練習題
課程中的所有互動題目集中在一份清單:先預測,再操作實驗,最後自我檢查。
學習計畫
題目
顯示 72 / 72 題
| 狀態 | 題目 | 章節 | 類型 | 程度 |
|---|---|---|---|---|
| 尚未開始 | 影像就是陣列・為什麼增亮反而讓亮的像素變暗?對一張真實照片的每個像素加上同一個數,並比較 8 位元回繞、飽和運算與浮點運算。 | 影像就是陣列 | 影像實驗 | 入門 |
| 尚未開始 | ML 01A・2 × 2 矩陣會對一張影像做什麼?移動兩個基底向量的像,看一張真實照片跟著改變。行列式是帶正負號的面積倍率,奇異值是沿兩個互相垂直方向的伸縮量,秩為 1 時整張影像被壓成一條線。 | ML 01A | 影像實驗 | 入門 |
| 尚未開始 | IP 02・減少像素與減少灰階,各會失去什麼?對真實照片與合成的波帶片,只保留每隔 s 個像素與較少的灰階,觀察不先濾波時出現的假圖樣(混疊)。 | 影像就是陣列 | 影像實驗 | 入門 |
| 尚未開始 | IP 04・最銳利的低通濾波器能得到最好的影像嗎?在頻率域濾波一張真實照片,並在相同截止頻率下比較理想、Butterworth 與高斯低通濾波器。 | IP 04 | 影像實驗 | 中階 |
| 尚未開始 | IP 05・為什麼還原模糊會放大雜訊?用高斯 PSF 模糊一張真實照片,加入少量雜訊,再於頻域除以模糊的轉移函數。觀察單純的逆濾波如何失敗,並找出能救回影像的 Wiener 常數 K。 | IP 05 | 影像實驗 | 中階 |
| 尚未開始 | IP 06・為什麼增亮會讓紅色與橙色變黃、再變白?把一張真實彩色照片乘上增益,比較處理溢位通道的三種方式:各通道分別裁切、整個像素一起縮放,或做色調映射。 | IP 06 | 影像實驗 | 中階 |
| 尚未開始 | IP 08・可以丟掉多少係數?用 8 × 8 區塊 DCT 或 Haar 小波轉換一張真實照片,把每個係數捨入到較粗的步長,觀察遺失的資訊出現在哪裡。 | IP 07 | 影像實驗 | 中階 |
| 尚未開始 | IP 09・結構元素會留下哪些形狀?清理一張經過門檻處理、帶有孤立點、刮痕與孔洞的硬幣照片。改變運算、結構元素的形狀與大小,觀察各種選擇會移除、填補或保留什麼。 | IP 09 | 影像實驗 | 中階 |
| 尚未開始 | IP 10・單一全域門檻在哪裡失效?讓頁面一側變暗,觀察 Otsu 的單一門檻如何丟失文字,而隨局部光線調整的門檻仍能保留文字。 | IP 10 | 影像實驗 | 進階 |
| 尚未開始 | IP 11・蛇模型會找到邊緣,還是卡住?在硬幣的照片上執行真正的蛇模型(IP 11 的 Kass–Witkin–Terzopoulos 輪廓):在一枚硬幣外畫一個起始圓,看看圓最遠可以離硬幣邊緣多遠,蛇模型才不會停在錯的地方。 | IP 11 | 影像實驗 | 進階 |
| 尚未開始 | IP 12・探測像素:平坦、邊緣還是角點?在真實照片上移動一個小視窗,觀察視窗內的梯度向量、結構張量橢圓與 Harris 響應,如何判定該處是平坦、邊緣還是角點。 | IP 12 | 影像實驗 | 進階 |
| 尚未開始 | 數一數下一個詞用可編輯的小型語料建立 n-gram 分布,觀察次數、句子邊界與平滑化。 | NLP 01 | 互動圖表 | 入門 |
| 尚未開始 | 逐步合併字元,建立子詞在小型加權詞彙表上訓練 BPE,再將學得的合併順序套用到新字詞。 | NLP 01 | 互動圖表 | 入門 |
| 尚未開始 | 「每個人都讀了一本書」是同一本嗎?改變小型閱讀關係,精確判斷兩種量詞順序的真值。 | NLP 02 | 互動圖表 | 入門 |
| 尚未開始 | 填補會改變平均池化後的句子表示嗎?把三個詞的句子補上零向量,比較正確的遮罩平均,與把填補算進分母的平均。 | NLP 03 | 互動圖表 | 入門 |
| 尚未開始 | 局部標籤選擇與完整序列結合發射分數、轉移分數與 BIO 片段限制,選出完整標籤路徑。 | NLP 06 | 互動圖表 | 中階 |
| 尚未開始 | 遮罩預測器能看見哪些位置?改變右側語境線索,以因果遮罩隱藏它,再將不同輸出頭接到同一個小型語境向量。 | NLP 07 | 互動圖表 | 中階 |
| 尚未開始 | 溫度、top-k 與 top-p 如何改變分布追蹤固定 logits 經過溫度縮放、top-k 截斷、核心截斷與重新正規化的結果。 | NLP 08 | 互動圖表 | 中階 |
| 尚未開始 | 為何這份文件排在第一?在完整可見的本地語料上,觀察 BM25 詞頻飽和與文件長度正規化。 | NLP 09 | 互動圖表 | 進階 |
| 尚未開始 | PR 04・改變特徵的單位,鄰居會跟著改變嗎?對真實的鳶尾花量測資料做留一法 k 近鄰分類,再改變其中一個特徵的單位:沒有任何一朵花移動,鄰居與準確率卻改變了。 | IP 13 | 影像實驗 | 進階 |
| 尚未開始 | 分類器何時應該改變判斷?改變類別出現機率與誤報成本,觀察決策邊界如何移動。 | PR 01 | 互動圖表 | 入門 |
| 尚未開始 | PR 02・密度核函數應該多寬?調整頻寬,觀察個別核函數、估計密度與留一法預測。 | PR 02 | 互動圖表 | 中階 |
| 尚未開始 | PR 03・模型複雜度與收縮以嶺迴歸擬合多項式基底,區分訓練誤差與原始函數的還原誤差。 | PR 03 | 互動圖表 | 中階 |
| 尚未開始 | PR 05・最大變異量能保留類別嗎?旋轉一維投影方向,比較重建誤差與類別分離程度。 | PR 05 | 互動圖表 | 中階 |
| 尚未開始 | PR 06・時間不同,如何比對形狀?改變訊號的時間尺度,觀察動態時間校正的成本矩陣與最佳對齊路徑。 | PR 06 | 互動圖表 | 進階 |
| 尚未開始 | PR 07・軟分配如何移動平均值?逐步執行 Gaussian 混合模型的 EM,觀察責任值、概似值與對稱初始化的陷阱。 | PR 07 | 互動圖表 | 進階 |
| 尚未開始 | PR 08・你最小化的是哪個方向的 KL?移動並放寬雙峰目標的 Gaussian 近似,比較漏掉機率質量與填滿峰間谷地的懲罰。 | PR 08 | 互動圖表 | 進階 |
| 尚未開始 | PR 09・平均許多不穩定的樹,會比一棵樹更好嗎?在 300 個帶雜訊的雙月形資料點上訓練真正的決策樹,用自助抽樣(bootstrap)做出許多棵讓它們投票,觀察測試誤差如何隨樹數下降,然後趨於平緩。 | PR 09 | 影像實驗 | 進階 |
| 尚未開始 | PR 10・母體偏移後,信心還可靠嗎?設定拒絕門檻並平移兩種類別分布,比較接受比例與選擇性錯誤率。 | PR 10 | 互動圖表 | 進階 |
| 尚未開始 | 兩個隱藏單元如何彎折決策區域在 XOR 四個角點上,比較固定雙單元網路使用與不使用非線性激活的差異。 | NLP 03 | 互動圖表 | 入門 |
| 尚未開始 | 預測相同,機率品質卻不同對固定驗證 logits 套用正溫度,比較準確率、對數損失與機率平方誤差。 | NLP 03 | 互動圖表 | 入門 |
| 尚未開始 | 對齊、困難負例與特徵坍縮移動配對與未配對單位向量,觀察對比學習使用的正規化匹配損失。 | NLP 04 | 互動圖表 | 入門 |
| 尚未開始 | 選擇性狀態更新:記住重要輸入在序列加入干擾值,比較固定遞迴衰減與依輸入決定的寫入行為。 | NLP 05 | 互動圖表 | 中階 |
| 尚未開始 | 注意力:哪些詞元可見?使用相同的查詢、鍵與值,比較雙向注意力與因果注意力。 | NLP 07 | 互動圖表 | 中階 |
| 尚未開始 | 把微型影像分解為條件預測在一階像素模型下枚舉十六種二元 2×2 影像,再改變生成順序。 | NLP 09 | 互動圖表 | 進階 |
| 尚未開始 | 拉伸空間會改變密度:Jacobian 的作用將高斯分布通過可逆非線性映射,利用導數保持機率質量。 | ML 01B | 互動圖表 | 入門 |
| 尚未開始 | 為何有限差分步長越小反而越差?檢查 exp(x) 的導數,區分截斷誤差與浮點相減造成的消去誤差。 | ML 01C | 互動圖表 | 入門 |
| 尚未開始 | 正確速度場仍需要數值求解器讓粒子通過已知速度場,比較相同步數下的積分誤差。 | ML 01C | 互動圖表 | 入門 |
| 尚未開始 | ML 02・小小的網路學得會彎曲的邊界嗎?在雙月形與雙圓環兩個資料集上,一步一步用梯度下降訓練一個有 2 個輸入、m 個 tanh 隱藏單元與 1 個 sigmoid 輸出的網路,觀察決策圖與訓練、測試損失。隱藏單元太少、學習率太小、學習率太大,各有各的失敗方式。 | ML 02 | 影像實驗 | 中階 |
| 尚未開始 | VAE 如何取捨重建與先驗一致性移動並調整高斯後驗寬度,計算期望解碼損失與精確 KL 懲罰。 | ML 06A | 互動圖表 | 中階 |
| 尚未開始 | ML 08・網路預測雜訊、影像或速度時,看到的是什麼?把太空人照片與固定雜訊混合,並排檢視雜訊、乾淨影像與速度三種目標,再讓網路帶一點誤差,看看哪一種轉換回乾淨影像的方式承受得住。 | ML 08 | 影像實驗 | 進階 |
| 尚未開始 | DLCV 01・一個輸出單元能看到多少影像?選一組卷積層堆疊與真實照片上的一個位置:影像上會畫出某個輸出單元所依賴的輸入像素方框,並顯示其大小、跳距與占整張影像的比例。 | ML 03 | 影像實驗 | 中階 |
| 尚未開始 | DLCV 02・決策門檻改變錯誤的種類移動固定分類分數的決策門檻。混淆矩陣隨之改變,操作點則沿著由同一組分數畫出的 ROC 與精確率–召回率曲線滑動。 | DLCV 02 | 互動圖表 | 進階 |
| 尚未開始 | 邊界框、重疊與抑制重疊的偵測框何時會被當成同一個物件?觀察貪婪抑制如何作出決定。 | DLCV 03 | 互動圖表 | 進階 |
| 尚未開始 | DLCV 03B・小小的偏航角誤差無傷大雅嗎?在鳥瞰視角中,把預測框從真實框轉開幾度,觀察精確的旋轉 IoU 下降,而中心距離維持為零。 | DLCV 03B | 影像實驗 | 進階 |
| 尚未開始 | DLCV 04・像素準確率高,就代表分割得好嗎?模擬一個以較粗的輸出步幅(stride)做預測的分割網路,比較像素準確率、平均 IoU 與最小類別的 IoU。 | DLCV 04 | 影像實驗 | 進階 |
| 尚未開始 | DLCV 05・熱圖的 argmax 就是關鍵點嗎?對 500 個隨機的子像素關鍵點,以步幅 1、2、4 或 8 繪製高斯熱圖,比較三種讀回位置的方法:最亮的格子、四分之一格偏移與 Taylor 步驟。 | DLCV 05 | 影像實驗 | 進階 |
| 尚未開始 | DLCV 06・CTC 要怎麼寫出連續兩個相同的字母?在玩具辨識器的輸出中,改變兩個相同字母之間畫格的空白機率,觀察貪婪(最佳路徑)解碼與前綴束搜尋怎麼讀它。 | DLCV 06 | 影像實驗 | 進階 |
| 尚未開始 | DLCV 07・物體相遇時,身分為什麼會對調?用卡爾曼濾波器、成本矩陣與匈牙利演算法,在 30 幀合成影片中追蹤三個彩色方塊,觀察只用框重疊時兩個身分如何對調。 | DLCV 07 | 影像實驗 | 進階 |
| 尚未開始 | DLCV 04・清晰的猜測可能較不忠實一個模糊的觀測同時符合兩種清晰的乾淨訊號。模糊的平均值期望平方誤差最低;清晰的猜測看起來較好,但通常離真相較遠。 | DLCV 09 | 互動圖表 | 進階 |
| 尚未開始 | DLCV 09C・增益無法創造缺少的光子模擬帶有光子雜訊與讀出雜訊的昏暗照片,比較增加光量、增加數位增益與使用去雜訊器的差別。 | DLCV 09C | 影像實驗 | 進階 |
| 尚未開始 | DLCV 09C・3D 查找表要多大才夠?把一個平滑的色彩增強烘焙進 M × M × M 的表中,分別以最近節點查表與三線性內插套用,並與精確轉換比較。 | DLCV 09C | 影像實驗 | 進階 |
| 尚未開始 | DLCV 10・把兩張照片取平均,就算融合了嗎?同一個場景的兩張照片,各自在不同區域是清晰的。把它們取平均,或逐像素選取局部細節較多的那一張,並以全清晰的真實影像評分。 | DLCV 10 | 影像實驗 | 進階 |
| 尚未開始 | DLCV 11A・匹配視窗越大一定越好嗎?在已知視差的合成立體影像對上執行區塊匹配,看小視窗變得雜亂,而大視窗讓前景變胖。 | DLCV 11A | 影像實驗 | 進階 |
| 尚未開始 | DLCV 07・小型動態誤差會在展開中累積在相同行動下,比較單步預測、開迴路展開與定期更新觀測。 | DLCV 13 | 互動圖表 | 進階 |
| 尚未開始 | DLCV 14・為什麼看不出來的改變就能翻轉預測?在 64、256 或 1,024 個像素的雜訊條紋影像上訓練線性分類器,再把每個像素都改變相同的幾階:一次沿著損失梯度(FGSM),一次用隨機正負號。 | DLCV 14 | 影像實驗 | 進階 |
| 尚未開始 | 整條線段都可行嗎?在圓上放兩個可行點,沿著它們之間的線段移動,並比較圓盤與圓環。 | OPT 01 | 互動圖表 | 入門 |
| 尚未開始 | 比較函數與弦線在兩個輸入之間移動並計算 Jensen 差距,負值就是具體反例。 | OPT 02 | 互動圖表 | 中階 |
| 尚未開始 | 為什麼直接截斷解可能出錯在非負限制下,比較逐座標截斷與耦合二次問題的精確解。 | OPT 03 | 互動圖表 | 中階 |
| 尚未開始 | 建立原始與對偶證書調整候選點與乘數。只有滿足可行性,小差距才有意義。 | OPT 04 | 互動圖表 | 進階 |
| 尚未開始 | 一個離群值,三種最佳擬合移動一筆觀測,比較平方、絕對值與 Huber 損失擬合常數的結果。 | OPT 05 | 互動圖表 | 進階 |
| 尚未開始 | 沿著梯度走下狹窄谷地觀察適用於圓形碗面的步長,為何可能在狹窄谷地發散。 | OPT 06 | 互動圖表 | 進階 |
| 尚未開始 | 沿著中心路徑走向最佳頂點在兩變數線性規劃上提高障礙權重 t,觀察中心點、對偶界與差距 m/t。 | OPT 07 | 互動圖表 | 進階 |
| 尚未開始 | 為什麼近端步驟會產生精確零值比較軟閾值與一般縮小,並觀察不可微的目標函數。 | OPT 08 | 互動圖表 | 進階 |
| 尚未開始 | 分開看熵與模型失配改變真實機率與模型機率,計算模型錯誤帶來的額外編碼成本。 | ML 01B | 互動圖表 | 入門 |
| 尚未開始 | 雜訊之後還留下多少資訊?區分來源的不確定性、實際傳遞的資訊與通道容量。 | IT 01 | 互動圖表 | 入門 |
| 尚未開始 | 高機率區塊與典型集合不同比較典型集合的機率質量與它占所有二元區塊的比例。 | IT 02 | 互動圖表 | 中階 |
| 尚未開始 | 讓常見符號使用較短的編碼建立二元前綴碼,比較平均碼長與來源熵。 | IT 03 | 互動圖表 | 中階 |
| 尚未開始 | 把功率分配到資訊效益較高的通道在兩條平行高斯通道上比較平均分配與注水法。 | IT 05 | 互動圖表 | 進階 |
| 尚未開始 | 多少碼率能換得指定誤差?觀察 Bernoulli 碼率失真曲線,以及在 Hamming 誤差下達到它的聯合分布。 | IT 06 | 互動圖表 | 進階 |
| 尚未開始 | 在誤警與漏判之間取捨在兩個精確二項分布上移動決策閾值,計算兩種錯誤機率。 | IT 07 | 互動圖表 | 進階 |
| 尚未開始 | 兩個無用線索合起來可以有用計算各自獨立的兩個位元及其組合,對帶雜訊 XOR 標籤提供多少資訊。 | IT 08 | 互動圖表 | 進階 |
沒有符合篩選條件的題目。