با استفاده از Keras و پایتون یک شبکهٔ عصبی ساده بسازید که یک مجموعه دادهٔ مصنوعی برای مسئلهٔ دسته‌بندی دودویی تولید، مدل را آموزش داده و دقت نهایی روی مجموعهٔ آزمایشی را گزارش کند.

در پایتون با کمک sklearn (برای تولید داده با make_classification و تقسیم داده با train_test_split) یا numpy یک دیتاست مصنوعی بسازید، سپس ویژگی‌ها را با StandardScaler نرمال کنید. با استفاده از tensorflow.keras یک مدل Sequential شامل چند لایه Dense (با activation='relu' برای لایه‌های میانی و 'sigmoid' برای خروجی) بسازید، مدل را با loss='binary_crossentropy' و optimizer='adam' کامپایل کنید و با fit آموزش دهید. برای جلوگیری از بیش‌برازش می‌توانید از validation_split یا EarlyStopping استفاده کنید و در انتها با evaluate دقت (accuracy) روی مجموعهٔ تست را گزارش کنید. نکات: برای تکرارپذیری seed تنظیم کنید، تعداد ایپاک‌ها و اندازهٔ batch را امتحان کنید و مطمئن شوید که خروجی دودویی با آستانه 0.5 تفسیر می‌شود.