- ตัวดำเนินการ
-
เรียนรู้
เรียน Python ตัวอย่างที่รันได้, NumPy, pandas และอื่น ๆ เรียน AI / Machine Learningโครงข่ายประสาท ML และ LLM ตั้งแต่ศูนย์ เรียน C และ C++ พอยน์เตอร์ หน่วยความจำ STL และ C++ สมัยใหม่ เรียน C#พื้นฐาน C#, OOP, LINQ, async และแบบฝึกหัด .NET เรียน Matplotlibกราฟเส้น แท่ง กระจาย และวงกลม พร้อมตัวแสดงภาพแบบโต้ตอบ เรียน RustOwnership, trait, การจัดการข้อผิดพลาด และ thread เรียน GoSlice, interface, goroutine และ channel อัลกอริทึม Python การค้นหา การเรียงลำดับ รีเคอร์ชัน และภาพจำลอง O(n) อัลกอริทึม C และ C++ เปรียบเทียบการเขียนด้วย C และ C++ เขียนโปรแกรมสำหรับเด็ก เรียนเขียนโปรแกรมผ่านการเล่น!
- ควิซใหม่
- โจทย์ใหม่
- สำหรับครูใหม่
- อัปเดต
- เลี้ยงกาแฟสักแก้ว
โจทย์เขียนโค้ดเรื่องAi
ฝึกaiด้วยโจทย์เขียนโค้ด 47 ข้อ ตั้งแต่ง่ายไปจนถึงยาก ทุกโจทย์รันในเบราว์เซอร์ พร้อมการทดสอบทันที รีวิวโค้ดจาก AI และคำตอบจากชุมชนให้เปรียบเทียบ
ง่าย · 19 ปานกลาง · 24 ยาก · 4
ทักษะที่จะได้ฝึก: Gradient descentBackpropagationTransformerกฎลูกโซ่การถดถอยต้นไม้ตัดสินใจAdamAttentionAttention แบบมีมาสก์BPEBanditCross-entropy
- Python · C++ · C#
- ทดสอบอัตโนมัติ
- รีวิวโค้ดโดย AI
- แนวทางจากชุมชน
- 341
- โจทย์
- 245
- วิธีแก้ที่แชร์
- 9
- ภาษา
โจทย์ทั้งหมด
ค้นหาตามชื่อหรือหัวข้อ หรือกรองตามระดับความยาก
ปานกลาง
การค้นหา A* บนตารางที่มีน้ำหนัก
หาเส้นทางที่ถูกที่สุดผ่านตารางค่าใช้จ่ายของภูมิประเทศด้วย A* อัลกอริทึมค้นหาที่อยู่เบื้องหลังการหาเส้นทางในเกมและหุ่นยนต์
คุณจะได้เรียนรู้
การค้นหา A*ฮิวริสติก
ง่าย
ผลคูณจุดของเวกเตอร์สองตัว
คูณเวกเตอร์สองตัวทีละสมาชิกแล้วรวมผลลัพธ์ ซึ่งเป็นการคำนวณหลักของทุกนิวรอน
คุณจะได้เรียนรู้
เวกเตอร์ผลคูณจุด
ปานกลาง
การตัดกิ่งแบบ Alpha-Beta
ประเมินต้นไม้เกมด้วย minimax และการตัดกิ่งแบบ alpha-beta แล้วนับว่าการค้นหาดูใบไม้จริง ๆ กี่ใบ
คุณจะได้เรียนรู้
การตัดกิ่ง alpha-betaการค้นหาในเกม
ปานกลาง
หนึ่งรุ่นของอัลกอริทึมเชิงพันธุกรรม
สร้างสตริงบิตรุ่นถัดไปด้วยการคัดเลือกแบบทัวร์นาเมนต์ การไขว้จุดเดียว และการกลายพันธุ์
คุณจะได้เรียนรู้
อัลกอริทึมเชิงพันธุกรรมการค้นหาเชิงวิวัฒนาการ
ง่าย
ฟังก์ชันกระตุ้น
ใช้ sigmoid, ReLU, Leaky ReLU หรือ tanh กับทุกค่าในลิสต์
คุณจะได้เรียนรู้
SigmoidReLU และ tanh
ปานกลาง
Value iteration
คำนวณว่าแต่ละสถานะของกระบวนการตัดสินใจแบบมาร์คอฟมีค่าแค่ไหน โดยใช้การอัปเดตความเหมาะสมที่สุดของเบลล์แมนซ้ำ ๆ
คุณจะได้เรียนรู้
สมการเบลล์แมนMDP
ยังไม่มีวิธีแก้
ง่าย
การแจกแจงสถานะของห่วงโซ่มาร์คอฟ
ส่งการแจกแจงความน่าจะเป็นผ่านเมทริกซ์การเปลี่ยนสถานะของห่วงโซ่มาร์คอฟตามจำนวนก้าวที่กำหนด
คุณจะได้เรียนรู้
ห่วงโซ่มาร์คอฟความน่าจะเป็น
ยังไม่มีวิธีแก้
ง่าย
Multi-armed bandit แบบ epsilon-greedy
สร้างสมดุลระหว่างการสำรวจและการใช้ประโยชน์ใน multi-armed bandit ด้วยการเลือกการกระทำแบบ epsilon-greedy
คุณจะได้เรียนรู้
สำรวจหรือใช้ประโยชน์Bandit
ยังไม่มีวิธีแก้
ปานกลาง
อัลกอริทึมการเรียนรู้ของเพอร์เซปตรอน
ฝึกเพอร์เซปตรอนดั้งเดิม ซึ่งปรับน้ำหนักเฉพาะเมื่อทำนายผิด
คุณจะได้เรียนรู้
Perceptronการเรียนรู้แบบออนไลน์
ยังไม่มีวิธีแก้
ปานกลาง
การอัปเดต Q-learning
ใช้การอัปเดต Q-learning กับลำดับประสบการณ์ และดูรางวัลไหลย้อนกลับไปยังสถานะก่อนหน้า
คุณจะได้เรียนรู้
Q-learningรางวัลแบบมีส่วนลด
ยังไม่มีวิธีแก้
ง่าย
ฟังก์ชันค่าสูญเสีย: MSE, MAE และครอสเอนโทรปี
วัดว่าการทำนายของโมเดลผิดมากแค่ไหน ด้วยค่าคลาดเคลื่อนกำลังสองเฉลี่ย ค่าคลาดเคลื่อนสัมบูรณ์เฉลี่ย หรือไบนารีครอสเอนโทรปี
คุณจะได้เรียนรู้
MSECross-entropy
ยังไม่มีวิธีแก้
ง่าย
นิวรอนเทียมหนึ่งตัว
คำนวณเอาต์พุตของนิวรอนหนึ่งตัว: ผลรวมถ่วงน้ำหนักของอินพุตบวกไบแอส แล้วส่งผ่าน sigmoid
คุณจะได้เรียนรู้
นิวรอนผลรวมถ่วงน้ำหนัก
ปานกลาง
การส่งผ่านไปข้างหน้าในโครงข่ายสองชั้น
ส่งอินพุตผ่านเลเยอร์ซ่อนที่ใช้ ReLU และเลเยอร์เอาต์พุตที่ใช้ sigmoid
คุณจะได้เรียนรู้
Forward passโครงข่ายหลายชั้น
ยังไม่มีวิธีแก้
ปานกลาง
การส่งผ่านไปข้างหน้าในเลเยอร์แบบ dense
คำนวณเอาต์พุตของเลเยอร์นิวรอนที่เชื่อมต่อกันทั้งหมด โดยเลือกฟังก์ชันกระตุ้นได้
คุณจะได้เรียนรู้
Dense layerฟังก์ชันกระตุ้น
ยังไม่มีวิธีแก้
ปานกลาง
Layer normalization
ปรับแต่ละแถวให้มีค่าเฉลี่ย 0 และความแปรปรวน 1 จากนั้นปรับสเกลและเลื่อน แบบเดียวกับที่ทุกบล็อก Transformer ทำ
คุณจะได้เรียนรู้
Layer normTransformer
ง่าย
อนุพันธ์ของฟังก์ชันกระตุ้น
คำนวณอนุพันธ์ของ sigmoid, ReLU, Leaky ReLU หรือ tanh ที่แต่ละค่า ซึ่งเป็นความชันที่ backpropagation ต้องใช้
คุณจะได้เรียนรู้
อนุพันธ์Backpropagation
ยังไม่มีวิธีแก้
ปานกลาง
เกรเดียนต์ของนิวรอนหนึ่งตัว
ใช้กฎลูกโซ่หาว่าค่าสูญเสียเปลี่ยนไปอย่างไรตามน้ำหนักแต่ละค่าและไบแอสของนิวรอน sigmoid
คุณจะได้เรียนรู้
กฎลูกโซ่Gradient
ยังไม่มีวิธีแก้
ยาก
การแพร่ย้อนกลับในโครงข่ายสองชั้น
คำนวณเกรเดียนต์ของน้ำหนักและไบแอสทั้งหมดในโครงข่ายที่มีเลเยอร์ซ่อน sigmoid หนึ่งชั้นและเอาต์พุต sigmoid หนึ่งตัว
คุณจะได้เรียนรู้
Backpropagationกฎลูกโซ่
เลือกตามหัวข้อ
- ผู้เริ่มต้น 154
- CS1 90
- คณิตศาสตร์ 76
- ลูป 58
- ระดับกลาง 51
- มัธยมปลาย 50
- ai 47
- ตัวเลข 46
- การเรียนรู้ของเครื่อง 42
- ทฤษฎีจำนวน 41
- การบ้าน 40
- การเขียนโปรแกรมเบื้องต้น 40
- Strings 36
- การเขียนโปรแกรมเชิงแข่งขัน 35
- Arrays 31
- ลูปซ้อน 25
- สไตล์ Project Euler 25
- เงื่อนไข 25
- แพทเทิร์น 24
- ฟังก์ชัน 21
- ระดับสูง 20
- Simulation 19
- การโปรแกรมเชิงพลวัต 18
- โครงข่ายประสาทเทียม 17
- กริด 16
- จำนวนเฉพาะ 14
- การแยกวิเคราะห์ข้อความ 13
- สไตล์ CS50 10
- การเรียงลำดับ 9
- AP Computer Science 8
- Graphs 8
- OOP 8
- การเรียกซ้ำ 8
- คลาส 8
- รูปแบบการออกแบบ 8
- เมทริกซ์ 8
- Combinatorics 6
- สแตก 6
- Greedy 5
- Sequences 5
- Variables 5
- การจัดการบิต 5
- การเงิน 5
- จำนวนเต็มขนาดใหญ่ 5
- Algorithms 4
- Data-structures 4
- Geometry 4
- การประมวลผลภาพ 4
- ดิกชันนารี 4
- ต้นไม้ 4
- Fractions 3
- Sliding-window 3
- การค้นหาแบบทวิภาค 3
- การลงคะแนนเสียง 3
- การเรียนรู้แบบเสริมกำลัง 3
- เกม 3
- เส้นทางที่สั้นที่สุด 3