CodeUtility
ใช้ชีวิตนักพัฒนาให้ง่ายขึ้นไปอีก!

โจทย์เขียนโค้ดเรื่องการเรียนรู้แบบเสริมกำลัง

ฝึกการเรียนรู้แบบเสริมกำลังด้วยโจทย์เขียนโค้ด 3 ข้อ ตั้งแต่ง่ายไปจนถึงยาก ทุกโจทย์รันในเบราว์เซอร์ พร้อมการทดสอบทันที รีวิวโค้ดจาก AI และคำตอบจากชุมชนให้เปรียบเทียบ

ง่าย · 1 ปานกลาง · 2

ทักษะที่จะได้ฝึก: BanditMDPQ-learningรางวัลแบบมีส่วนลดสมการเบลล์แมนสำรวจหรือใช้ประโยชน์
  • Python · C++ · C#
  • ทดสอบอัตโนมัติ
  • รีวิวโค้ดโดย AI
  • แนวทางจากชุมชน
การเขียนโปรแกรม
พื้นฐานการเขียนโปรแกรมตั้งแต่ตัวแปรถึง recursion สำหรับผู้เริ่มต้น
AI และ machine learning
ศูนย์เรียนรู้ AIโครงข่ายประสาท ML และ LLM ตั้งแต่ศูนย์ โครงข่ายประสาทเทียมตั้งแต่ศูนย์นิวรอน backpropagation และตัวปรับค่า Machine learning ตั้งแต่ศูนย์การถดถอย การจำแนกประเภท และการจัดกลุ่ม Transformer และ LLM ตั้งแต่ศูนย์Tokenizer, attention และการสร้างข้อความ AI คลาสสิกและการเรียนรู้แบบเสริมกำลังการค้นหา เกม และการเรียนรู้แบบเสริมกำลัง
226
โจทย์
2
วิธีแก้ที่แชร์
3
ภาษา

โจทย์ทั้งหมด

ค้นหาตามหัวข้อ ภาษา หรือระดับความยาก

3 โจทย์
ปานกลาง

Value iteration

คำนวณว่าแต่ละสถานะของกระบวนการตัดสินใจแบบมาร์คอฟมีค่าแค่ไหน โดยใช้การอัปเดตความเหมาะสมที่สุดของเบลล์แมนซ้ำ ๆ

คุณจะได้เรียนรู้ สมการเบลล์แมนMDP
การเรียนรู้แบบเสริมกำลังaiการเรียนรู้ของเครื่อง
Python C++ C#
0 ข้อที่แก้แล้ว
ยังไม่มีวิธีแก้
ง่าย

Multi-armed bandit แบบ epsilon-greedy

สร้างสมดุลระหว่างการสำรวจและการใช้ประโยชน์ใน multi-armed bandit ด้วยการเลือกการกระทำแบบ epsilon-greedy

คุณจะได้เรียนรู้ สำรวจหรือใช้ประโยชน์Bandit
การเรียนรู้แบบเสริมกำลังaiการเรียนรู้ของเครื่อง
Python C++ C#
0 ข้อที่แก้แล้ว
ยังไม่มีวิธีแก้
ปานกลาง

การอัปเดต Q-learning

ใช้การอัปเดต Q-learning กับลำดับประสบการณ์ และดูรางวัลไหลย้อนกลับไปยังสถานะก่อนหน้า

คุณจะได้เรียนรู้ Q-learningรางวัลแบบมีส่วนลด
การเรียนรู้แบบเสริมกำลังaiการเรียนรู้ของเครื่อง
Python C++ C#
0 ข้อที่แก้แล้ว
ยังไม่มีวิธีแก้

เลือกตามหัวข้อ

เลือกตามภาษา