- 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
โจทย์เขียนโค้ดเรื่องการเรียนรู้ของเครื่อง
ฝึกการเรียนรู้ของเครื่องด้วยโจทย์เขียนโค้ด 42 ข้อ ตั้งแต่ง่ายไปจนถึงยาก ทุกโจทย์รันในเบราว์เซอร์ พร้อมการทดสอบทันที รีวิวโค้ดจาก AI และคำตอบจากชุมชนให้เปรียบเทียบ
ง่าย · 18 ปานกลาง · 20 ยาก · 4
ทักษะที่จะได้ฝึก: Gradient descentBackpropagationTransformerกฎลูกโซ่การถดถอยต้นไม้ตัดสินใจAdamAttentionAttention แบบมีมาสก์BPEBanditCross-entropy
- Python · C++ · C#
- ทดสอบอัตโนมัติ
- รีวิวโค้ดโดย AI
- แนวทางจากชุมชน
- 226
- โจทย์
- 2
- วิธีแก้ที่แชร์
- 3
- ภาษา
โจทย์ทั้งหมด
ค้นหาตามหัวข้อ ภาษา หรือระดับความยาก
ปานกลาง
Value iteration
คำนวณว่าแต่ละสถานะของกระบวนการตัดสินใจแบบมาร์คอฟมีค่าแค่ไหน โดยใช้การอัปเดตความเหมาะสมที่สุดของเบลล์แมนซ้ำ ๆ
คุณจะได้เรียนรู้
สมการเบลล์แมนMDP
ยังไม่มีวิธีแก้
ง่าย
Multi-armed bandit แบบ epsilon-greedy
สร้างสมดุลระหว่างการสำรวจและการใช้ประโยชน์ใน multi-armed bandit ด้วยการเลือกการกระทำแบบ epsilon-greedy
คุณจะได้เรียนรู้
สำรวจหรือใช้ประโยชน์Bandit
ยังไม่มีวิธีแก้
ปานกลาง
การอัปเดต Q-learning
ใช้การอัปเดต Q-learning กับลำดับประสบการณ์ และดูรางวัลไหลย้อนกลับไปยังสถานะก่อนหน้า
คุณจะได้เรียนรู้
Q-learningรางวัลแบบมีส่วนลด
ยังไม่มีวิธีแก้
ปานกลาง
อัลกอริทึมการเรียนรู้ของเพอร์เซปตรอน
ฝึกเพอร์เซปตรอนดั้งเดิม ซึ่งปรับน้ำหนักเฉพาะเมื่อทำนายผิด
คุณจะได้เรียนรู้
Perceptronการเรียนรู้แบบออนไลน์
ยังไม่มีวิธีแก้
ปานกลาง
การส่งผ่านไปข้างหน้าในโครงข่ายสองชั้น
ส่งอินพุตผ่านเลเยอร์ซ่อนที่ใช้ ReLU และเลเยอร์เอาต์พุตที่ใช้ sigmoid
คุณจะได้เรียนรู้
Forward passโครงข่ายหลายชั้น
ยังไม่มีวิธีแก้
ง่าย
ฟังก์ชันกระตุ้น
ใช้ sigmoid, ReLU, Leaky ReLU หรือ tanh กับทุกค่าในลิสต์
คุณจะได้เรียนรู้
SigmoidReLU และ tanh
ยังไม่มีวิธีแก้
ปานกลาง
เกรเดียนต์ของนิวรอนหนึ่งตัว
ใช้กฎลูกโซ่หาว่าค่าสูญเสียเปลี่ยนไปอย่างไรตามน้ำหนักแต่ละค่าและไบแอสของนิวรอน sigmoid
คุณจะได้เรียนรู้
กฎลูกโซ่Gradient
ยังไม่มีวิธีแก้
ง่าย
ฟังก์ชันค่าสูญเสีย: MSE, MAE และครอสเอนโทรปี
วัดว่าการทำนายของโมเดลผิดมากแค่ไหน ด้วยค่าคลาดเคลื่อนกำลังสองเฉลี่ย ค่าคลาดเคลื่อนสัมบูรณ์เฉลี่ย หรือไบนารีครอสเอนโทรปี
คุณจะได้เรียนรู้
MSECross-entropy
ยังไม่มีวิธีแก้
ปานกลาง
Layer normalization
ปรับแต่ละแถวให้มีค่าเฉลี่ย 0 และความแปรปรวน 1 จากนั้นปรับสเกลและเลื่อน แบบเดียวกับที่ทุกบล็อก Transformer ทำ
คุณจะได้เรียนรู้
Layer normTransformer
ยังไม่มีวิธีแก้
ง่าย
นิวรอนเทียมหนึ่งตัว
คำนวณเอาต์พุตของนิวรอนหนึ่งตัว: ผลรวมถ่วงน้ำหนักของอินพุตบวกไบแอส แล้วส่งผ่าน sigmoid
คุณจะได้เรียนรู้
นิวรอนผลรวมถ่วงน้ำหนัก
ยังไม่มีวิธีแก้
ปานกลาง
การส่งผ่านไปข้างหน้าในเลเยอร์แบบ dense
คำนวณเอาต์พุตของเลเยอร์นิวรอนที่เชื่อมต่อกันทั้งหมด โดยเลือกฟังก์ชันกระตุ้นได้
คุณจะได้เรียนรู้
Dense layerฟังก์ชันกระตุ้น
ยังไม่มีวิธีแก้
ยาก
การแพร่ย้อนกลับในโครงข่ายสองชั้น
คำนวณเกรเดียนต์ของน้ำหนักและไบแอสทั้งหมดในโครงข่ายที่มีเลเยอร์ซ่อน sigmoid หนึ่งชั้นและเอาต์พุต sigmoid หนึ่งตัว
คุณจะได้เรียนรู้
Backpropagationกฎลูกโซ่
ยังไม่มีวิธีแก้
ง่าย
อนุพันธ์ของฟังก์ชันกระตุ้น
คำนวณอนุพันธ์ของ sigmoid, ReLU, Leaky ReLU หรือ tanh ที่แต่ละค่า ซึ่งเป็นความชันที่ backpropagation ต้องใช้
คุณจะได้เรียนรู้
อนุพันธ์Backpropagation
ยังไม่มีวิธีแก้
ปานกลาง
Gradient descent แบบ mini-batch
ฝึกโมเดลเชิงเส้นโดยอัปเดตน้ำหนักหลังแต่ละ batch เล็ก ๆ แทนที่จะรอจนครบทั้งชุดข้อมูล
คุณจะได้เรียนรู้
Mini-batchGradient descent
ยังไม่มีวิธีแก้
ยาก
Multi-head self-attention
ฉายอินพุตเป็น query, key และ value รัน attention ในหลาย head พร้อมกัน แล้วรวมผลเข้าด้วยกัน
คุณจะได้เรียนรู้
Multi-head attentionการฉายด้วยเมทริกซ์
ยังไม่มีวิธีแก้
ง่าย
Gradient descent พร้อม momentum
ใช้การอัปเดตแบบ momentum ที่เก็บส่วนหนึ่งของก้าวก่อนหน้าไว้ เพื่อให้การฝึกเร่งความเร็วในทิศทางที่คงที่
คุณจะได้เรียนรู้
Momentumตัวปรับค่า
ยังไม่มีวิธีแก้
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
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