- Компиляторы
-
Обучение
Изучить Python Запускаемые примеры, NumPy, pandas и другое Изучить ИИ / машинное обучениеНейросети, 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 Изучить MatplotlibЛинейные, столбчатые, точечные и круговые диаграммы с визуализацией Изучение RustВладение, трейты, обработка ошибок и потоки Изучение GoСрезы, интерфейсы, горутины и каналы Алгоритмы на Python Поиск, сортировка, рекурсия и визуализация O(n) Алгоритмы на C и C++ Сравнение реализаций на C и C++ Программирование для детей Учись программировать, играя!
- КвизыНовое
- ЗадачиНовое
- УчителямНовое
- Обновления
- Угостить кофе
Квиз по AI & Machine Learning: Backpropagation & Gradient Descent
This hard quiz covers how neural networks learn. You will apply the chain rule, compute gradients and update steps with small numbers, and answer the interview questions about learning rates, initialisation and vanishing gradients.
Пример вопроса
Вопрос 1 из 10What does backpropagation compute?
Показать ответ
D. The gradient of the loss with respect to every weight, using the chain rule from the output layer back Backprop reuses the values saved in the forward pass and applies the chain rule layer by layer, getting all gradients in about the cost of one more pass. The optimizer (such as SGD) then uses those gradients to update the weights.
Что проверяет этот квиз
- Backpropagation as the chain rule from the loss backwards
- The update rule
w = w - lr * gradient - Learning rates that converge, oscillate or diverge
- Batch vs mini-batch SGD and momentum
- Symmetry breaking and the sigmoid's small derivative
Частые вопросы
Нужен ли аккаунт?
Нет. Играть может любой. Войдите, чтобы сохранять XP, серию, значки и историю.
Можно пройти ещё раз?
Да. Лучший результат сохраняется, а вопросы и ответы каждый раз перемешиваются.