ศูนย์เรียนรู้ AI

เข้าใจการทำงานของ AI ด้วยการสร้างเอง

เข้าใจว่า AI ทำงานอย่างไรด้วยการสร้างมันเอง: โจทย์ 47 ข้อเรื่องโครงข่ายประสาทเทียม แมชชีนเลิร์นนิง Transformer และการเรียนรู้แบบเสริมกำลัง โดยไม่ใช้ไลบรารี AI ทุกโจทย์รันในเบราว์เซอร์ พร้อมการทดสอบทันทีและรีวิวจาก AI

  • Python · C++ · C#
  • ทดสอบอัตโนมัติ
  • รีวิวโค้ดโดย AI

เรียนอย่างไร

  1. 1

    วอร์มอัปด้วย Python และ NumPy

    อาร์เรย์และเมทริกซ์คือภาษาของ AI ข้ามขั้นนี้ได้ถ้าคุณรู้จักแล้ว

    Python สำหรับ AI →
  2. 2

    อ่านบทเรียนแนวคิด

    ทุกโมดูลเริ่มด้วยบทเรียนสั้น ๆ พร้อมโค้ดที่รันได้ ซึ่งอธิบายแนวคิดด้วยภาษาง่าย ๆ

    บทเรียน AI ทั้งหมด →
  3. 3

    แก้โจทย์

    เขียนแนวคิดนั้นเองด้วย Python, C++ หรือ C# พร้อมการทดสอบทันทีและรีวิวจาก AI

เลือกเส้นทางการเรียนรู้

นิวรอน backpropagation และตัวปรับค่า

  1. นิวรอนและฟังก์ชันกระตุ้นใน Python พื้นฐาน โจทย์ 3 ข้อ
  2. การส่งผ่านไปข้างหน้าและฟังก์ชันความสูญเสียใน Python การส่งผ่านไปข้างหน้า โจทย์ 3 ข้อ
  3. Gradient descent และ backpropagation ใน Python การฝึก โจทย์ 5 ข้อ
  4. ตัวปรับค่าของโครงข่ายประสาทเทียม: SGD, Momentum และ Adam ใน Python ฝึกให้ดีขึ้น โจทย์ 4 ข้อ
แก้ด้วย Python C++ C# Java JavaScript Go Rust Kotlin Swift

Machine learning ตั้งแต่ศูนย์

4 บท · โจทย์ 15 ข้อ

การถดถอย การจำแนกประเภท และการจัดกลุ่ม

  1. การเตรียมข้อมูลสำหรับแมชชีนเลิร์นนิงใน Python การทำงานกับข้อมูล โจทย์ 3 ข้อ
  2. Linear regression และ logistic regression ใน Python การถดถอย โจทย์ 4 ข้อ
  3. พื้นฐานการจำแนกประเภท: softmax และ k-nearest neighbors ใน Python การจำแนกประเภท โจทย์ 6 ข้อ
  4. Cosine similarity และการจัดกลุ่ม k-means ใน Python ความคล้ายและการจัดกลุ่ม โจทย์ 2 ข้อ
แก้ด้วย Python C++ C# Java JavaScript Go Rust Kotlin Swift

Transformer และ LLM ตั้งแต่ศูนย์

3 บท · โจทย์ 9 ข้อ

Tokenizer, attention และการสร้างข้อความ

  1. Tokenization: คลังคำ, one-hot และ byte pair encoding ใน Python การตัด token โจทย์ 3 ข้อ
  2. Attention และ self-attention ใน Python Attention โจทย์ 4 ข้อ
  3. โมเดลภาษาสร้างข้อความอย่างไร: temperature และ top-k ใน Python Normalization และการสร้างข้อความ โจทย์ 2 ข้อ
แก้ด้วย Python C++ C# Java JavaScript Go Rust Kotlin Swift

การค้นหา เกม และการเรียนรู้แบบเสริมกำลัง

  1. การค้นหาและ AI สำหรับเกม: A* และ minimax ใน Python การค้นหา เกม และวิวัฒนาการ โจทย์ 4 ข้อ
  2. ห่วงโซ่มาร์คอฟและการชั่งน้ำหนักระหว่างสำรวจกับใช้ประโยชน์ใน Python ความน่าจะเป็นและการสำรวจ โจทย์ 2 ข้อ
  3. การเรียนรู้แบบเสริมกำลัง: value iteration และ Q-learning ใน Python การเรียนรู้แบบเสริมกำลัง โจทย์ 2 ข้อ
แก้ด้วย Python C++ C# Java JavaScript Go Rust Kotlin Swift
โจทย์ AI ทั้งหมด
ง่าย

ผลคูณจุดของเวกเตอร์สองตัว

คูณเวกเตอร์สองตัวทีละสมาชิกแล้วรวมผลลัพธ์ ซึ่งเป็นการคำนวณหลักของทุกนิวรอน

คุณจะได้เรียนรู้ เวกเตอร์ผลคูณจุด
โครงข่ายประสาทเทียมaiการเรียนรู้ของเครื่อง
ยังไม่มีวิธีแก้
ปานกลาง

การค้นหา A* บนตารางที่มีน้ำหนัก

หาเส้นทางที่ถูกที่สุดผ่านตารางค่าใช้จ่ายของภูมิประเทศด้วย A* อัลกอริทึมค้นหาที่อยู่เบื้องหลังการหาเส้นทางในเกมและหุ่นยนต์

คุณจะได้เรียนรู้ การค้นหา A*ฮิวริสติก
Graphsกริดเส้นทางที่สั้นที่สุดai
ยังไม่มีวิธีแก้
ง่าย

ฟังก์ชันกระตุ้น

ใช้ sigmoid, ReLU, Leaky ReLU หรือ tanh กับทุกค่าในลิสต์

คุณจะได้เรียนรู้ SigmoidReLU และ tanh
โครงข่ายประสาทเทียมaiการเรียนรู้ของเครื่อง
ยังไม่มีวิธีแก้
ง่าย

นิวรอนเทียมหนึ่งตัว

คำนวณเอาต์พุตของนิวรอนหนึ่งตัว: ผลรวมถ่วงน้ำหนักของอินพุตบวกไบแอส แล้วส่งผ่าน sigmoid

คุณจะได้เรียนรู้ นิวรอนผลรวมถ่วงน้ำหนัก
โครงข่ายประสาทเทียมaiการเรียนรู้ของเครื่อง
ยังไม่มีวิธีแก้
ยาก

การแพร่ย้อนกลับในโครงข่ายสองชั้น

คำนวณเกรเดียนต์ของน้ำหนักและไบแอสทั้งหมดในโครงข่ายที่มีเลเยอร์ซ่อน sigmoid หนึ่งชั้นและเอาต์พุต sigmoid หนึ่งตัว

คุณจะได้เรียนรู้ Backpropagationกฎลูกโซ่
โครงข่ายประสาทเทียมaiการเรียนรู้ของเครื่อง
ยังไม่มีวิธีแก้
ยาก

ฝึกโครงข่ายประสาทเทียมให้แก้ปัญหา XOR

รวมทุกอย่างเข้าด้วยกัน: ฝึกโครงข่าย sigmoid แบบ 2-2-1 ด้วยการแพร่ย้อนกลับจนเรียนรู้ XOR ได้

คุณจะได้เรียนรู้ ฝึกโครงข่ายประสาทเทียมปัญหา XOR
โครงข่ายประสาทเทียมaiการเรียนรู้ของเครื่อง
ยังไม่มีวิธีแก้