Memahami AI

Terokailah glosari AI!

Glosari istilah AI

Dikemas kini: 8 Jul 24

Pelajaran

Introduce students aged 11 to 14 to AI and machine learning in a clear and responsible way through this engaging 4-lesson module.

Gambaran keseluruhan unit

Dikemas kini: 13 Jan 26

Kini dalam Bahasa Inggeris sahaja

Graf pembelajaran

Dikemas kini: 13 Jan 26

Kini dalam Bahasa Inggeris sahaja

Modul 1 - Penilaian sumatif

Dikemas kini: 13 Jan 26

Kini dalam Bahasa Inggeris sahaja

Modul 1 - Jawapan penilaian

Dikemas kini: 13 Jan 26

Kini dalam Bahasa Inggeris sahaja

Glosari pelajar

Dikemas kini: 13 Jan 26

Kini dalam Bahasa Inggeris sahaja

Modul 1 - Pelajaran 1: Apakah itu AI?

Pelajar akan diperkenalkan dengan istilah 'Kecerdasan Buatan' (AI) dan lengkapkan aktiviti-aktiviti untuk menerangkan apakah itu AI, apakah bukan AI, dan bagaimana sistem AI boleh digunakan untuk memberi manfaat kepada masyarakat. Mereka akan digalakkan untuk menganalisis bahasa yang digunakan untuk menerangkan AI dan cara untuk menggunakan istilah teknikal yang sesuai.

  • Kini dalam Bahasa Inggeris sahaja
Lihat sumber

Modul 1 - Pelajaran 2: Pembelajaran mesin

Di dalam pelajaran ini, pelajar akan belajar cara menerangkan perbezaan antara pendekatan dipacu-data dan berasaskan peraturan untuk menyelesaikan masalah. Mereka akan meneroka bagaimana sistem pembelajaran mesin dicipta menggunakan pendekatan dipacu-data, termasuk pembelajaran diselia.

  • Kini dalam Bahasa Inggeris sahaja
Lihat sumber

Modul 1 - Pelajaran 3: Pengelasan

Pelajar akan meneroka bagaimana model Pembelajaran Mesin (ML) dibina menggunakan pembelajaran diselia. Mereka akan membina pemahaman mereka bagaimana data latihan dilabel untuk melatih model pengelasan dengan berinteraksi dengan Quick, Draw! sebuah alat AI interaktif. Akhirnya, mereka akan menilai bagaimana skor keyakinan digunakan di dalam ramalan model ML

  • Kini dalam Bahasa Inggeris sahaja
Lihat sumber

Modul 1 - Pelajaran 4: Bias masuk, bias keluar

Pelajar akan meneroka bagaimana bias boleh muncul di dalam model pembelajaran mesin disebabkan oleh data yang digunakan untuk melatih mereka. Mereka akan membina model pembelajaran mesin sendiri untuk mengelaskan gambar-gambar epal dan tomato, dan menemui bagaimana dataset yang terhad boleh menyebabkan berlakunya bias dan ramalan yang kurang tepat. Akhirnya, mereka akan menyiasat dua jenis bias yang boleh muncul di dalam data latihan.

  • Kini dalam Bahasa Inggeris sahaja
Lihat sumber