- ตัวดำเนินการ
-
เรียนรู้
เรียน Python ตัวอย่างที่รันได้, NumPy, pandas และอื่น ๆ เรียน AIโครงข่ายประสาท ML และ LLM ตั้งแต่ศูนย์ เรียน C และ C++ พอยน์เตอร์ หน่วยความจำ STL และ C++ สมัยใหม่ เรียน C#พื้นฐาน C#, OOP, LINQ, async และแบบฝึกหัด .NET อัลกอริทึม Python การค้นหา การเรียงลำดับ รีเคอร์ชัน และภาพจำลอง O(n) อัลกอริทึม C และ C++ เปรียบเทียบการเขียนด้วย C และ C++
- โจทย์ใหม่
โจทย์เขียนโค้ด Python
โจทย์ 226 ข้อที่แก้ได้ด้วย Python ตั้งแต่ลูปแรกไปจนถึงกราฟ dynamic programming และแมชชีนเลิร์นนิง เขียนโค้ดในเบราว์เซอร์ รันการทดสอบได้ทันที และรับรีวิวจาก AI
ง่าย · 134 ปานกลาง · 68 ยาก · 24
ทักษะที่จะได้ฝึก: การนับแยกสตริงแยกหลักตัวเลขลิสต์ลิสต์ 2 มิติลูปสูตรเลขคณิตGradient descentPolymorphismการหารลงตัวการเรียงลำดับ
- Python · C++ · C#
- ทดสอบอัตโนมัติ
- รีวิวโค้ดโดย AI
- แนวทางจากชุมชน
- 226
- โจทย์
- 2
- วิธีแก้ที่แชร์
- 3
- ภาษา
โจทย์ทั้งหมด
ค้นหาตามหัวข้อ ภาษา หรือระดับความยาก
ยาก
ฝึกโครงข่ายประสาทเทียมให้แก้ปัญหา XOR
รวมทุกอย่างเข้าด้วยกัน: ฝึกโครงข่าย sigmoid แบบ 2-2-1 ด้วยการแพร่ย้อนกลับจนเรียนรู้ XOR ได้
คุณจะได้เรียนรู้
ฝึกโครงข่ายประสาทเทียมปัญหา XOR
ยังไม่มีวิธีแก้
ง่าย
การกำหนดน้ำหนักเริ่มต้นแบบ Xavier และ He
คำนวณช่วงหรือส่วนเบี่ยงเบนมาตรฐานที่ใช้กำหนดน้ำหนักเริ่มต้นของเลเยอร์
คุณจะได้เรียนรู้
การกำหนดค่าเริ่มต้น Xavier และ Heเสถียรภาพของการฝึก
ยังไม่มีวิธีแก้
ปานกลาง
ตัวปรับค่า Adam
Implement Adam ตัวปรับค่ามาตรฐานของ deep learning ที่ใช้ค่าเฉลี่ยเคลื่อนที่และการแก้ความเอนเอียง
คุณจะได้เรียนรู้
Adamการแก้ความเอนเอียง
ยังไม่มีวิธีแก้
ปานกลาง
การสุ่มด้วย temperature และ top-k
เลือก token ถัดไปแบบโมเดลภาษา: เก็บ logit สูงสุด k ตัว ใช้ temperature แล้วสุ่ม
คุณจะได้เรียนรู้
การสร้างข้อความการสุ่มตัวอย่าง
ยังไม่มีวิธีแก้
ปานกลาง
ฝึกนิวรอนด้วยการลดเกรเดียนต์
ทำการส่งผ่านไปข้างหน้า คำนวณเกรเดียนต์ และปรับน้ำหนักซ้ำๆ เพื่อสอนนิวรอน sigmoid จากตัวอย่าง
คุณจะได้เรียนรู้
Gradient descentลูปการฝึก
ยังไม่มีวิธีแก้
ปานกลาง
การรวมแบบ Byte Pair Encoding (BPE)
เรียนรู้การรวม subword แบบเดียวกับ tokenizer ของ GPT: รวมคู่สัญลักษณ์ข้างเคียงที่พบบ่อยที่สุดซ้ำ ๆ
คุณจะได้เรียนรู้
BPEการตัด token ระดับ subword
ยังไม่มีวิธีแก้
ปานกลาง
การถดถอยเชิงเส้นด้วยการลดเกรเดียนต์
เรียนรู้ความชันและจุดตัดแกนของเส้นตรงด้วยการไล่ลงตามค่าคลาดเคลื่อนกำลังสองเฉลี่ยซ้ำๆ
คุณจะได้เรียนรู้
Gradient descentการถดถอย
ยังไม่มีวิธีแก้
ง่าย
แปลงอาร์เรย์ 2 มิติให้เป็นอาร์เรย์เดียว
รวมแถวของอาร์เรย์จำนวนเต็ม 2 มิติให้เป็นอาร์เรย์เดียว
คุณจะได้เรียนรู้
อาร์เรย์ 2 มิติลูปซ้อน
ยังไม่มีวิธีแก้
ง่าย
การเข้ารหัสแบบ one-hot
แปลงหมวดหมู่เป็นเวกเตอร์ที่มีเลข 1 เพียงตัวเดียว ซึ่งเป็นรูปแบบอินพุตของตัวจำแนกและ embedding
คุณจะได้เรียนรู้
เวกเตอร์ one-hotข้อมูลเชิงหมวดหมู่
ยังไม่มีวิธีแก้
ง่าย
ค่าความไม่บริสุทธิ์ของจีนี
วัดว่าป้ายกำกับในกลุ่มปะปนกันแค่ไหน ซึ่งเป็นคะแนนที่ต้นไม้ตัดสินใจใช้เลือกการแบ่ง
คุณจะได้เรียนรู้
ต้นไม้ตัดสินใจตัววัดความไม่บริสุทธิ์
ยังไม่มีวิธีแก้
ง่าย
ความคล้ายคลึงโคไซน์
วัดว่าเวกเตอร์สองตัวคล้ายกันแค่ไหนจากมุมระหว่างกัน แบบเดียวกับที่เสิร์ชเอนจินเปรียบเทียบ embedding
คุณจะได้เรียนรู้
ความคล้ายของเวกเตอร์Embedding
ยังไม่มีวิธีแก้
ง่าย
การทำนายด้วยการถดถอยโลจิสติก
จำแนกตัวอย่างเป็น 0 หรือ 1 โดยส่งผลรวมถ่วงน้ำหนักผ่าน sigmoid แล้วเทียบกับค่าเกณฑ์
คุณจะได้เรียนรู้
Logistic regressionค่าเกณฑ์
ยังไม่มีวิธีแก้
ง่าย
ฟังก์ชันค่าสูญเสียแบบ categorical cross-entropy
วัดค่าสูญเสียของตัวจำแนกหลายคลาสจากความน่าจะเป็นที่ทำนายและคลาสที่ถูกต้อง
คุณจะได้เรียนรู้
Loss ของการจำแนกประเภทลอการิทึม
ยังไม่มีวิธีแก้
ปานกลาง
การถดถอยเชิงเส้นอย่างง่าย (กำลังสองน้อยที่สุด)
หาเส้นตรงที่เข้ากับจุดข้อมูลมากที่สุดด้วยสูตรกำลังสองน้อยที่สุด
คุณจะได้เรียนรู้
กำลังสองน้อยที่สุดการถดถอย
ยังไม่มีวิธีแก้
ปานกลาง
ตัวจำแนกแบบ Naive Bayes
ทำนายคลาสจากฟีเจอร์แบบหมวดหมู่ด้วยทฤษฎีบทของเบย์และการปรับเรียบแบบลาปลาซ
คุณจะได้เรียนรู้
ทฤษฎีบทของเบย์Laplace smoothing
ยังไม่มีวิธีแก้
ง่าย
การปรับมาตรฐานด้วย z-score
ทำให้ฟีเจอร์มีค่าเฉลี่ย 0 และส่วนเบี่ยงเบนมาตรฐาน 1
คุณจะได้เรียนรู้
การทำให้เป็นมาตรฐานค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐาน
ยังไม่มีวิธีแก้
ง่าย
การปรับสเกลแบบ min-max
ปรับสเกลฟีเจอร์ให้ค่าที่น้อยที่สุดเป็น 0 และค่าที่มากที่สุดเป็น 1
คุณจะได้เรียนรู้
ปรับสเกลฟีเจอร์เตรียมข้อมูล
ยังไม่มีวิธีแก้
ปานกลาง
ตัวจำแนกแบบ K เพื่อนบ้านที่ใกล้ที่สุด
ทำนายป้ายกำกับด้วยเสียงข้างมากของจุดฝึก k จุดที่ใกล้ที่สุด
คุณจะได้เรียนรู้
KNNการวัดระยะทาง
ยังไม่มีวิธีแก้
เลือกตามหัวข้อ
- Beginner 95
- ai 47
- การเรียนรู้ของเครื่อง 42
- Strings 36
- Arrays 31
- math 21
- Simulation 19
- โครงข่ายประสาทเทียม 17
- Numbers 16
- Advanced 15
- Dynamic-programming 12
- Parsing 12
- Competitive-programming 10
- Conditions 9
- Graphs 8
- Grids 8
- Loops 8
- รูปแบบการออกแบบ 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
- การเรียนรู้แบบเสริมกำลัง 3