Lộ trình học AI

Tự tay lập trình học máy bằng Rust

15 bài tập để bạn tự viết các thuật toán học máy kinh điển, không dùng thư viện: chuẩn hóa dữ liệu, hồi quy tuyến tính và logistic, perceptron, k láng giềng gần nhất, Naive Bayes, cách chia nút cây quyết định và k-means. Hãy giải lần lượt bằng Rust; mỗi bài chạy ngay trên trình duyệt với test tức thì và nhận xét từ AI.

Bắt đầu thử thách đầu tiên

Đăng nhập để lưu tiến trình học của bạn.

0%đã giải

0 / 15

1

Làm việc với dữ liệu

Nhân ma trận và chuẩn hóa đặc trưng.

0/3
Học khái niệm trước Chuẩn bị dữ liệu cho machine learning trong Python Đọc bài học →
1. 1 Nhân ma trận Dễ Giải bằng Rust
2. 2 Chuẩn hóa min-max Dễ Giải bằng Rust
3. 3 Chuẩn hóa z-score Dễ Giải bằng Rust
2

Hồi quy

Khớp đường thẳng bằng công thức và bằng hạ gradient, rồi dự đoán xác suất.

0/4
Học khái niệm trước Hồi quy tuyến tính và hồi quy logistic trong Python Đọc bài học →
1. 1 Hồi quy tuyến tính đơn (bình phương tối thiểu) Trung bình Giải bằng Rust
2. 2 Hồi quy tuyến tính bằng hạ gradient Trung bình Giải bằng Rust
3. 3 Dự đoán bằng hồi quy logistic Dễ Giải bằng Rust
4. 4 Thuật toán học perceptron Trung bình Giải bằng Rust
3

Phân loại

Softmax, cross-entropy, láng giềng gần nhất, Naive Bayes và cách chia nút cây quyết định.

0/6
Học khái niệm trước Phân loại cơ bản: Softmax và k-láng giềng gần nhất trong Python Đọc bài học →
1. 1 Hàm softmax Dễ Giải bằng Rust
2. 2 Hàm mất mát categorical cross-entropy Dễ Giải bằng Rust
3. 3 Bộ phân loại K láng giềng gần nhất Trung bình Giải bằng Rust
4. 4 Bộ phân loại Naive Bayes Trung bình Giải bằng Rust
5. 5 Độ vẩn đục Gini Dễ Giải bằng Rust
6. 6 Độ lợi thông tin Trung bình Giải bằng Rust
4

Độ tương đồng và phân cụm

Độ tương đồng cosine và phân cụm k-means.

0/2
Học khái niệm trước Cosine similarity và phân cụm k-means trong Python Đọc bài học →
1. 1 Độ tương đồng cosine Dễ Giải bằng Rust
2. 2 Phân cụm K-means Trung bình Giải bằng Rust