- 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
Gradient descent แบบ mini-batch
ฝึกโมเดลเชิงเส้นโดยอัปเดตน้ำหนักหลังแต่ละ batch เล็ก ๆ แทนที่จะรอจนครบทั้งชุดข้อมูล
คุณจะได้เรียนรู้
Mini-batchGradient descent
ยังไม่มีวิธีแก้
ปานกลาง
เกม OX ด้วย Minimax
เลือกตาเดินที่สมบูรณ์แบบในเกม OX โดยค้นหาต้นไม้เกมทั้งหมดด้วย minimax
คุณจะได้เรียนรู้
Minimaxต้นไม้เกม
ยังไม่มีวิธีแก้
ง่าย
Gradient descent พร้อม momentum
ใช้การอัปเดตแบบ momentum ที่เก็บส่วนหนึ่งของก้าวก่อนหน้าไว้ เพื่อให้การฝึกเร่งความเร็วในทิศทางที่คงที่
คุณจะได้เรียนรู้
Momentumตัวปรับค่า
ยังไม่มีวิธีแก้
ปานกลาง
ตัวปรับค่า Adam
Implement Adam ตัวปรับค่ามาตรฐานของ deep learning ที่ใช้ค่าเฉลี่ยเคลื่อนที่และการแก้ความเอนเอียง
คุณจะได้เรียนรู้
Adamการแก้ความเอนเอียง
ยังไม่มีวิธีแก้
ง่าย
การกำหนดน้ำหนักเริ่มต้นแบบ Xavier และ He
คำนวณช่วงหรือส่วนเบี่ยงเบนมาตรฐานที่ใช้กำหนดน้ำหนักเริ่มต้นของเลเยอร์
คุณจะได้เรียนรู้
การกำหนดค่าเริ่มต้น Xavier และ Heเสถียรภาพของการฝึก
ยังไม่มีวิธีแก้
ยาก
ฝึกโครงข่ายประสาทเทียมให้แก้ปัญหา XOR
รวมทุกอย่างเข้าด้วยกัน: ฝึกโครงข่าย sigmoid แบบ 2-2-1 ด้วยการแพร่ย้อนกลับจนเรียนรู้ XOR ได้
คุณจะได้เรียนรู้
ฝึกโครงข่ายประสาทเทียมปัญหา XOR
ยาก
Scaled dot-product attention
เขียนการคำนวณ attention ซึ่งเป็นหัวใจของ Transformer และโมเดลภาษาขนาดใหญ่
คุณจะได้เรียนรู้
AttentionTransformer
ปานกลาง
ฝึกนิวรอนด้วยการลดเกรเดียนต์
ทำการส่งผ่านไปข้างหน้า คำนวณเกรเดียนต์ และปรับน้ำหนักซ้ำๆ เพื่อสอนนิวรอน sigmoid จากตัวอย่าง
คุณจะได้เรียนรู้
Gradient descentลูปการฝึก
ยังไม่มีวิธีแก้
ง่าย
ฟังก์ชัน softmax
เปลี่ยนคะแนนดิบให้เป็นความน่าจะเป็นที่รวมกันได้ 1 โดยไม่เกิดการล้นของตัวเลขเมื่อค่ามีขนาดใหญ่
คุณจะได้เรียนรู้
Softmaxเสถียรภาพเชิงตัวเลข
ยังไม่มีวิธีแก้
ยาก
Multi-head self-attention
ฉายอินพุตเป็น query, key และ value รัน attention ในหลาย head พร้อมกัน แล้วรวมผลเข้าด้วยกัน
คุณจะได้เรียนรู้
Multi-head attentionการฉายด้วยเมทริกซ์
ปานกลาง
Self-attention แบบ causal (มีมาสก์)
Implement attention แบบมีมาสก์ของโมเดล GPT ซึ่งแต่ละ token มองเห็นได้เฉพาะตัวเองและ token ก่อนหน้า
คุณจะได้เรียนรู้
Attention แบบมีมาสก์โมเดล GPT
ยังไม่มีวิธีแก้
ง่าย
ความคล้ายคลึงโคไซน์
วัดว่าเวกเตอร์สองตัวคล้ายกันแค่ไหนจากมุมระหว่างกัน แบบเดียวกับที่เสิร์ชเอนจินเปรียบเทียบ embedding
คุณจะได้เรียนรู้
ความคล้ายของเวกเตอร์Embedding
ยังไม่มีวิธีแก้
ง่าย
ตัวตัดคำและคลังคำศัพท์
แยกข้อความเป็นคำตัวพิมพ์เล็กและสร้างคลังคำศัพท์ที่เรียงตามความถี่ ซึ่งเป็นขั้นแรกของโมเดลภาษาทุกตัว
คุณจะได้เรียนรู้
การตัด tokenสร้างคลังคำศัพท์
ยังไม่มีวิธีแก้
ปานกลาง
ค่าเกนข้อมูล
คำนวณว่าการแบ่งตามฟีเจอร์ช่วยลดเอนโทรปีได้แค่ไหน ซึ่งเป็นเกณฑ์ของต้นไม้ตัดสินใจ ID3
คุณจะได้เรียนรู้
Entropyต้นไม้ตัดสินใจ
ยังไม่มีวิธีแก้
ง่าย
การปรับสเกลแบบ min-max
ปรับสเกลฟีเจอร์ให้ค่าที่น้อยที่สุดเป็น 0 และค่าที่มากที่สุดเป็น 1
คุณจะได้เรียนรู้
ปรับสเกลฟีเจอร์เตรียมข้อมูล
ยังไม่มีวิธีแก้
ปานกลาง
ตัวจำแนกแบบ K เพื่อนบ้านที่ใกล้ที่สุด
ทำนายป้ายกำกับด้วยเสียงข้างมากของจุดฝึก k จุดที่ใกล้ที่สุด
คุณจะได้เรียนรู้
KNNการวัดระยะทาง
ปานกลาง
การจัดกลุ่มแบบ K-means
แบ่งจุดออกเป็น k กลุ่มโดยกำหนดจุดให้กับเซนทรอยด์ที่ใกล้ที่สุดและย้ายเซนทรอยด์ซ้ำไปเรื่อยๆ
คุณจะได้เรียนรู้
การจัดกลุ่มจุดศูนย์กลาง
ยังไม่มีวิธีแก้
ปานกลาง
ตัวจำแนกแบบ Naive Bayes
ทำนายคลาสจากฟีเจอร์แบบหมวดหมู่ด้วยทฤษฎีบทของเบย์และการปรับเรียบแบบลาปลาซ
คุณจะได้เรียนรู้
ทฤษฎีบทของเบย์Laplace smoothing
ยังไม่มีวิธีแก้
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