เส้นทางการเรียนรู้ AI

เรียน machine learning ด้วยการเขียนโค้ด C++

15 โจทย์ที่คุณเขียนอัลกอริทึม machine learning คลาสสิกเองโดยไม่ใช้ไลบรารี: การปรับสเกลข้อมูล การถดถอยเชิงเส้นและลอจิสติก perceptron เพื่อนบ้านใกล้สุด k ตัว Naive Bayes การแบ่งโหนดของต้นไม้ตัดสินใจ และ k-means แก้ตามลำดับด้วย C++ ทุกโจทย์รันในเบราว์เซอร์พร้อมผลทดสอบทันทีและรีวิวจาก AI

  1. 1

    การทำงานกับข้อมูล

    การคูณเมทริกซ์และการปรับสเกลฟีเจอร์

    0/3
    1. 1 การคูณเมทริกซ์ ง่าย แก้โจทย์ด้วย C++
    2. 2 การปรับสเกลแบบ min-max ง่าย แก้โจทย์ด้วย C++
    3. 3 การปรับมาตรฐานด้วย z-score ง่าย แก้โจทย์ด้วย C++
  2. 2

    การถดถอย

    หาเส้นตรงที่เหมาะสมด้วยสูตรและด้วย gradient descent แล้วทำนายความน่าจะเป็น

    0/4
    1. 1 การถดถอยเชิงเส้นอย่างง่าย (กำลังสองน้อยที่สุด) ปานกลาง แก้โจทย์ด้วย C++
    2. 2 การถดถอยเชิงเส้นด้วยการลดเกรเดียนต์ ปานกลาง แก้โจทย์ด้วย C++
    3. 3 การทำนายด้วยการถดถอยโลจิสติก ง่าย แก้โจทย์ด้วย C++
    4. 4 อัลกอริทึมการเรียนรู้ของเพอร์เซปตรอน ปานกลาง แก้โจทย์ด้วย C++
  3. 3

    การจำแนกประเภท

    Softmax, cross-entropy เพื่อนบ้านใกล้สุด Naive Bayes และการแบ่งโหนดของต้นไม้ตัดสินใจ

    0/6
    1. 1 ฟังก์ชัน softmax ง่าย แก้โจทย์ด้วย C++
    2. 2 ฟังก์ชันค่าสูญเสียแบบ categorical cross-entropy ง่าย แก้โจทย์ด้วย C++
    3. 3 ตัวจำแนกแบบ K เพื่อนบ้านที่ใกล้ที่สุด ปานกลาง แก้โจทย์ด้วย C++
    4. 4 ตัวจำแนกแบบ Naive Bayes ปานกลาง แก้โจทย์ด้วย C++
    5. 5 ค่าความไม่บริสุทธิ์ของจีนี ง่าย แก้โจทย์ด้วย C++
    6. 6 ค่าเกนข้อมูล ปานกลาง แก้โจทย์ด้วย C++
  4. 4

    ความคล้ายและการจัดกลุ่ม

    ความคล้ายแบบโคไซน์และการจัดกลุ่ม k-means

    0/2
    1. 1 ความคล้ายคลึงโคไซน์ ง่าย แก้โจทย์ด้วย C++
    2. 2 การจัดกลุ่มแบบ K-means ปานกลาง แก้โจทย์ด้วย C++