Ai 코딩 챌린지

쉬운 문제부터 어려운 문제까지 47개의 코딩 챌린지로 ai을(를) 연습하세요. 모든 챌린지는 브라우저에서 실행되며 즉시 테스트, AI 코드 리뷰, 비교할 수 있는 커뮤니티 풀이를 제공합니다.

쉬움 · 19 보통 · 24 어려움 · 4

연습할 기술: 경사 하강법결정 트리역전파연쇄 법칙트랜스포머회귀A* 탐색AdamBPEGPT 모델KNNMDP
  • Python · C++ · C#
  • 자동 테스트
  • AI 코드 리뷰
  • 커뮤니티 솔루션
341
챌린지
245
공유된 솔루션
9
언어

모든 챌린지

이름이나 주제로 검색하거나 난이도로 필터링하세요.

47개 챌린지
보통

미니배치 경사 하강법

전체 데이터가 아니라 작은 배치마다 가중치를 갱신해 선형 모델을 학습시킵니다.

배우는 내용 미니배치경사 하강법
신경망ai머신 러닝
아직 풀이가 없습니다
보통

미니맥스 틱택토

미니맥스로 게임 트리 전체를 탐색해 틱택토의 완벽한 수를 고릅니다.

배우는 내용 미니맥스게임 트리
재귀ai
아직 풀이가 없습니다
쉬움

모멘텀 경사 하강법

이전 단계의 일부를 유지하는 모멘텀 갱신으로 일관된 방향의 학습을 가속합니다.

배우는 내용 모멘텀옵티마이저
신경망ai머신 러닝
아직 풀이가 없습니다
보통

Adam 옵티마이저

딥러닝의 기본 옵티마이저인 Adam을 이동 평균과 편향 보정과 함께 구현합니다.

배우는 내용 Adam편향 보정
신경망ai머신 러닝
아직 풀이가 없습니다
쉬움

Xavier와 He 가중치 초기화

레이어의 가중치를 초기화할 때 쓰는 범위나 표준편차를 계산합니다.

배우는 내용 Xavier와 He 초기화학습 안정성
신경망ai머신 러닝
아직 풀이가 없습니다
어려움

XOR을 푸는 신경망 학습시키기

모든 것을 합쳐서: 2-2-1 sigmoid 신경망을 역전파로 XOR을 학습할 때까지 훈련합니다.

배우는 내용 신경망 학습XOR 문제
신경망ai머신 러닝
어려움

스케일드 닷-프로덕트 어텐션

트랜스포머와 대규모 언어 모델의 핵심인 어텐션 연산을 구현합니다.

배우는 내용 어텐션트랜스포머
ai머신 러닝
보통

경사 하강법으로 뉴런 학습시키기

순전파, 기울기 계산, 가중치 갱신을 반복해 예제로부터 sigmoid 뉴런을 학습시킵니다.

배우는 내용 경사 하강법학습 루프
신경망ai머신 러닝
아직 풀이가 없습니다
쉬움

소프트맥스 함수

큰 값에서도 오버플로 없이 원시 점수를 합이 1인 확률로 바꿉니다.

배우는 내용 소프트맥스수치 안정성
ai머신 러닝
아직 풀이가 없습니다
어려움

멀티헤드 셀프 어텐션

입력을 쿼리, 키, 값으로 투영하고 여러 헤드에서 병렬로 어텐션을 실행한 뒤 결합합니다.

배우는 내용 멀티헤드 어텐션행렬 사영
ai머신 러닝
보통

인과적(마스크) 셀프 어텐션

GPT 모델이 쓰는 마스크 어텐션을 구현합니다. 각 토큰은 자신과 이전 토큰만 볼 수 있습니다.

배우는 내용 마스크드 어텐션GPT 모델
ai머신 러닝
아직 풀이가 없습니다
쉬움

코사인 유사도

두 벡터 사이의 각도로 유사도를 측정합니다. 검색 엔진이 임베딩을 비교하는 방식입니다.

배우는 내용 벡터 유사도임베딩
ai머신 러닝
아직 풀이가 없습니다
쉬움

단어 토크나이저와 어휘 사전

텍스트를 소문자 단어로 나누고 빈도순 어휘 사전을 만듭니다. 모든 언어 모델의 첫 단계입니다.

배우는 내용 토큰화어휘 구축
ai머신 러닝
아직 풀이가 없습니다
보통

정보 이득

특성으로 분할했을 때 엔트로피가 얼마나 줄어드는지 계산합니다. ID3 결정 트리의 기준입니다.

배우는 내용 엔트로피결정 트리
ai머신 러닝
아직 풀이가 없습니다
쉬움

최소-최대 정규화

특성의 최솟값이 0, 최댓값이 1이 되도록 스케일을 조정합니다.

배우는 내용 특성 스케일링데이터 전처리
ai머신 러닝
아직 풀이가 없습니다
보통

K-평균 군집화

가장 가까운 중심에 점을 배정하고 중심을 옮기는 과정을 반복해 점들을 k개의 군집으로 나눕니다.

배우는 내용 군집화중심점
ai머신 러닝
아직 풀이가 없습니다
보통

사인파 위치 인코딩

트랜스포머가 토큰 임베딩에 더하는 사인과 코사인 위치 벡터를 계산합니다.

배우는 내용 위치 인코딩삼각함수
ai머신 러닝
아직 풀이가 없습니다
보통

K-최근접 이웃 분류기

가장 가까운 k개 학습 점의 다수결로 레이블을 예측합니다.

배우는 내용 KNN거리 척도
ai머신 러닝