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

47 โจทย์
ปานกลาง

การค้นหา A* บนตารางที่มีน้ำหนัก

หาเส้นทางที่ถูกที่สุดผ่านตารางค่าใช้จ่ายของภูมิประเทศด้วย A* อัลกอริทึมค้นหาที่อยู่เบื้องหลังการหาเส้นทางในเกมและหุ่นยนต์

คุณจะได้เรียนรู้ การค้นหา A*ฮิวริสติก
Graphsกริดเส้นทางที่สั้นที่สุดai
ง่าย

ผลคูณจุดของเวกเตอร์สองตัว

คูณเวกเตอร์สองตัวทีละสมาชิกแล้วรวมผลลัพธ์ ซึ่งเป็นการคำนวณหลักของทุกนิวรอน

คุณจะได้เรียนรู้ เวกเตอร์ผลคูณจุด
โครงข่ายประสาทเทียมaiการเรียนรู้ของเครื่อง
ปานกลาง

การตัดกิ่งแบบ Alpha-Beta

ประเมินต้นไม้เกมด้วย minimax และการตัดกิ่งแบบ alpha-beta แล้วนับว่าการค้นหาดูใบไม้จริง ๆ กี่ใบ

คุณจะได้เรียนรู้ การตัดกิ่ง alpha-betaการค้นหาในเกม
การเรียกซ้ำต้นไม้ai
ปานกลาง

หนึ่งรุ่นของอัลกอริทึมเชิงพันธุกรรม

สร้างสตริงบิตรุ่นถัดไปด้วยการคัดเลือกแบบทัวร์นาเมนต์ การไขว้จุดเดียว และการกลายพันธุ์

คุณจะได้เรียนรู้ อัลกอริทึมเชิงพันธุกรรมการค้นหาเชิงวิวัฒนาการ
OptimizationSimulationai
ง่าย

ฟังก์ชันกระตุ้น

ใช้ sigmoid, ReLU, Leaky ReLU หรือ tanh กับทุกค่าในลิสต์

คุณจะได้เรียนรู้ SigmoidReLU และ tanh
โครงข่ายประสาทเทียมaiการเรียนรู้ของเครื่อง
ปานกลาง

Value iteration

คำนวณว่าแต่ละสถานะของกระบวนการตัดสินใจแบบมาร์คอฟมีค่าแค่ไหน โดยใช้การอัปเดตความเหมาะสมที่สุดของเบลล์แมนซ้ำ ๆ

คุณจะได้เรียนรู้ สมการเบลล์แมนMDP
การเรียนรู้แบบเสริมกำลังaiการเรียนรู้ของเครื่อง
ยังไม่มีวิธีแก้
ง่าย

การแจกแจงสถานะของห่วงโซ่มาร์คอฟ

ส่งการแจกแจงความน่าจะเป็นผ่านเมทริกซ์การเปลี่ยนสถานะของห่วงโซ่มาร์คอฟตามจำนวนก้าวที่กำหนด

คุณจะได้เรียนรู้ ห่วงโซ่มาร์คอฟความน่าจะเป็น
Simulationaiคณิตศาสตร์
ยังไม่มีวิธีแก้
ปานกลาง

อัลกอริทึมการเรียนรู้ของเพอร์เซปตรอน

ฝึกเพอร์เซปตรอนดั้งเดิม ซึ่งปรับน้ำหนักเฉพาะเมื่อทำนายผิด

คุณจะได้เรียนรู้ Perceptronการเรียนรู้แบบออนไลน์
โครงข่ายประสาทเทียมaiการเรียนรู้ของเครื่อง
ยังไม่มีวิธีแก้
ง่าย

Multi-armed bandit แบบ epsilon-greedy

สร้างสมดุลระหว่างการสำรวจและการใช้ประโยชน์ใน multi-armed bandit ด้วยการเลือกการกระทำแบบ epsilon-greedy

คุณจะได้เรียนรู้ สำรวจหรือใช้ประโยชน์Bandit
การเรียนรู้แบบเสริมกำลังaiการเรียนรู้ของเครื่อง
ยังไม่มีวิธีแก้
ง่าย

ฟังก์ชันค่าสูญเสีย: MSE, MAE และครอสเอนโทรปี

วัดว่าการทำนายของโมเดลผิดมากแค่ไหน ด้วยค่าคลาดเคลื่อนกำลังสองเฉลี่ย ค่าคลาดเคลื่อนสัมบูรณ์เฉลี่ย หรือไบนารีครอสเอนโทรปี

คุณจะได้เรียนรู้ MSECross-entropy
โครงข่ายประสาทเทียมaiการเรียนรู้ของเครื่อง
ยังไม่มีวิธีแก้
ปานกลาง

การอัปเดต Q-learning

ใช้การอัปเดต Q-learning กับลำดับประสบการณ์ และดูรางวัลไหลย้อนกลับไปยังสถานะก่อนหน้า

คุณจะได้เรียนรู้ Q-learningรางวัลแบบมีส่วนลด
การเรียนรู้แบบเสริมกำลังaiการเรียนรู้ของเครื่อง
ยังไม่มีวิธีแก้
ง่าย

นิวรอนเทียมหนึ่งตัว

คำนวณเอาต์พุตของนิวรอนหนึ่งตัว: ผลรวมถ่วงน้ำหนักของอินพุตบวกไบแอส แล้วส่งผ่าน sigmoid

คุณจะได้เรียนรู้ นิวรอนผลรวมถ่วงน้ำหนัก
โครงข่ายประสาทเทียมaiการเรียนรู้ของเครื่อง
ปานกลาง

การส่งผ่านไปข้างหน้าในโครงข่ายสองชั้น

ส่งอินพุตผ่านเลเยอร์ซ่อนที่ใช้ ReLU และเลเยอร์เอาต์พุตที่ใช้ sigmoid

คุณจะได้เรียนรู้ Forward passโครงข่ายหลายชั้น
โครงข่ายประสาทเทียมaiการเรียนรู้ของเครื่อง
ยังไม่มีวิธีแก้
ปานกลาง

การส่งผ่านไปข้างหน้าในเลเยอร์แบบ dense

คำนวณเอาต์พุตของเลเยอร์นิวรอนที่เชื่อมต่อกันทั้งหมด โดยเลือกฟังก์ชันกระตุ้นได้

คุณจะได้เรียนรู้ Dense layerฟังก์ชันกระตุ้น
โครงข่ายประสาทเทียมaiการเรียนรู้ของเครื่อง
ยังไม่มีวิธีแก้
ปานกลาง

Layer normalization

ปรับแต่ละแถวให้มีค่าเฉลี่ย 0 และความแปรปรวน 1 จากนั้นปรับสเกลและเลื่อน แบบเดียวกับที่ทุกบล็อก Transformer ทำ

คุณจะได้เรียนรู้ Layer normTransformer
โครงข่ายประสาทเทียมaiการเรียนรู้ของเครื่อง
ง่าย

อนุพันธ์ของฟังก์ชันกระตุ้น

คำนวณอนุพันธ์ของ sigmoid, ReLU, Leaky ReLU หรือ tanh ที่แต่ละค่า ซึ่งเป็นความชันที่ backpropagation ต้องใช้

คุณจะได้เรียนรู้ อนุพันธ์Backpropagation
โครงข่ายประสาทเทียมaiการเรียนรู้ของเครื่อง
ยังไม่มีวิธีแก้
ยาก

การแพร่ย้อนกลับในโครงข่ายสองชั้น

คำนวณเกรเดียนต์ของน้ำหนักและไบแอสทั้งหมดในโครงข่ายที่มีเลเยอร์ซ่อน sigmoid หนึ่งชั้นและเอาต์พุต sigmoid หนึ่งตัว

คุณจะได้เรียนรู้ Backpropagationกฎลูกโซ่
โครงข่ายประสาทเทียมaiการเรียนรู้ของเครื่อง
ปานกลาง

เกรเดียนต์ของนิวรอนหนึ่งตัว

ใช้กฎลูกโซ่หาว่าค่าสูญเสียเปลี่ยนไปอย่างไรตามน้ำหนักแต่ละค่าและไบแอสของนิวรอน sigmoid

คุณจะได้เรียนรู้ กฎลูกโซ่Gradient
โครงข่ายประสาทเทียมaiการเรียนรู้ของเครื่อง
ยังไม่มีวิธีแก้