- 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
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
การถดถอยเชิงเส้นด้วยการลดเกรเดียนต์
เรียนรู้ความชันและจุดตัดแกนของเส้นตรงด้วยการไล่ลงตามค่าคลาดเคลื่อนกำลังสองเฉลี่ยซ้ำๆ
คุณจะได้เรียนรู้
Gradient descentการถดถอย
ยังไม่มีวิธีแก้
ปานกลาง
การรวมแบบ Byte Pair Encoding (BPE)
เรียนรู้การรวม subword แบบเดียวกับ tokenizer ของ GPT: รวมคู่สัญลักษณ์ข้างเคียงที่พบบ่อยที่สุดซ้ำ ๆ
คุณจะได้เรียนรู้
BPEการตัด token ระดับ subword
ยังไม่มีวิธีแก้
ง่าย
ความคล้ายคลึงโคไซน์
วัดว่าเวกเตอร์สองตัวคล้ายกันแค่ไหนจากมุมระหว่างกัน แบบเดียวกับที่เสิร์ชเอนจินเปรียบเทียบ embedding
คุณจะได้เรียนรู้
ความคล้ายของเวกเตอร์Embedding
ยังไม่มีวิธีแก้
ง่าย
การทำนายด้วยการถดถอยโลจิสติก
จำแนกตัวอย่างเป็น 0 หรือ 1 โดยส่งผลรวมถ่วงน้ำหนักผ่าน sigmoid แล้วเทียบกับค่าเกณฑ์
คุณจะได้เรียนรู้
Logistic regressionค่าเกณฑ์
ยังไม่มีวิธีแก้
ปานกลาง
การถดถอยเชิงเส้นอย่างง่าย (กำลังสองน้อยที่สุด)
หาเส้นตรงที่เข้ากับจุดข้อมูลมากที่สุดด้วยสูตรกำลังสองน้อยที่สุด
คุณจะได้เรียนรู้
กำลังสองน้อยที่สุดการถดถอย
ยังไม่มีวิธีแก้
ง่าย
การเข้ารหัสแบบ one-hot
แปลงหมวดหมู่เป็นเวกเตอร์ที่มีเลข 1 เพียงตัวเดียว ซึ่งเป็นรูปแบบอินพุตของตัวจำแนกและ embedding
คุณจะได้เรียนรู้
เวกเตอร์ one-hotข้อมูลเชิงหมวดหมู่
ยังไม่มีวิธีแก้
ง่าย
ค่าความไม่บริสุทธิ์ของจีนี
วัดว่าป้ายกำกับในกลุ่มปะปนกันแค่ไหน ซึ่งเป็นคะแนนที่ต้นไม้ตัดสินใจใช้เลือกการแบ่ง
คุณจะได้เรียนรู้
ต้นไม้ตัดสินใจตัววัดความไม่บริสุทธิ์
ยังไม่มีวิธีแก้
ง่าย
ฟังก์ชันค่าสูญเสียแบบ categorical cross-entropy
วัดค่าสูญเสียของตัวจำแนกหลายคลาสจากความน่าจะเป็นที่ทำนายและคลาสที่ถูกต้อง
คุณจะได้เรียนรู้
Loss ของการจำแนกประเภทลอการิทึม
ยังไม่มีวิธีแก้
ปานกลาง
การเข้ารหัสตำแหน่งแบบไซน์
คำนวณเวกเตอร์ตำแหน่งแบบไซน์และโคไซน์ที่ Transformer บวกเข้ากับ embedding ของ token
คุณจะได้เรียนรู้
การเข้ารหัสตำแหน่งตรีโกณมิติ
ยังไม่มีวิธีแก้
ง่าย
การปรับสเกลแบบ min-max
ปรับสเกลฟีเจอร์ให้ค่าที่น้อยที่สุดเป็น 0 และค่าที่มากที่สุดเป็น 1
คุณจะได้เรียนรู้
ปรับสเกลฟีเจอร์เตรียมข้อมูล
ยังไม่มีวิธีแก้
ปานกลาง
การจัดกลุ่มแบบ K-means
แบ่งจุดออกเป็น k กลุ่มโดยกำหนดจุดให้กับเซนทรอยด์ที่ใกล้ที่สุดและย้ายเซนทรอยด์ซ้ำไปเรื่อยๆ
คุณจะได้เรียนรู้
การจัดกลุ่มจุดศูนย์กลาง
ยังไม่มีวิธีแก้
ปานกลาง
ตัวจำแนกแบบ Naive Bayes
ทำนายคลาสจากฟีเจอร์แบบหมวดหมู่ด้วยทฤษฎีบทของเบย์และการปรับเรียบแบบลาปลาซ
คุณจะได้เรียนรู้
ทฤษฎีบทของเบย์Laplace smoothing
ยังไม่มีวิธีแก้
ง่าย
การปรับมาตรฐานด้วย z-score
ทำให้ฟีเจอร์มีค่าเฉลี่ย 0 และส่วนเบี่ยงเบนมาตรฐาน 1
คุณจะได้เรียนรู้
การทำให้เป็นมาตรฐานค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐาน
ยังไม่มีวิธีแก้
ปานกลาง
Self-attention แบบ causal (มีมาสก์)
Implement attention แบบมีมาสก์ของโมเดล GPT ซึ่งแต่ละ token มองเห็นได้เฉพาะตัวเองและ token ก่อนหน้า
คุณจะได้เรียนรู้
Attention แบบมีมาสก์โมเดล GPT
ยังไม่มีวิธีแก้
ง่าย
ฟังก์ชัน softmax
เปลี่ยนคะแนนดิบให้เป็นความน่าจะเป็นที่รวมกันได้ 1 โดยไม่เกิดการล้นของตัวเลขเมื่อค่ามีขนาดใหญ่
คุณจะได้เรียนรู้
Softmaxเสถียรภาพเชิงตัวเลข
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