- Ausführende
-
Lernen
Python lernen Ausführbare Beispiele, NumPy, pandas und mehr KI / Machine Learning lernenNeuronale Netze, ML und LLMs von Grund auf C/C++ lernen Zeiger, Speicher, STL und modernes C++ C# lernenC#-Grundlagen, OOP, LINQ, Async und .NET-Übungen Matplotlib lernenLinien-, Balken-, Streu- und Kreisdiagramme mit interaktiven Visualisierungen Rust lernenOwnership, Traits, Fehlerbehandlung und Threads Go lernenSlices, Interfaces, Goroutinen und Channels Python-Algorithmen Suche, Sortierung, Rekursion und Visualisierungen O(n) C/C++-Algorithmen Implementierungen in C und C++ vergleichen Programmieren für Kinder Spielend programmieren lernen!
- QuizzeNeu
- AufgabenNeu
- Für LehrkräfteNeu
- Aktualisierungen
- Spendier mir einen Kaffee
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.
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
Schwierig
Skalierte Skalarprodukt-Attention
Implementiere die Attention-Operation, das Herzstück von Transformern und großen Sprachmodellen.
Du lernst
AttentionTransformer
Mittel
Ein Neuron mit Gradientenabstieg trainieren
Wiederhole Vorwärtsdurchlauf, Gradienten und Gewichtsaktualisierung, um einem Sigmoid-Neuron anhand von Beispielen etwas beizubringen.
Du lernst
GradientenabstiegTrainingsschleifen
Noch keine Lösungen
Einfach
Softmax-Funktion
Verwandle Rohwerte in Wahrscheinlichkeiten mit Summe 1, ohne bei großen Werten überzulaufen.
Du lernst
SoftmaxNumerische Stabilität
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
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
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
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
Noch keine Lösungen
Mittel
Informationsgewinn
Berechne, wie stark die Aufteilung nach einem Merkmal die Entropie verringert, das Kriterium hinter ID3-Entscheidungsbäumen.
Du lernst
EntropieEntscheidungsbäume
Noch keine Lösungen
Einfach
Min-Max-Normalisierung
Skaliere ein Merkmal so, dass sein kleinster Wert 0 und sein größter 1 wird.
Du lernst
MerkmalsskalierungDatenvorverarbeitung
Noch keine Lösungen
Mittel
K-Nächste-Nachbarn-Klassifikator
Sage ein Label per Mehrheitsentscheid der k nächstgelegenen Trainingspunkte voraus.
Du lernst
KNNAbstandsmaße
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
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
Noch keine Lösungen
Mittel
Sinusförmige Positionskodierung
Berechne die Sinus- und Kosinus-Positionsvektoren, die Transformer zu den Token-Embeddings addieren.
Du lernst
PositionskodierungTrigonometrie
Noch keine Lösungen
Einfach
Matrizenmultiplikation
Multipliziere zwei Matrizen, die Operation hinter jeder Schicht eines neuronalen Netzes.
Du lernst
MatrizenLineare Algebra
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
Noch keine Lösungen
Einfach
Kategoriale Kreuzentropie
Miss den Verlust eines Mehrklassen-Klassifikators aus seinen vorhergesagten Wahrscheinlichkeiten und den richtigen Klassen.
Du lernst
KlassifikationsverlustLogarithmen
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
Noch keine Lösungen
Nach Thema stöbern
- Anfänger 154
- CS1 90
- Mathematik 76
- Schleifen 58
- Mittelstufe 51
- Oberstufe 50
- ai 47
- Zahlen 46
- maschinelles Lernen 42
- Zahlentheorie 41
- Einführung ins Programmieren 40
- Hausaufgaben 40
- Strings 36
- Wettbewerbsprogrammierung 35
- Arrays 31
- Bedingungen 25
- Project-Euler-Stil 25
- Verschachtelte Schleifen 25
- Muster 24
- Funktionen 21
- Fortgeschritten 20
- Simulation 19
- Dynamische Programmierung 18
- Neuronale Netze 17
- Raster 16
- Primzahlen 14
- Parsing 13
- CS50-Stil 10
- Sortieren 9
- AP Computer Science 8
- Entwurfsmuster 8
- Graphs 8
- Klassen 8
- Matrizen 8
- OOP 8
- Rekursion 8
- Combinatorics 6
- Stacks 6
- Bitmanipulation 5
- Finanzen 5
- Greedy 5
- Große Zahlen 5
- Sequences 5
- Variables 5
- Algorithms 4
- Bildverarbeitung 4
- Bäume 4
- Data-structures 4
- Dictionaries 4
- Geometry 4
- Abstimmungen 3
- Bestärkendes Lernen 3
- Binäre Suche 3
- Fractions 3
- Kürzester Weg 3
- Sliding-window 3
- Spiele 3