Επίλυση προβλημάτων με το AI
Γιατί να μην εξερευνήσετε το γλωσσάρι AI;
Γλωσσάρι όρων AI
Ενημερώθηκε: 9 Δεκ 24
Ενημερώθηκε: 9 Δεκ 24
Αυτή η ενότητα βασίζεται στις γνώσεις από την «Κατανόηση του AI» και βοηθά τους νέους να ξεκινήσουν να επιλύουν προβλήματα του πραγματικού κόσμου χρησιμοποιώντας εργαλεία AI.
Ενημερώθηκε: 13 Ιαν 26
Ενημερώθηκε: 23 Ιαν 26
Ενημερώθηκε: 13 Ιαν 26
Ενημερώθηκε: 13 Ιαν 26
Ενημερώθηκε: 13 Ιαν 26
Οι Εκπαιδευόμενοι θα διερευνήσουν πώς χρησιμοποιείται το AI στην καθημερινή ζωή και θα μάθουν να ξεχωρίζουν το προγνωστικό από το παραγωγικό AI. Θα ερευνήσουν προβλήματα που μπορούν να λύσουν χρησιμοποιώντας το AI και θα αναλογιστούν πότε τα εργαλεία AI αποτελούν κατάλληλο τρόπο για την επίλυση ενός προβλήματος.
Μέχρι το τέλος αυτού του μαθήματος, οι εκπαιδευόμενοι θα είναι σε θέση να περιγράφουν τα στάδια του κύκλου ζωής ενός έργου AI, από τη σύλληψη της ιδέας έως την ανάπτυξη ενός μοντέλου. Θα δουν πώς αυτά τα στάδια χρησιμοποιούνται σε πραγματικά ερευνητικά έργα που βασίζονται στο AI και βοηθούν ανθρώπους σε όλο τον κόσμο.
Σε αυτό το μάθημα, οι εκπαιδευόμενοι θα χρησιμοποιήσουν τον κύκλο ζωής ενός έργου AI για να ξεκινήσουν τη δημιουργία του δικού τους μοντέλου μηχανικής μάθησης για την επίλυση ενός προβλήματος της επιλογής τους. Θα επιλέξουν ένα πρόβλημα και έναν χρήστη μέσα από δύο επιλογές. Θα γνωρίσουν μια «επικεντρωμένη στον χρήστη» προσέγγιση σχεδιασμού και στη συνέχεια θα προετοιμάσουν τα δεδομένα τους, χωρίζοντάς τα σε κλάσεις.
Σε αυτό το μάθημα, οι εκπαιδευόμενοι θα συνεχίσουν να εφαρμόζουν τον κύκλο ζωής ενός έργου AI. Θα αρχίσουν να εκπαιδεύουν ένα μοντέλο μηχανικής μάθησης για να λύσουν ένα πρόβλημα της επιλογής τους και θα το δοκιμάσουν. Θα εξετάσουν τη σχέση μεταξύ των βαθμών εμπιστοσύνης, των κατωφλιών εμπιστοσύνης και της ακρίβειας στις προβλέψεις μοντέλων μηχανικής μάθησης. Τέλος, θα μετρήσουν την ακρίβεια των μοντέλων μηχανικής μάθησης (ML) τους.
Σε αυτό το μάθημα, οι εκπαιδευόμενοι θα αξιολογήσουν και θα επεξηγήσουν το μοντέλο AI τους χρησιμοποιώντας μια κάρτα μοντέλου, η οποία τεκμηριώνει τον σκοπό του μοντέλου, τα αποτελέσματα των ελέγχων και τα όριά του. Στη συνέχεια, θα εξερευνήσουν το εύρος των ευκαιριών σταδιοδρομίας που είναι διαθέσιμες στο AI και σε τομείς που χρησιμοποιούν εφαρμογές AI, συμπεριλαμβανομένων ρόλων στην Google DeepMind και σε τομείς προσωπικού ενδιαφέροντος.
