- एक्ज़िक्यूटर्स
-
सीखें
Python सीखें चलने योग्य उदाहरण, NumPy, pandas और बहुत कुछ AI / मशीन लर्निंग सीखेंन्यूरल नेटवर्क, ML और LLM शुरू से C और C++ सीखें पॉइंटर, मेमोरी, STL और आधुनिक C++ C# सीखेंC# मूल बातें, OOP, LINQ, async और .NET अभ्यास Matplotlib सीखेंलाइन, बार, स्कैटर और पाई चार्ट, इंटरैक्टिव विज़ुअलाइज़र के साथ Rust सीखेंOwnership, traits, एरर हैंडलिंग और threads Go सीखेंSlices, interfaces, goroutines और channels Python एल्गोरिदम खोज, सॉर्टिंग, रिकर्शन और विज़ुअलाइज़र O(n) C और C++ एल्गोरिदम C और C++ कार्यान्वयन की तुलना करें बच्चों के लिए कोडिंग खेलते-खेलते कोडिंग सीखो!
- क्विज़नया
- चैलेंजनया
- शिक्षकों के लिएनया
- अपडेट्स
- मुझे एक कॉफ़ी पिलाएँ
मशीन लर्निंग कोडिंग चैलेंज
आसान से कठिन तक 42 कोडिंग चैलेंज के साथ मशीन लर्निंग का अभ्यास करें। हर चैलेंज ब्राउज़र में चलता है, तुरंत टेस्ट, आपके कोड का AI रिव्यू और तुलना के लिए कम्युनिटी के समाधान के साथ।
आसान · 18 मध्यम · 20 कठिन · 4
जिन कौशलों का अभ्यास करेंगे: ग्रेडिएंट डिसेंटTransformerचेन नियमडिसीज़न ट्रीबैकप्रोपेगेशनरिग्रेशनAdamBPEGPT मॉडलKNNMDPMSE
- Python · C++ · C#
- स्वचालित परीक्षण
- AI कोड समीक्षा
- समुदाय समाधान
- 341
- चुनौतियाँ
- 245
- साझा समाधान
- 9
- भाषाएँ
सभी चुनौतियाँ
नाम या विषय से खोजें, या कठिनाई से फ़िल्टर करें।
आसान
दो वेक्टरों का डॉट प्रोडक्ट
दो वेक्टरों के हर तत्व को आपस में गुणा करके परिणाम जोड़ें, यही हर न्यूरॉन की मूल गणना है।
आप सीखेंगे
वेक्टरडॉट प्रोडक्ट
आसान
एक्टिवेशन फ़ंक्शन
सूची के हर मान पर sigmoid, ReLU, Leaky ReLU या tanh लागू करें।
आप सीखेंगे
सिग्मॉइडReLU और tanh
मध्यम
वैल्यू इटरेशन
बेलमैन ऑप्टिमैलिटी अपडेट को बार-बार लागू करके मार्कोव निर्णय प्रक्रिया की हर अवस्था का मूल्य निकालें।
आप सीखेंगे
बेलमैन समीकरणMDP
अभी तक कोई समाधान नहीं
आसान
एप्सिलॉन-ग्रीडी मल्टी-आर्म्ड बैंडिट
एप्सिलॉन-ग्रीडी क्रिया चयन से मल्टी-आर्म्ड बैंडिट पर खोज और उपयोग के बीच संतुलन बनाएँ।
आप सीखेंगे
खोज बनाम उपयोगबैंडिट
अभी तक कोई समाधान नहीं
मध्यम
परसेप्ट्रॉन लर्निंग एल्गोरिदम
मूल परसेप्ट्रॉन को ट्रेन करें, जो गलती होने पर ही अपने वेट बदलता है।
आप सीखेंगे
परसेप्ट्रॉनऑनलाइन लर्निंग
अभी तक कोई समाधान नहीं
मध्यम
Q-लर्निंग अपडेट
अनुभवों की धारा पर Q-लर्निंग अपडेट लागू करें और देखें कि इनाम पिछली अवस्थाओं तक कैसे वापस पहुँचते हैं।
आप सीखेंगे
Q-लर्निंगडिस्काउंटेड इनाम
अभी तक कोई समाधान नहीं
आसान
लॉस फ़ंक्शन: MSE, MAE और क्रॉस-एंट्रॉपी
मीन स्क्वेयर्ड एरर, मीन एब्सोल्यूट एरर या बाइनरी क्रॉस-एंट्रॉपी से मापें कि मॉडल की भविष्यवाणियाँ कितनी गलत हैं।
आप सीखेंगे
MSEक्रॉस-एंट्रॉपी
अभी तक कोई समाधान नहीं
आसान
एक कृत्रिम न्यूरॉन
एक न्यूरॉन का आउटपुट निकालें: इनपुट का वेटेड योग और बायस, फिर sigmoid से गुज़ारें।
आप सीखेंगे
न्यूरॉनभारित योग
मध्यम
दो-लेयर नेटवर्क में फ़ॉरवर्ड प्रोपेगेशन
इनपुट को ReLU हिडन लेयर और sigmoid आउटपुट लेयर से गुज़ारें।
आप सीखेंगे
फ़ॉरवर्ड पासबहु-लेयर नेटवर्क
अभी तक कोई समाधान नहीं
मध्यम
डेंस लेयर का फ़ॉरवर्ड पास
अपनी पसंद के एक्टिवेशन के साथ एक पूरी तरह जुड़ी (fully connected) न्यूरॉन लेयर के आउटपुट निकालें।
आप सीखेंगे
डेंस लेयरएक्टिवेशन
अभी तक कोई समाधान नहीं
मध्यम
लेयर नॉर्मलाइज़ेशन
हर पंक्ति को माध्य 0 और प्रसरण 1 पर नॉर्मलाइज़ करें, फिर स्केल और शिफ़्ट करें, जैसा हर Transformer ब्लॉक करता है।
आप सीखेंगे
लेयर नॉर्मTransformer
आसान
एक्टिवेशन फ़ंक्शन के डेरिवेटिव
हर मान पर sigmoid, ReLU, Leaky ReLU या tanh का डेरिवेटिव निकालें, यानी वे ढलान जिनकी बैकप्रोपेगेशन को ज़रूरत होती है।
आप सीखेंगे
डेरिवेटिवबैकप्रोपेगेशन
अभी तक कोई समाधान नहीं
कठिन
दो-लेयर नेटवर्क में बैकप्रोपेगेशन
एक sigmoid हिडन लेयर और एक sigmoid आउटपुट वाले नेटवर्क के सभी वेट और बायस ग्रेडिएंट निकालें।
आप सीखेंगे
बैकप्रोपेगेशनचेन नियम
मध्यम
एक न्यूरॉन के ग्रेडिएंट
चेन रूल से पता करें कि sigmoid न्यूरॉन के हर वेट और बायस के साथ लॉस कैसे बदलता है।
आप सीखेंगे
चेन नियमग्रेडिएंट
अभी तक कोई समाधान नहीं
मध्यम
मिनी-बैच ग्रेडिएंट डिसेंट
पूरे डेटासेट के बाद नहीं, बल्कि हर छोटे बैच के बाद वज़न अपडेट करके एक रैखिक मॉडल को ट्रेन करें।
आप सीखेंगे
मिनी-बैचग्रेडिएंट डिसेंट
अभी तक कोई समाधान नहीं
आसान
मोमेंटम के साथ ग्रेडिएंट डिसेंट
मोमेंटम अपडेट लागू करें जो पिछले कदम का कुछ हिस्सा बनाए रखते हैं, ताकि एक ही दिशा में ट्रेनिंग तेज़ हो।
आप सीखेंगे
मोमेंटमऑप्टिमाइज़र
अभी तक कोई समाधान नहीं
मध्यम
Adam ऑप्टिमाइज़र
डीप लर्निंग के डिफ़ॉल्ट ऑप्टिमाइज़र Adam को मूविंग एवरेज और बायस करेक्शन के साथ लागू करें।
आप सीखेंगे
Adamबायस करेक्शन
अभी तक कोई समाधान नहीं
आसान
Xavier और He वेट इनिशियलाइज़ेशन
किसी लेयर के वेट शुरू करने के लिए इस्तेमाल होने वाली रेंज या मानक विचलन निकालें।
आप सीखेंगे
Xavier और He इनिशियलाइज़ेशनट्रेनिंग की स्थिरता
अभी तक कोई समाधान नहीं
विषय के अनुसार देखें
- शुरुआती 154
- CS1 90
- गणित 76
- लूप 58
- मध्यम स्तर 51
- हाई स्कूल 50
- एआई 47
- संख्याएँ 46
- मशीन लर्निंग 42
- संख्या सिद्धांत 41
- गृहकार्य 40
- प्रोग्रामिंग की शुरुआत 40
- Strings 36
- कॉम्पिटिटिव प्रोग्रामिंग 35
- Arrays 31
- Project Euler शैली 25
- नेस्टेड लूप 25
- शर्तें (if-else) 25
- पैटर्न 24
- फ़ंक्शन 21
- उन्नत 20
- Simulation 19
- डायनेमिक प्रोग्रामिंग 18
- न्यूरल नेटवर्क 17
- ग्रिड 16
- अभाज्य संख्याएँ 14
- पार्सिंग 13
- CS50 शैली 10
- सॉर्टिंग 9
- AP Computer Science 8
- Graphs 8
- OOP 8
- क्लास 8
- डिज़ाइन पैटर्न 8
- मैट्रिक्स 8
- रिकर्शन 8
- Combinatorics 6
- स्टैक 6
- Greedy 5
- Sequences 5
- Variables 5
- बड़े पूर्णांक 5
- बिट मैनिपुलेशन 5
- वित्त 5
- Algorithms 4
- Data-structures 4
- Geometry 4
- इमेज प्रोसेसिंग 4
- ट्री 4
- डिक्शनरी 4
- Fractions 3
- Sliding-window 3
- खेल 3
- बाइनरी सर्च 3
- मतदान 3
- रीइन्फ़ोर्समेंट लर्निंग 3
- सबसे छोटा रास्ता 3