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
ยาก

ฝึกโครงข่ายประสาทเทียมให้แก้ปัญหา XOR

รวมทุกอย่างเข้าด้วยกัน: ฝึกโครงข่าย sigmoid แบบ 2-2-1 ด้วยการแพร่ย้อนกลับจนเรียนรู้ XOR ได้

คุณจะได้เรียนรู้ ฝึกโครงข่ายประสาทเทียมปัญหา XOR
โครงข่ายประสาทเทียมaiการเรียนรู้ของเครื่อง
ยาก

Scaled dot-product attention

เขียนการคำนวณ attention ซึ่งเป็นหัวใจของ Transformer และโมเดลภาษาขนาดใหญ่

คุณจะได้เรียนรู้ AttentionTransformer
aiการเรียนรู้ของเครื่อง
ปานกลาง

ฝึกนิวรอนด้วยการลดเกรเดียนต์

ทำการส่งผ่านไปข้างหน้า คำนวณเกรเดียนต์ และปรับน้ำหนักซ้ำๆ เพื่อสอนนิวรอน sigmoid จากตัวอย่าง

คุณจะได้เรียนรู้ Gradient descentลูปการฝึก
โครงข่ายประสาทเทียมaiการเรียนรู้ของเครื่อง
ยังไม่มีวิธีแก้
ง่าย

ฟังก์ชัน softmax

เปลี่ยนคะแนนดิบให้เป็นความน่าจะเป็นที่รวมกันได้ 1 โดยไม่เกิดการล้นของตัวเลขเมื่อค่ามีขนาดใหญ่

คุณจะได้เรียนรู้ Softmaxเสถียรภาพเชิงตัวเลข
aiการเรียนรู้ของเครื่อง
ยังไม่มีวิธีแก้
ยาก

Multi-head self-attention

ฉายอินพุตเป็น query, key และ value รัน attention ในหลาย head พร้อมกัน แล้วรวมผลเข้าด้วยกัน

คุณจะได้เรียนรู้ Multi-head attentionการฉายด้วยเมทริกซ์
aiการเรียนรู้ของเครื่อง
ปานกลาง

Self-attention แบบ causal (มีมาสก์)

Implement attention แบบมีมาสก์ของโมเดล GPT ซึ่งแต่ละ token มองเห็นได้เฉพาะตัวเองและ token ก่อนหน้า

คุณจะได้เรียนรู้ Attention แบบมีมาสก์โมเดล GPT
aiการเรียนรู้ของเครื่อง
ยังไม่มีวิธีแก้
ง่าย

ความคล้ายคลึงโคไซน์

วัดว่าเวกเตอร์สองตัวคล้ายกันแค่ไหนจากมุมระหว่างกัน แบบเดียวกับที่เสิร์ชเอนจินเปรียบเทียบ embedding

คุณจะได้เรียนรู้ ความคล้ายของเวกเตอร์Embedding
aiการเรียนรู้ของเครื่อง
ยังไม่มีวิธีแก้
ง่าย

ตัวตัดคำและคลังคำศัพท์

แยกข้อความเป็นคำตัวพิมพ์เล็กและสร้างคลังคำศัพท์ที่เรียงตามความถี่ ซึ่งเป็นขั้นแรกของโมเดลภาษาทุกตัว

คุณจะได้เรียนรู้ การตัด tokenสร้างคลังคำศัพท์
aiการเรียนรู้ของเครื่อง
ยังไม่มีวิธีแก้
ปานกลาง

ค่าเกนข้อมูล

คำนวณว่าการแบ่งตามฟีเจอร์ช่วยลดเอนโทรปีได้แค่ไหน ซึ่งเป็นเกณฑ์ของต้นไม้ตัดสินใจ ID3

คุณจะได้เรียนรู้ Entropyต้นไม้ตัดสินใจ
aiการเรียนรู้ของเครื่อง
ยังไม่มีวิธีแก้
ง่าย

การปรับสเกลแบบ min-max

ปรับสเกลฟีเจอร์ให้ค่าที่น้อยที่สุดเป็น 0 และค่าที่มากที่สุดเป็น 1

คุณจะได้เรียนรู้ ปรับสเกลฟีเจอร์เตรียมข้อมูล
aiการเรียนรู้ของเครื่อง
ยังไม่มีวิธีแก้
ปานกลาง

ตัวจำแนกแบบ K เพื่อนบ้านที่ใกล้ที่สุด

ทำนายป้ายกำกับด้วยเสียงข้างมากของจุดฝึก k จุดที่ใกล้ที่สุด

คุณจะได้เรียนรู้ KNNการวัดระยะทาง
aiการเรียนรู้ของเครื่อง
ปานกลาง

การจัดกลุ่มแบบ K-means

แบ่งจุดออกเป็น k กลุ่มโดยกำหนดจุดให้กับเซนทรอยด์ที่ใกล้ที่สุดและย้ายเซนทรอยด์ซ้ำไปเรื่อยๆ

คุณจะได้เรียนรู้ การจัดกลุ่มจุดศูนย์กลาง
aiการเรียนรู้ของเครื่อง
ยังไม่มีวิธีแก้
ปานกลาง

ตัวจำแนกแบบ Naive Bayes

ทำนายคลาสจากฟีเจอร์แบบหมวดหมู่ด้วยทฤษฎีบทของเบย์และการปรับเรียบแบบลาปลาซ

คุณจะได้เรียนรู้ ทฤษฎีบทของเบย์Laplace smoothing
aiการเรียนรู้ของเครื่อง
ยังไม่มีวิธีแก้
ปานกลาง

การเข้ารหัสตำแหน่งแบบไซน์

คำนวณเวกเตอร์ตำแหน่งแบบไซน์และโคไซน์ที่ Transformer บวกเข้ากับ embedding ของ token

คุณจะได้เรียนรู้ การเข้ารหัสตำแหน่งตรีโกณมิติ
aiการเรียนรู้ของเครื่อง
ยังไม่มีวิธีแก้
ง่าย

การคูณเมทริกซ์

คูณเมทริกซ์สองตัว ซึ่งเป็นการคำนวณเบื้องหลังทุกเลเยอร์ของโครงข่ายประสาทเทียม

คุณจะได้เรียนรู้ เมทริกซ์พีชคณิตเชิงเส้น
aiการเรียนรู้ของเครื่อง
ยังไม่มีวิธีแก้
ง่าย

การปรับมาตรฐานด้วย z-score

ทำให้ฟีเจอร์มีค่าเฉลี่ย 0 และส่วนเบี่ยงเบนมาตรฐาน 1

คุณจะได้เรียนรู้ การทำให้เป็นมาตรฐานค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐาน
aiการเรียนรู้ของเครื่อง
ยังไม่มีวิธีแก้
ง่าย

ฟังก์ชันค่าสูญเสียแบบ categorical cross-entropy

วัดค่าสูญเสียของตัวจำแนกหลายคลาสจากความน่าจะเป็นที่ทำนายและคลาสที่ถูกต้อง

คุณจะได้เรียนรู้ Loss ของการจำแนกประเภทลอการิทึม
aiการเรียนรู้ของเครื่อง
ยังไม่มีวิธีแก้
ง่าย

การทำนายด้วยการถดถอยโลจิสติก

จำแนกตัวอย่างเป็น 0 หรือ 1 โดยส่งผลรวมถ่วงน้ำหนักผ่าน sigmoid แล้วเทียบกับค่าเกณฑ์

คุณจะได้เรียนรู้ Logistic regressionค่าเกณฑ์
aiการเรียนรู้ของเครื่อง
ยังไม่มีวิธีแก้