- Exécuteurs
-
Apprendre
Apprendre Python Exemples exécutables, NumPy, pandas et plus Apprendre l'IA / Machine LearningRéseaux de neurones, ML et LLM de zéro Apprendre le C et le C++ Pointeurs, mémoire, STL et C++ moderne Apprendre le C#Bases, POO, LINQ, async et exercices .NET Apprendre MatplotlibCourbes, barres, nuages de points et camemberts avec visualiseurs Apprendre RustOwnership, traits, gestion des erreurs et threads Apprendre GoSlices, interfaces, goroutines et channels Algorithmes Python Recherche, tri, récursivité et visualisations O(n) Algorithmes C et C++ Comparer les implémentations en C et C++ Programmation pour enfants Apprends à coder en jouant !
- QuizNouveau
- DéfisNouveau
- EnseignantsNouveau
- Mises à Jour
- Offrez-moi un café
Parcours IA
Apprenez le machine learning en le codant en Kotlin
15 défis où vous écrivez vous-même les algorithmes classiques d'apprentissage automatique, sans bibliothèque : mise à l'échelle des données, régression linéaire et logistique, perceptron, k plus proches voisins, Naive Bayes, découpages d'arbres de décision et k-means. Résolvez-les dans l'ordre en Kotlin ; chacun s'exécute dans votre navigateur avec des tests instantanés et une revue par l'IA.
Connectez-vous pour sauvegarder votre progression dans le parcours.
0%résolu
0 / 15
-
1 Apprenez d'abord le concept Préparation des données pour l'apprentissage automatique en Python Lire la leçon →0/3Travailler avec les données
Produit matriciel et mise à l'échelle des caractéristiques.
- 1 Multiplication de matrices Facile Résoudre en Kotlin
- 2 Normalisation min-max Facile Résoudre en Kotlin
- 3 Standardisation par z-score Facile Résoudre en Kotlin
-
2 Apprenez d'abord le concept Régression linéaire et logistique en Python Lire la leçon →0/4Régression
Ajuster une droite par formule et par descente de gradient, puis prédire des probabilités.
-
3 Apprenez d'abord le concept Bases de la classification : softmax et k plus proches voisins en Python Lire la leçon →0/6Classification
Softmax, entropie croisée, plus proches voisins, Naive Bayes et découpages d'arbres de décision.
- 1 Fonction softmax Facile Résoudre en Kotlin
- 2 Entropie croisée catégorielle Facile Résoudre en Kotlin
- 3 Classifieur des k plus proches voisins Moyen Résoudre en Kotlin
- 4 Classifieur naïf bayésien Moyen Résoudre en Kotlin
- 5 Impureté de Gini Facile Résoudre en Kotlin
- 6 Gain d'information Moyen Résoudre en Kotlin
-
4 Apprenez d'abord le concept Similarité cosinus et clustering k-means en Python Lire la leçon →0/2Similarité et clustering
Similarité cosinus et clustering k-means.
- 1 Similarité cosinus Facile Résoudre en Kotlin
- 2 Partitionnement k-means Moyen Résoudre en Kotlin