Lộ trình học AI

Tự xây dựng mạng nơ-ron bằng JavaScript

15 bài tập đưa bạn từ tích vô hướng đến một mạng nơ-ron tự học được phép XOR, rồi tới các bộ tối ưu hiện đại như Adam, không dùng thư viện AI nào: nơ-ron, hàm kích hoạt, hàm mất mát, gradient, lan truyền ngược và huấn luyện. Hãy giải lần lượt bằng JavaScript; 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

Nền tảng

Vector, hàm kích hoạt và một nơ-ron đơn.

0/3
Học khái niệm trước Nơ-ron và hàm kích hoạt trong Python Đọc bài học →
1. 1 Tích vô hướng của hai vector Dễ Giải bằng JavaScript
2. 2 Các hàm kích hoạt Dễ Giải bằng JavaScript
3. 3 Một nơ-ron nhân tạo Dễ Giải bằng JavaScript
2

Lan truyền xuôi

Các lớp, mạng hai lớp và hàm mất mát.

0/3
Học khái niệm trước Lan truyền xuôi và hàm mất mát trong Python Đọc bài học →
1. 1 Lan truyền xuôi qua một lớp dense Trung bình Giải bằng JavaScript
2. 2 Lan truyền xuôi trong mạng hai lớp Trung bình Giải bằng JavaScript
3. 3 Hàm mất mát: MSE, MAE và cross-entropy Dễ Giải bằng JavaScript
3

Huấn luyện

Gradient, lan truyền ngược và hạ gradient, đến khi giải được XOR.

0/5
Học khái niệm trước Gradient descent và lan truyền ngược trong Python Đọc bài học →
1. 1 Đạo hàm của các hàm kích hoạt Dễ Giải bằng JavaScript
2. 2 Gradient của một nơ-ron Trung bình Giải bằng JavaScript
3. 3 Lan truyền ngược trong mạng hai lớp Khó Giải bằng JavaScript
4. 4 Huấn luyện nơ-ron bằng hạ gradient Trung bình Giải bằng JavaScript
5. 5 Huấn luyện mạng nơ-ron giải bài toán XOR Khó Giải bằng JavaScript
4

Huấn luyện tốt hơn

Khởi tạo trọng số, mini-batch, momentum và Adam.

0/4
Học khái niệm trước Các thuật toán tối ưu cho mạng nơ-ron: SGD, Momentum và Adam trong Python Đọc bài học →
1. 1 Khởi tạo trọng số Xavier và He Dễ Giải bằng JavaScript
2. 2 Hạ gradient theo mini-batch Trung bình Giải bằng JavaScript
3. 3 Hạ gradient với momentum Dễ Giải bằng JavaScript
4. 4 Bộ tối ưu Adam Trung bình Giải bằng JavaScript