โจทย์เขียนโค้ดเรื่องการเรียนรู้ของเครื่อง

ฝึกการเรียนรู้ของเครื่องด้วยโจทย์เขียนโค้ด 42 ข้อ ตั้งแต่ง่ายไปจนถึงยาก ทุกโจทย์รันในเบราว์เซอร์ พร้อมการทดสอบทันที รีวิวโค้ดจาก AI และคำตอบจากชุมชนให้เปรียบเทียบ

ง่าย · 18 ปานกลาง · 20 ยาก · 4

ทักษะที่จะได้ฝึก: Gradient descentBackpropagationTransformerกฎลูกโซ่การถดถอยต้นไม้ตัดสินใจAdamAttentionAttention แบบมีมาสก์BPEBanditCross-entropy
  • Python · C++ · C#
  • ทดสอบอัตโนมัติ
  • รีวิวโค้ดโดย AI
  • แนวทางจากชุมชน
341
โจทย์
245
วิธีแก้ที่แชร์
9
ภาษา

โจทย์ทั้งหมด

ค้นหาตามชื่อหรือหัวข้อ หรือกรองตามระดับความยาก

42 โจทย์
ง่าย

ผลคูณจุดของเวกเตอร์สองตัว

คูณเวกเตอร์สองตัวทีละสมาชิกแล้วรวมผลลัพธ์ ซึ่งเป็นการคำนวณหลักของทุกนิวรอน

คุณจะได้เรียนรู้ เวกเตอร์ผลคูณจุด
โครงข่ายประสาทเทียมaiการเรียนรู้ของเครื่อง
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

Multi-armed bandit แบบ epsilon-greedy

สร้างสมดุลระหว่างการสำรวจและการใช้ประโยชน์ใน multi-armed bandit ด้วยการเลือกการกระทำแบบ epsilon-greedy

คุณจะได้เรียนรู้ สำรวจหรือใช้ประโยชน์Bandit
การเรียนรู้แบบเสริมกำลังaiการเรียนรู้ของเครื่อง
ยังไม่มีวิธีแก้
ปานกลาง

อัลกอริทึมการเรียนรู้ของเพอร์เซปตรอน

ฝึกเพอร์เซปตรอนดั้งเดิม ซึ่งปรับน้ำหนักเฉพาะเมื่อทำนายผิด

คุณจะได้เรียนรู้ Perceptronการเรียนรู้แบบออนไลน์
โครงข่ายประสาทเทียมaiการเรียนรู้ของเครื่อง
ยังไม่มีวิธีแก้
ปานกลาง

การอัปเดต Q-learning

ใช้การอัปเดต Q-learning กับลำดับประสบการณ์ และดูรางวัลไหลย้อนกลับไปยังสถานะก่อนหน้า

คุณจะได้เรียนรู้ Q-learningรางวัลแบบมีส่วนลด
การเรียนรู้แบบเสริมกำลังaiการเรียนรู้ของเครื่อง
ยังไม่มีวิธีแก้
ง่าย

ฟังก์ชันค่าสูญเสีย: MSE, MAE และครอสเอนโทรปี

วัดว่าการทำนายของโมเดลผิดมากแค่ไหน ด้วยค่าคลาดเคลื่อนกำลังสองเฉลี่ย ค่าคลาดเคลื่อนสัมบูรณ์เฉลี่ย หรือไบนารีครอสเอนโทรปี

คุณจะได้เรียนรู้ MSECross-entropy
โครงข่ายประสาทเทียมaiการเรียนรู้ของเครื่อง
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
ปานกลาง

เกรเดียนต์ของนิวรอนหนึ่งตัว

ใช้กฎลูกโซ่หาว่าค่าสูญเสียเปลี่ยนไปอย่างไรตามน้ำหนักแต่ละค่าและไบแอสของนิวรอน sigmoid

คุณจะได้เรียนรู้ กฎลูกโซ่Gradient
โครงข่ายประสาทเทียมaiการเรียนรู้ของเครื่อง
ยังไม่มีวิธีแก้
ยาก

การแพร่ย้อนกลับในโครงข่ายสองชั้น

คำนวณเกรเดียนต์ของน้ำหนักและไบแอสทั้งหมดในโครงข่ายที่มีเลเยอร์ซ่อน sigmoid หนึ่งชั้นและเอาต์พุต sigmoid หนึ่งตัว

คุณจะได้เรียนรู้ Backpropagationกฎลูกโซ่
โครงข่ายประสาทเทียมaiการเรียนรู้ของเครื่อง
ปานกลาง

Gradient descent แบบ mini-batch

ฝึกโมเดลเชิงเส้นโดยอัปเดตน้ำหนักหลังแต่ละ batch เล็ก ๆ แทนที่จะรอจนครบทั้งชุดข้อมูล

คุณจะได้เรียนรู้ Mini-batchGradient descent
โครงข่ายประสาทเทียมaiการเรียนรู้ของเครื่อง
ยังไม่มีวิธีแก้
ง่าย

Gradient descent พร้อม momentum

ใช้การอัปเดตแบบ momentum ที่เก็บส่วนหนึ่งของก้าวก่อนหน้าไว้ เพื่อให้การฝึกเร่งความเร็วในทิศทางที่คงที่

คุณจะได้เรียนรู้ Momentumตัวปรับค่า
โครงข่ายประสาทเทียมaiการเรียนรู้ของเครื่อง
ยังไม่มีวิธีแก้
ปานกลาง

ตัวปรับค่า Adam

Implement Adam ตัวปรับค่ามาตรฐานของ deep learning ที่ใช้ค่าเฉลี่ยเคลื่อนที่และการแก้ความเอนเอียง

คุณจะได้เรียนรู้ Adamการแก้ความเอนเอียง
โครงข่ายประสาทเทียมaiการเรียนรู้ของเครื่อง
ยังไม่มีวิธีแก้
ง่าย

การกำหนดน้ำหนักเริ่มต้นแบบ Xavier และ He

คำนวณช่วงหรือส่วนเบี่ยงเบนมาตรฐานที่ใช้กำหนดน้ำหนักเริ่มต้นของเลเยอร์

คุณจะได้เรียนรู้ การกำหนดค่าเริ่มต้น Xavier และ Heเสถียรภาพของการฝึก
โครงข่ายประสาทเทียมaiการเรียนรู้ของเครื่อง
ยังไม่มีวิธีแก้