- 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 «Нейронные сети»
Практикуйте тему «Нейронные сети» на задачах от простых до сложных (всего: 17). Каждая задача запускается в браузере, с мгновенными тестами, разбором вашего кода от ИИ и решениями сообщества для сравнения.
Легко · 7 Средне · 8 Сложно · 2
Навыки для практики: Градиентный спускОбратное распространениеЦепное правилоAdamMSEReLU и tanhTransformerВекторыВзвешенные суммыГрадиентыЗадача XORИнициализация Xavier и He
- 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
Прямое распространение в двухслойной сети
Пропустите входы через скрытый слой с ReLU и выходной слой с сигмоидой.
Вы освоите
Прямой проходМногослойные сети
Пока нет решений
Средне
Алгоритм обучения перцептрона
Обучите классический перцептрон, который меняет веса только при ошибке.
Вы освоите
ПерцептронОнлайн-обучение
Пока нет решений
Легко
Функции активации
Примените sigmoid, ReLU, Leaky ReLU или tanh к каждому значению списка.
Вы освоите
СигмоидаReLU и tanh
Пока нет решений
Средне
Градиенты одного нейрона
С помощью цепного правила найдите, как потери меняются в зависимости от каждого веса и смещения сигмоидного нейрона.
Вы освоите
Цепное правилоГрадиенты
Пока нет решений
Средне
Нормализация слоя
Нормализуйте каждую строку к среднему 0 и дисперсии 1, затем масштабируйте и сдвиньте, как делает каждый блок Transformer.
Вы освоите
Нормализация слояTransformer
Пока нет решений
Сложно
Обратное распространение ошибки в двухслойной сети
Вычислите все градиенты весов и смещений сети с одним скрытым сигмоидным слоем и одним сигмоидным выходом.
Вы освоите
Обратное распространениеЦепное правило
Пока нет решений
Легко
Функции потерь: MSE, MAE и перекрёстная энтропия
Измерьте, насколько ошибаются предсказания модели, с помощью среднеквадратичной ошибки, средней абсолютной ошибки или бинарной перекрёстной энтропии.
Вы освоите
MSEПерекрёстная энтропия
Пока нет решений
Легко
Один искусственный нейрон
Вычислите выход одного нейрона: взвешенная сумма входов плюс смещение, пропущенная через сигмоиду.
Вы освоите
НейроныВзвешенные суммы
Пока нет решений
Легко
Производные функций активации
Вычислите производную sigmoid, ReLU, Leaky ReLU или tanh в каждой точке — наклоны, которые нужны обратному распространению.
Вы освоите
ПроизводныеОбратное распространение
Пока нет решений
Средне
Прямой проход через полносвязный слой
Вычислите выходы полносвязного слоя нейронов с выбранной функцией активации.
Вы освоите
Полносвязные слоиФункции активации
Пока нет решений
Средне
Мини-батч градиентный спуск
Обучите линейную модель, обновляя веса после каждого небольшого батча, а не после всего набора данных.
Вы освоите
Мини-батчиГрадиентный спуск
Пока нет решений
Легко
Градиентный спуск с моментом
Примените обновления с моментом, которые сохраняют часть предыдущего шага, чтобы обучение ускорялось в постоянных направлениях.
Вы освоите
МоментОптимизаторы
Пока нет решений
Легко
Инициализация весов Xavier и He
Вычислите диапазон или стандартное отклонение для инициализации весов слоя.
Вы освоите
Инициализация Xavier и HeСтабильность обучения
Пока нет решений
Средне
Оптимизатор Adam
Реализуйте Adam, стандартный оптимизатор глубокого обучения, со скользящими средними и коррекцией смещения.
Вы освоите
AdamКоррекция смещения
Пока нет решений
Сложно
Обучите нейросеть решать XOR
Соберите всё вместе: обучите сигмоидную сеть 2-2-1 обратным распространением, пока она не выучит XOR.
Вы освоите
Обучение нейросетейЗадача XOR
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
Легко
Скалярное произведение двух векторов
Перемножьте два вектора поэлементно и сложите результаты — это основная операция любого нейрона.
Вы освоите
ВекторыСкалярное произведение
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