное обучение
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
искусственный интеллектмашинное обучение
Пока нет решений
Средне

Линейная регрессия градиентным спуском

Найдите наклон и смещение прямой, шаг за шагом спускаясь по среднеквадратичной ошибке.

Вы освоите Градиентный спускРегрессия
искусственный интеллектмашинное обучение
Пока нет решений
Легко

Категориальная перекрёстная энтропия

Вычислите потери многоклассового классификатора по предсказанным вероятностям и истинным классам.

Вы освоите Потери классификацииЛогарифмы
искусственный интеллектмашинное обучение
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
искусственный интеллектмашинное обучение
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
искусственный интеллектмашинное обучение
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
искусственный интеллектмашинное обучение
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
искусственный интеллектмашинное обучение
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
искусственный интеллектмашинное обучение
Пока нет решений
Легко

Неоднородность Джини

Измерьте, насколько перемешаны метки в группе, — по этой оценке деревья решений выбирают разбиения.

Вы освоите Деревья решенийМеры неоднородности
искусственный интеллектмашинное обучение
Пока нет решений
Легко

Min-max нормализация

Масштабируйте признак так, чтобы наименьшее значение стало 0, а наибольшее — 1.

Вы освоите Масштабирование признаковПредобработка данных
искусственный интеллектмашинное обучение
Пока нет решений
Средне

Синусоидальное позиционное кодирование

Вычислите синусные и косинусные векторы позиций, которые Transformer добавляет к эмбеддингам токенов.

Вы освоите Позиционное кодированиеТригонометрия
искусственный интеллектмашинное обучение
Пока нет решений
Легко

Умножение матриц

Перемножьте две матрицы — эта операция стоит за каждым слоем нейронной сети.

Вы освоите МатрицыЛинейная алгебра
искусственный интеллектмашинное обучение
Пока нет решений
Средне

Наивный байесовский классификатор

Предскажите класс по категориальным признакам с помощью теоремы Байеса и сглаживания Лапласа.

Вы освоите Теорема БайесаСглаживание Лапласа
искусственный интеллектмашинное обучение
Пока нет решений
Средне

Кластеризация k-means

Разбейте точки на k кластеров, многократно назначая их ближайшему центроиду и сдвигая центроиды.

Вы освоите КластеризацияЦентроиды
искусственный интеллектмашинное обучение
Пока нет решений
Средне

Классификатор k ближайших соседей

Предскажите метку большинством голосов k ближайших обучающих точек.

Вы освоите KNNМетрики расстояния
искусственный интеллектмашинное обучение
Пока нет решений