- 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
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
ง่าย
ผลคูณจุดของเวกเตอร์สองตัว
คูณเวกเตอร์สองตัวทีละสมาชิกแล้วรวมผลลัพธ์ ซึ่งเป็นการคำนวณหลักของทุกนิวรอน
คุณจะได้เรียนรู้
เวกเตอร์ผลคูณจุด
ง่าย
ฟังก์ชันกระตุ้น
ใช้ sigmoid, ReLU, Leaky ReLU หรือ tanh กับทุกค่าในลิสต์
คุณจะได้เรียนรู้
SigmoidReLU และ tanh
ปานกลาง
Value iteration
คำนวณว่าแต่ละสถานะของกระบวนการตัดสินใจแบบมาร์คอฟมีค่าแค่ไหน โดยใช้การอัปเดตความเหมาะสมที่สุดของเบลล์แมนซ้ำ ๆ
คุณจะได้เรียนรู้
สมการเบลล์แมนMDP
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
ปานกลาง
Gradient descent แบบ mini-batch
ฝึกโมเดลเชิงเส้นโดยอัปเดตน้ำหนักหลังแต่ละ batch เล็ก ๆ แทนที่จะรอจนครบทั้งชุดข้อมูล
คุณจะได้เรียนรู้
Mini-batchGradient descent
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
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