Zaktualizowano: 5 mar 25
Introduce students aged 11 to 14 to AI and machine learning in a clear and responsible way through this engaging 4-lesson module.
Zaktualizowano: 13 sty 26
Zaktualizowano: 13 sty 26
Zaktualizowano: 13 sty 26
Zaktualizowano: 13 sty 26
Zaktualizowano: 13 sty 26
Uczniowie zapoznają się z terminem „sztuczna inteligencja” (AI) i wykonają ćwiczenia, które pomogą im zrozumieć, czym AI jest, czym nie jest oraz jak systemy AI mogą służyć społeczeństwu. Nauczą się także, jak analizować język używany do opisu AI i stosować właściwą, fachową terminologię.
W tej lekcji uczniowie nauczą się opisywać różnice między podejściem opartym na danych a podejściem opartym na regułach w rozwiązywaniu problemów. Poznają również, jak tworzy się systemy uczenia maszynowego, korzystając z podejścia opartego na danych, w tym uczenia nadzorowanego.
Uczniowie dowiedzą się, jak tworzy się modele uczenia maszynowego (ML) przy użyciu uczenia nadzorowanego. Poznają, w jaki sposób oznaczone etykietami dane treningowe są używane do trenowania modeli klasyfikacyjnych, korzystając z interaktywnego narzędzia AI „Quick, Draw!”. Na koniec przeanalizują, jak poziomy ufności są stosowane w przewidywaniach modeli ML.
Uczniowie zbadają, w jaki sposób w modelach uczenia maszynowego mogą pojawiać się tendencyjne wyniki na skutek doboru danych treningowych. Stworzą własny model uczenia maszynowego do klasyfikowania obrazów jabłek i pomidorów oraz przekonają się, jak zastosowanie ograniczonego zbioru danych może prowadzić do tendencyjnych i niedokładnych przewidywań. Na koniec poznają dwa rodzaje tendencyjności, które mogą występować w danych treningowych.