Central de aprendizado de IA

Entenda como a IA funciona construindo você mesmo

Entenda como a IA funciona construindo-a você mesmo: 47 desafios sobre redes neurais, machine learning, Transformers e aprendizado por reforço, sem bibliotecas de IA. Cada desafio roda no navegador, com testes instantâneos e uma revisão por IA.

  • Python · C++ · C#
  • Testes automáticos
  • Revisão de código por IA

Como funciona

  1. 1

    Aqueça com Python e NumPy

    Arrays e matrizes são a linguagem da IA. Pule esta etapa se você já os conhece.

    Python para IA →
  2. 2

    Leia a lição do conceito

    Cada módulo começa com uma lição curta com código executável que explica a ideia em palavras simples.

    Todas as lições de IA →
  3. 3

    Resolva os desafios

    Implemente a ideia você mesmo em Python, C++ ou C#, com testes instantâneos e revisão por IA.

Escolha uma trilha

Redes neurais do zero

4 módulos · 15 desafios

Neurônios, retropropagação e otimizadores

  1. Neurônios e funções de ativação em Python Blocos básicos 3 desafios
  2. Propagação direta e funções de perda em Python Propagação direta 3 desafios
  3. Gradiente descendente e retropropagação em Python Treinamento 5 desafios
  4. Otimizadores de redes neurais: SGD, Momentum e Adam em Python Treinamento melhor 4 desafios

Aprendizado de máquina do zero

4 módulos · 15 desafios

Regressão, classificação e agrupamento

  1. Preparação de dados para aprendizado de máquina em Python Trabalhando com dados 3 desafios
  2. Regressão linear e logística em Python Regressão 4 desafios
  3. Fundamentos de classificação: softmax e k vizinhos mais próximos em Python Classificação 6 desafios
  4. Similaridade de cosseno e agrupamento k-means em Python Similaridade e agrupamento 2 desafios

IA clássica e aprendizado por reforço

3 módulos · 8 desafios

Busca, jogos e aprendizado por reforço

  1. Busca e IA de jogos: A* e minimax em Python Busca, jogos e evolução 4 desafios
  2. Cadeias de Markov e o dilema entre explorar e aproveitar em Python Acaso e exploração 2 desafios
  3. Aprendizado por reforço: value iteration e Q-learning em Python Aprendizado por reforço 2 desafios
Todos os desafios de IA
Fácil

Produto escalar de dois vetores

Multiplique dois vetores elemento a elemento e some os resultados, a operação central de todo neurônio.

Você vai aprender VetoresProduto escalar
Redes neuraisaiaprendizado de máquina
Ainda sem soluções
Médio

Busca A* em uma grade ponderada

Encontre o caminho mais barato por uma grade de custos de terreno com A*, o algoritmo de busca por trás da navegação em jogos e robôs.

Você vai aprender Busca A*Heurísticas
Graphsgradescaminho mínimoai
Ainda sem soluções
Fácil

Funções de ativação

Aplique sigmoide, ReLU, Leaky ReLU ou tanh a cada valor de uma lista.

Você vai aprender SigmoideReLU e tanh
Redes neuraisaiaprendizado de máquina
Ainda sem soluções
Fácil

Um único neurônio artificial

Calcule a saída de um neurônio: soma ponderada das entradas mais um viés, passada pela sigmoide.

Você vai aprender NeurôniosSomas ponderadas
Redes neuraisaiaprendizado de máquina
Ainda sem soluções
Difícil

Retropropagação em uma rede de duas camadas

Calcule todos os gradientes de pesos e vieses de uma rede com uma camada oculta sigmoide e uma saída sigmoide.

Você vai aprender RetropropagaçãoRegra da cadeia
Redes neuraisaiaprendizado de máquina
Ainda sem soluções
Difícil

Treine uma rede neural para resolver o XOR

Junte tudo: treine uma rede sigmoide 2-2-1 com retropropagação até ela aprender o XOR.

Você vai aprender Treinar redes neuraisProblema XOR
Redes neuraisaiaprendizado de máquina
Ainda sem soluções