Coding-Challenges zu Maschinelles Lernen

Übe maschinelles Lernen mit 42 Coding-Challenges, von leicht bis schwer. Jede Challenge läuft im Browser, mit sofortigen Tests, einem KI-Review deines Codes und Community-Lösungen zum Vergleichen.

Einfach · 18 Mittel · 20 Schwierig · 4

Fähigkeiten, die du übst: GradientenabstiegBackpropagationEntscheidungsbäumeKettenregelRegressionTransformerAbleitungenAbstandsmaßeAdamAktivierungenAttentionBPE
  • Python · C++ · C#
  • Automatisierte Tests
  • KI-Code-Review
  • Community-Lösungen
341
Herausforderungen
245
Geteilte Lösungen
9
Sprachen

Alle Herausforderungen

Nach Name oder Thema suchen oder nach Schwierigkeitsgrad filtern.

42 Herausforderungen
Schwierig

Ein neuronales Netz trainieren, das XOR löst

Alles zusammen: Trainiere ein 2-2-1-Sigmoid-Netz mit Backpropagation, bis es XOR lernt.

Du lernst Training neuronaler NetzeXOR-Problem
Neuronale Netzeaimaschinelles Lernen
Schwierig

Skalierte Skalarprodukt-Attention

Implementiere die Attention-Operation, das Herzstück von Transformern und großen Sprachmodellen.

Du lernst AttentionTransformer
aimaschinelles Lernen
Mittel

Ein Neuron mit Gradientenabstieg trainieren

Wiederhole Vorwärtsdurchlauf, Gradienten und Gewichtsaktualisierung, um einem Sigmoid-Neuron anhand von Beispielen etwas beizubringen.

Du lernst GradientenabstiegTrainingsschleifen
Neuronale Netzeaimaschinelles Lernen
Noch keine Lösungen
Einfach

Softmax-Funktion

Verwandle Rohwerte in Wahrscheinlichkeiten mit Summe 1, ohne bei großen Werten überzulaufen.

Du lernst SoftmaxNumerische Stabilität
aimaschinelles Lernen
Noch keine Lösungen
Schwierig

Multi-Head-Self-Attention

Projiziere die Eingabe in Queries, Keys und Values, führe Attention in mehreren Heads parallel aus und kombiniere sie.

Du lernst Multi-Head-AttentionMatrixprojektionen
aimaschinelles Lernen
Mittel

Kausale (maskierte) Self-Attention

Implementiere die maskierte Attention von GPT-Modellen, bei der jedes Token nur sich selbst und frühere Tokens sehen kann.

Du lernst Maskierte AttentionGPT-Modelle
aimaschinelles Lernen
Noch keine Lösungen
Einfach

Kosinus-Ähnlichkeit

Miss die Ähnlichkeit zweier Vektoren über den Winkel zwischen ihnen, wie Suchmaschinen es mit Embeddings tun.

Du lernst VektorähnlichkeitEmbeddings
aimaschinelles Lernen
Noch keine Lösungen
Einfach

Wort-Tokenizer und Vokabular

Zerlege Text in kleingeschriebene Wörter und baue ein nach Häufigkeit sortiertes Vokabular, der erste Schritt jedes Sprachmodells.

Du lernst TokenisierungVokabular aufbauen
aimaschinelles Lernen
Noch keine Lösungen
Mittel

Informationsgewinn

Berechne, wie stark die Aufteilung nach einem Merkmal die Entropie verringert, das Kriterium hinter ID3-Entscheidungsbäumen.

Du lernst EntropieEntscheidungsbäume
aimaschinelles Lernen
Noch keine Lösungen
Einfach

Min-Max-Normalisierung

Skaliere ein Merkmal so, dass sein kleinster Wert 0 und sein größter 1 wird.

Du lernst MerkmalsskalierungDatenvorverarbeitung
aimaschinelles Lernen
Noch keine Lösungen
Mittel

K-Nächste-Nachbarn-Klassifikator

Sage ein Label per Mehrheitsentscheid der k nächstgelegenen Trainingspunkte voraus.

Du lernst KNNAbstandsmaße
aimaschinelles Lernen
Mittel

K-Means-Clustering

Teile Punkte in k Cluster ein, indem du sie wiederholt dem nächsten Zentroid zuordnest und die Zentroide verschiebst.

Du lernst ClusteringZentroide
aimaschinelles Lernen
Noch keine Lösungen
Mittel

Naive-Bayes-Klassifikator

Sage eine Klasse aus kategorialen Merkmalen mit dem Satz von Bayes und Laplace-Glättung voraus.

Du lernst Satz von BayesLaplace-Glättung
aimaschinelles Lernen
Noch keine Lösungen
Mittel

Sinusförmige Positionskodierung

Berechne die Sinus- und Kosinus-Positionsvektoren, die Transformer zu den Token-Embeddings addieren.

Du lernst PositionskodierungTrigonometrie
aimaschinelles Lernen
Noch keine Lösungen
Einfach

Matrizenmultiplikation

Multipliziere zwei Matrizen, die Operation hinter jeder Schicht eines neuronalen Netzes.

Du lernst MatrizenLineare Algebra
aimaschinelles Lernen
Noch keine Lösungen
Einfach

Z-Score-Standardisierung

Zentriere ein Merkmal auf 0 und skaliere es auf eine Standardabweichung von 1.

Du lernst StandardisierungMittelwert und Standardabweichung
aimaschinelles Lernen
Noch keine Lösungen
Einfach

Kategoriale Kreuzentropie

Miss den Verlust eines Mehrklassen-Klassifikators aus seinen vorhergesagten Wahrscheinlichkeiten und den richtigen Klassen.

Du lernst KlassifikationsverlustLogarithmen
aimaschinelles Lernen
Noch keine Lösungen
Einfach

Vorhersage mit logistischer Regression

Klassifiziere Beispiele als 0 oder 1, indem du eine gewichtete Summe durch Sigmoid leitest und mit einem Schwellenwert vergleichst.

Du lernst Logistische RegressionSchwellenwerte
aimaschinelles Lernen
Noch keine Lösungen