विषयावरील प्रकाशने 'algorithms'
आमच्या दृष्टिकोनातील दोष: रिकरंट न्यूरल नेटवर्क-LSTM लागू करताना तुम्ही काय चूक करत आहात!
मी काही महिन्यांपूर्वी मशीन लर्निंगच्या क्षेत्रात प्रवेश करायला सुरुवात केली आणि काही प्रकल्प बनवल्यानंतर मी स्वतःला विचार केला, “हे खरोखर कठीण नाही”. मी डीप लर्निंगचा सामना करेपर्यंत तेच होते. अभ्यासाचे संपूर्ण नवीन क्षेत्र, डीप लर्निंगसाठी मोठ्या प्रमाणावर गणितीय तसेच विश्लेषणात्मक ज्ञान आवश्यक आहे.
न्यूरल नेटवर्क तयार करणे हे मुळात मानवी मेंदू बनवण्यासारखे आहे!
जेव्हा मी न्यूरल नेट वापरण्याच्या तयारीत होतो, तेव्हा मला जाणवले की ते खूप जबरदस्त आहे. अशा अनेक क्लिष्ट संकल्पना..
परिपूर्णतेचा शोध—O(n) (डुप्लिकेट केलेले घटक काढून टाकणे)
एक प्राध्यापक एकदा म्हणाले:
वरिष्ठ अभियंता होण्यासाठी तुम्हाला स्ट्रक्चरल प्रोग्रामिंग, फंक्शनल प्रोग्रामिंग, पॉलिमॉर्फिझम, भरपूर आर्किटेक्चर, डिझाइन पॅटर्न, टेस्टिंग, टीडीडी, बीडीडी, एजाइल आणि एक्स्ट्रीम प्रोग्रामिंगचा अभ्यास करावा लागेल. तुम्हाला खूप जोडावे लागेल. हे खूप हलणारे भाग आहे! पण त्यापलीकडे जाण्यासाठी आणि जागतिक दर्जाचे बनण्यासाठी, फक्त एक गोष्ट आणि फक्त एक गोष्ट तुमच्या हाताच्या तळहातावर आहे: अल्गोरिदम!
काही म्हणतात की विश्व आणि जीवन कार्यांमध्ये वर्णन केले आहे. खरंच..
Occam's Razor: कोड लहान आणि सोपा ठेवणे
पार्श्वभूमी
माझ्या ग्रुप रँडोमायझर ऍप्लिकेशनमध्ये, माझ्या MVP (किमान व्यवहार्य उत्पादन) च्या वैशिष्ट्यांपैकी एक बचत गट वैशिष्ट्य तयार करत आहे. जेव्हा वापरकर्ता "समूह जतन करा" बटणावर क्लिक करतो, तेव्हा ते नवीन गट म्हणून पर्यायांची वर्तमान सूची जतन करेल. तथापि, या वैशिष्ट्याची मुख्य कार्यक्षमता अशी आहे की जर त्याला समान पर्यायांसह विद्यमान जतन केलेला गट सापडला, तर ऑर्डरची पर्वा न करता, तुमच्या सध्याच्या पर्यायांच्या सूचीसह एक गट आधीच अस्तित्वात असल्याचे सांगणारा इशारा दिसेल...
JavaScript अल्गोरिदम: स्ट्रिंगला कॅमल केसमध्ये रूपांतरित करा
डॅश आणि किंवा अंडरस्कोर सीमांकित शब्दांना उंटाच्या आवरणात रूपांतरित करा
आपण toCamelCase() नावाचे फंक्शन लिहिणार आहोत जे स्ट्रिंग, str , वितर्क म्हणून स्वीकारेल.
या फंक्शनसाठी, तुम्हाला एक स्ट्रिंग दिली जाते आणि स्ट्रिंगमधील शब्द एकतर डॅश — किंवा अंडरस्कोर _ किंवा दोन्हीने वेगळे केले जातात. सर्व डॅश आणि/किंवा अंडरस्कोअर काढून टाकणे हे फंक्शनचे उद्दिष्ट आहे आणि त्या अंडरस्कोर किंवा डॅशच्या मागे येणारा पहिला शब्द कॅपिटल केला पाहिजे. परत आलेली स्ट्रिंग इनपुट स्ट्रिंग सारखी असली..
मजबुतीकरण शिक्षण: एक संक्षिप्त परिचय
रीइन्फोर्समेंट लर्निंग हा मशीन लर्निंगचा एक प्रकार आहे जो निर्णयांचा क्रम घेण्यासाठी प्रशिक्षण अल्गोरिदमवर लक्ष केंद्रित करतो. अल्गोरिदम त्यांच्या कृतींमधून शिकतात आणि परिणामी बक्षिसे किंवा दंड वेळोवेळी रिवॉर्ड सिग्नल वाढवण्याच्या ध्येयासह.
मजबुतीकरण शिक्षण विविध अनुप्रयोगांमध्ये वापरले जाऊ शकते, जसे की व्हिडिओ गेम, रोबोटिक्स आणि स्वायत्त प्रणाली. हे खेळ खेळण्याच्या क्षेत्रात विशेषतः यशस्वी झाले आहे, जेथे अल्गोरिदमला अल्फागो आणि अल्फास्टार सारख्या अतिमानवी स्तरावर गेम खेळण्यासाठी..
लीटकोड—बायनरी ट्री झिगझॅग लेव्हल ऑर्डर ट्रॅव्हर्सल
समस्या विधान
बायनरी ट्रीचा root दिल्यास, त्याच्या नोड्सच्या मूल्यांचा झिगझॅग लेव्हल ऑर्डर ट्रॅव्हर्सल परत करा (म्हणजे डावीकडून उजवीकडे, नंतर पुढील स्तरासाठी उजवीकडून डावीकडे आणि दरम्यान पर्यायी).
यावरून घेतलेले समस्या विधान: https://leetcode.com/problems/binary-tree-zigzag-level-order-traversal/
उदाहरण १:
Input: root = [3, 9, 20, null, null, 15, 7]
Output: [[3], [20, 9], [15, 7]]
उदाहरण २:
Input: root = [1]
Output: [[1]]
उदाहरण ३:
Input: root = []
Output:..
डायनॅमिक प्रोग्रामिंग शिका: नाणे बदलण्याच्या समस्येसाठी नवशिक्यांचे मार्गदर्शक
तुमची मुलाखत कौशल्ये वाढवा आणि डायनॅमिक प्रोग्रामिंगच्या मूलभूत गोष्टी शिकून एक चांगला विकासक व्हा
डायनॅमिक प्रोग्रामिंग हा जटिल समस्या सोडवण्याचा एक दृष्टीकोन आहे ज्यामध्ये समस्येचे सोप्या समस्यांमध्ये विभाजन करणे आणि त्या समस्यांचे निराकरण करणे समाविष्ट आहे. जर तुम्हाला 21 * 5 गुणाकार करण्यास सांगितले असेल तर तुम्ही त्याऐवजी (20 * 5) गुणाकार कराल आणि (1 * 5) जोडाल. एक जटिल समस्या सोडवण्याऐवजी, तुम्ही ती तीन सोप्या समस्यांमध्ये मोडली आणि त्या सोडवल्या.
20 * 5 = 100 1 * 5 = 5 100..
