เส้นทางการเรียนรู้ AI

เรียน machine learning ด้วยการเขียนโค้ด JavaScript

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

เริ่มโจทย์แรก

เข้าสู่ระบบเพื่อบันทึกความคืบหน้าของคุณในเส้นทางนี้

0%แก้สำเร็จ

0 / 15

1

การทำงานกับข้อมูล

การคูณเมทริกซ์และการปรับสเกลฟีเจอร์

0/3
เรียนแนวคิดก่อน การเตรียมข้อมูลสำหรับแมชชีนเลิร์นนิงใน Python อ่านบทเรียน →
2

การถดถอย

หาเส้นตรงที่เหมาะสมด้วยสูตรและด้วย gradient descent แล้วทำนายความน่าจะเป็น

0/4
เรียนแนวคิดก่อน Linear regression และ logistic regression ใน Python อ่านบทเรียน →
3

การจำแนกประเภท

Softmax, cross-entropy เพื่อนบ้านใกล้สุด Naive Bayes และการแบ่งโหนดของต้นไม้ตัดสินใจ

0/6
เรียนแนวคิดก่อน พื้นฐานการจำแนกประเภท: softmax และ k-nearest neighbors ใน Python อ่านบทเรียน →
1. 1 ฟังก์ชัน softmax ง่าย แก้โจทย์ด้วย JavaScript
2. 2 ฟังก์ชันค่าสูญเสียแบบ categorical cross-entropy ง่าย แก้โจทย์ด้วย JavaScript
3. 3 ตัวจำแนกแบบ K เพื่อนบ้านที่ใกล้ที่สุด ปานกลาง แก้โจทย์ด้วย JavaScript
4. 4 ตัวจำแนกแบบ Naive Bayes ปานกลาง แก้โจทย์ด้วย JavaScript
5. 5 ค่าความไม่บริสุทธิ์ของจีนี ง่าย แก้โจทย์ด้วย JavaScript
6. 6 ค่าเกนข้อมูล ปานกลาง แก้โจทย์ด้วย JavaScript
4

ความคล้ายและการจัดกลุ่ม

ความคล้ายแบบโคไซน์และการจัดกลุ่ม k-means

0/2
เรียนแนวคิดก่อน Cosine similarity และการจัดกลุ่ม k-means ใน Python อ่านบทเรียน →
1. 1 ความคล้ายคลึงโคไซน์ ง่าย แก้โจทย์ด้วย JavaScript
2. 2 การจัดกลุ่มแบบ K-means ปานกลาง แก้โจทย์ด้วย JavaScript