Задачи по теме «Машинное обучение»

Практикуйте тему «машинное обучение» на задачах от простых до сложных (всего: 42). Каждая задача запускается в браузере, с мгновенными тестами, разбором вашего кода от ИИ и решениями сообщества для сравнения.

Легко · 18 Средне · 20 Сложно · 4

Навыки для практики: Градиентный спускTransformerДеревья решенийОбратное распространениеРегрессияЦепное правилоAdamBPEKNNMDPMSEOne-hot векторы
  • Python · C++ · C#
  • Автотесты
  • Ревью кода ИИ
  • Решения сообщества
341
Задачи
245
Решений опубликовано
9
Языки

Все задачи

Ищите по названию или теме либо фильтруйте по сложности.

42 задачи
Легко

Скалярное произведение двух векторов

Перемножьте два вектора поэлементно и сложите результаты — это основная операция любого нейрона.

Вы освоите ВекторыСкалярное произведение
Нейронные сетиискусственный интеллектмашинное обучение
Легко

Функции активации

Примените sigmoid, ReLU, Leaky ReLU или tanh к каждому значению списка.

Вы освоите СигмоидаReLU и tanh
Нейронные сетиискусственный интеллектмашинное обучение
Средне

Итерация по ценностям

Вычислите ценность каждого состояния марковского процесса принятия решений, многократно применяя оптимальное обновление Беллмана.

Вы освоите Уравнение БеллманаMDP
Обучение с подкреплениемискусственный интеллектмашинное обучение
Пока нет решений
Легко

Многорукий бандит с эпсилон-жадной стратегией

Найдите баланс между исследованием и использованием в задаче многорукого бандита с эпсилон-жадным выбором действий.

Вы освоите Исследование и использованиеБандиты
Обучение с подкреплениемискусственный интеллектмашинное обучение
Пока нет решений
Средне

Алгоритм обучения перцептрона

Обучите классический перцептрон, который меняет веса только при ошибке.

Вы освоите ПерцептронОнлайн-обучение
Нейронные сетиискусственный интеллектмашинное обучение
Пока нет решений
Средне

Обновления Q-learning

Примените обновление Q-learning к потоку опыта и посмотрите, как награды распространяются назад к предыдущим состояниям.

Вы освоите Q-learningДисконтированные награды
Обучение с подкреплениемискусственный интеллектмашинное обучение
Пока нет решений
Легко

Функции потерь: MSE, MAE и перекрёстная энтропия

Измерьте, насколько ошибаются предсказания модели, с помощью среднеквадратичной ошибки, средней абсолютной ошибки или бинарной перекрёстной энтропии.

Вы освоите MSEПерекрёстная энтропия
Нейронные сетиискусственный интеллектмашинное обучение
Пока нет решений
Легко

Один искусственный нейрон

Вычислите выход одного нейрона: взвешенная сумма входов плюс смещение, пропущенная через сигмоиду.

Вы освоите НейроныВзвешенные суммы
Нейронные сетиискусственный интеллектмашинное обучение
Средне

Прямое распространение в двухслойной сети

Пропустите входы через скрытый слой с ReLU и выходной слой с сигмоидой.

Вы освоите Прямой проходМногослойные сети
Нейронные сетиискусственный интеллектмашинное обучение
Пока нет решений
Средне

Прямой проход через полносвязный слой

Вычислите выходы полносвязного слоя нейронов с выбранной функцией активации.

Вы освоите Полносвязные слоиФункции активации
Нейронные сетиискусственный интеллектмашинное обучение
Пока нет решений
Средне

Нормализация слоя

Нормализуйте каждую строку к среднему 0 и дисперсии 1, затем масштабируйте и сдвиньте, как делает каждый блок Transformer.

Вы освоите Нормализация слояTransformer
Нейронные сетиискусственный интеллектмашинное обучение
Легко

Производные функций активации

Вычислите производную sigmoid, ReLU, Leaky ReLU или tanh в каждой точке — наклоны, которые нужны обратному распространению.

Вы освоите ПроизводныеОбратное распространение
Нейронные сетиискусственный интеллектмашинное обучение
Пока нет решений
Средне

Градиенты одного нейрона

С помощью цепного правила найдите, как потери меняются в зависимости от каждого веса и смещения сигмоидного нейрона.

Вы освоите Цепное правилоГрадиенты
Нейронные сетиискусственный интеллектмашинное обучение
Пока нет решений
Сложно

Обратное распространение ошибки в двухслойной сети

Вычислите все градиенты весов и смещений сети с одним скрытым сигмоидным слоем и одним сигмоидным выходом.

Вы освоите Обратное распространениеЦепное правило
Нейронные сетиискусственный интеллектмашинное обучение
Средне

Мини-батч градиентный спуск

Обучите линейную модель, обновляя веса после каждого небольшого батча, а не после всего набора данных.

Вы освоите Мини-батчиГрадиентный спуск
Нейронные сетиискусственный интеллектмашинное обучение
Пока нет решений
Легко

Градиентный спуск с моментом

Примените обновления с моментом, которые сохраняют часть предыдущего шага, чтобы обучение ускорялось в постоянных направлениях.

Вы освоите МоментОптимизаторы
Нейронные сетиискусственный интеллектмашинное обучение
Пока нет решений
Средне

Оптимизатор Adam

Реализуйте Adam, стандартный оптимизатор глубокого обучения, со скользящими средними и коррекцией смещения.

Вы освоите AdamКоррекция смещения
Нейронные сетиискусственный интеллектмашинное обучение
Пока нет решений
Легко

Инициализация весов Xavier и He

Вычислите диапазон или стандартное отклонение для инициализации весов слоя.

Вы освоите Инициализация Xavier и HeСтабильность обучения
Нейронные сетиискусственный интеллектмашинное обучение
Пока нет решений