Thử thách lập trình C++

226 thử thách bạn có thể giải bằng C++, từ vòng lặp đầu tiên đến đồ thị, quy hoạch động và học máy. Viết code trên trình duyệt, chạy kiểm thử ngay và nhận nhận xét từ AI.

Dễ · 134 Trung bình · 68 Khó · 24

Kỹ năng bạn sẽ luyện: ĐếmTách chuỗiTách chữ sốCông thứcDanh sáchDanh sách 2 chiềuSố họcVòng lặpChia lấy dưHai con trỏHạ gradientKiểm tra hợp lệ
  • Python · C++ · C#
  • Kiểm tra tự động
  • Đánh giá mã bằng AI
  • Giải pháp cộng đồng
226
Thử thách
2
Giải pháp đã chia sẻ
3
Ngôn ngữ

Tất cả thử thách

Tìm theo chủ đề, ngôn ngữ hoặc độ khó.

226 thử thách
Dễ

Khởi tạo trọng số Xavier và He

Tính khoảng giá trị hoặc độ lệch chuẩn dùng để khởi tạo trọng số của một lớp.

Bạn sẽ học Khởi tạo Xavier và HeỔn định huấn luyện
Mạng nơ-rontrí tuệ nhân tạohọc máy
Chưa có lời giải
Khó

Huấn luyện mạng nơ-ron giải bài toán XOR

Kết hợp tất cả: huấn luyện mạng sigmoid 2-2-1 bằng lan truyền ngược cho đến khi học được XOR.

Bạn sẽ học Huấn luyện mạng nơ-ronBài toán XOR
Mạng nơ-rontrí tuệ nhân tạohọc máy
Chưa có lời giải
Trung bình

Bộ tối ưu Adam

Cài đặt Adam, bộ tối ưu mặc định của học sâu, với trung bình trượt và hiệu chỉnh độ lệch.

Bạn sẽ học AdamHiệu chỉnh độ lệch
Mạng nơ-rontrí tuệ nhân tạohọc máy
Chưa có lời giải
Trung bình

Lấy mẫu với temperature và top-k

Chọn token tiếp theo như mô hình ngôn ngữ: giữ k logit cao nhất, áp dụng temperature rồi lấy mẫu.

Bạn sẽ học Sinh văn bảnLấy mẫu
trí tuệ nhân tạohọc máy
Chưa có lời giải
Trung bình

Huấn luyện nơ-ron bằng hạ gradient

Lặp lại lan truyền xuôi, tính gradient và cập nhật trọng số để dạy một nơ-ron sigmoid từ các ví dụ.

Bạn sẽ học Hạ gradientVòng lặp huấn luyện
Mạng nơ-rontrí tuệ nhân tạohọc máy
Chưa có lời giải
Dễ

Flatten a 2D Array

Combine the rows of a 2D integer array into one array.

Bạn sẽ học Mảng 2 chiềuVòng lặp lồng nhau
ArraysLoops
Chưa có lời giải
Trung bình

Hồi quy tuyến tính bằng hạ gradient

Học hệ số góc và hệ số chặn của đường thẳng bằng cách liên tục đi xuống theo sai số bình phương trung bình.

Bạn sẽ học Hạ gradientHồi quy
trí tuệ nhân tạohọc máy
Chưa có lời giải
Trung bình

Các lần gộp Byte Pair Encoding (BPE)

Học cách gộp từ con như tokenizer của GPT: liên tục gộp cặp ký hiệu liền kề xuất hiện nhiều nhất.

Bạn sẽ học BPETách token subword
trí tuệ nhân tạohọc máy
Chưa có lời giải
Dễ

Độ tương đồng cosine

Đo mức giống nhau của hai vector theo góc giữa chúng, như cách công cụ tìm kiếm so sánh embedding.

Bạn sẽ học Độ tương đồng vectorEmbedding
trí tuệ nhân tạohọc máy
Chưa có lời giải
Dễ

Dự đoán bằng hồi quy logistic

Phân loại mẫu thành 0 hoặc 1 bằng cách đưa tổng có trọng số qua sigmoid và so sánh với một ngưỡng.

Bạn sẽ học Hồi quy logisticNgưỡng
trí tuệ nhân tạohọc máy
Chưa có lời giải
Trung bình

Hồi quy tuyến tính đơn (bình phương tối thiểu)

Tìm đường thẳng khớp nhất với các điểm dữ liệu bằng công thức bình phương tối thiểu.

Bạn sẽ học Bình phương tối thiểuHồi quy
trí tuệ nhân tạohọc máy
Chưa có lời giải
Dễ

Mã hóa one-hot

Biến các danh mục thành vector chỉ có một số 1, định dạng đầu vào cho bộ phân loại và embedding.

Bạn sẽ học Vector one-hotDữ liệu phân loại
trí tuệ nhân tạohọc máy
Chưa có lời giải
Dễ

Độ vẩn đục Gini

Đo mức độ trộn lẫn của các nhãn trong một nhóm, tiêu chí cây quyết định dùng để chọn cách chia.

Bạn sẽ học Cây quyết địnhĐộ đo tạp chất
trí tuệ nhân tạohọc máy
Chưa có lời giải
Dễ

Hàm mất mát categorical cross-entropy

Đo mất mát của bộ phân loại nhiều lớp từ xác suất dự đoán và lớp đúng.

Bạn sẽ học Hàm mất mát phân loạiLogarit
trí tuệ nhân tạohọc máy
Chưa có lời giải
Trung bình

Mã hóa vị trí dạng sin

Tính các vector vị trí dùng sin và cos mà Transformer cộng vào embedding của token.

Bạn sẽ học Mã hóa vị tríLượng giác
trí tuệ nhân tạohọc máy
Chưa có lời giải
Dễ

Chuẩn hóa min-max

Co giãn một đặc trưng để giá trị nhỏ nhất thành 0 và lớn nhất thành 1.

Bạn sẽ học Chuẩn hóa đặc trưngTiền xử lý dữ liệu
trí tuệ nhân tạohọc máy
Chưa có lời giải
Trung bình

Phân cụm K-means

Chia các điểm thành k cụm bằng cách lặp lại việc gán điểm vào tâm cụm gần nhất và dời tâm cụm.

Bạn sẽ học Phân cụmTâm cụm
trí tuệ nhân tạohọc máy
Chưa có lời giải
Trung bình

Bộ phân loại Naive Bayes

Dự đoán lớp từ các đặc trưng phân loại bằng định lý Bayes và làm trơn Laplace.

Bạn sẽ học Định lý BayesLàm trơn Laplace
trí tuệ nhân tạohọc máy
Chưa có lời giải