Ενότητα 2 - Μάθημα 3: Επίλυση προβλημάτων με μοντέλα ML (μέρος 1)

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.

Στόχοι μάθησης

  • Θα εφαρμόζουν τα στάδια «ορισμού» και «προετοιμασίας δεδομένων» σε ένα πραγματικό έργο μηχανικής μάθησης (ML)
  • Θα περιγράφουν τι είναι μια «επικεντρωμένη στον χρήστη» προσέγγιση σχεδιασμού
  • Θα περιγράφουν γιατί ένα σύστημα μηχανικής μάθησης είναι κατάλληλο για την επίλυση του προβλήματός σας

Βασικό λεξιλόγιο

Επικεντρωμένη στον χρήστη, Ταξινόμηση, Data-driven (Βάσει δεδομένων)

Δομή μαθήματος

  • Δραστηριότητα 1: Ο κύκλος ζωής ενός έργου AI
  • Δραστηριότητα 2: Ορισμός του προβλήματος
  • Προαιρετικά: Επικεντρωμένος στον χρήστη σχεδιασμός
  • Δραστηριότητα 3: Γιατί να χρησιμοποιήσουμε μηχανική μάθηση;

Λήψη πόρων του μαθήματος

Για να κάνετε λήψη του σχεδίου μαθήματος, των διαφανειών και των δραστηριοτήτων, συνδεθείτε ή δημιουργήστε έναν δωρεάν λογαριασμό στο Raspberry Pi Foundation.
Στη συνέχεια, θα σας κάνουμε μερικές ερωτήσεις για να μας βοηθήσετε να καταλάβουμε πώς θα χρησιμοποιήσετε τους πόρους.