Entendendo a IA

Por que não explorar o glossário de IA?

Glossário de Termos de IA

Atualizado: 15 ago 24

Atualmente, só em inglês

Lições

Apresente aos alunos de 11 a 14 anos a IA e o aprendizado de máquina de forma clara e responsável por meio deste módulo envolvente de 4 aulas.

Visão geral da unidade

Atualizado: 13 jan 26

Atualmente, só em inglês

Gráfico de aprendizagem

Atualizado: 13 jan 26

Atualmente, só em inglês

Módulo 1 - Avaliação somativa

Atualizado: 12 mar 26

Atualmente, só em inglês

Módulo 1 - Respostas da avaliação

Atualizado: 12 mar 26

Atualmente, só em inglês

Glossário do aluno

Atualizado: 13 jan 26

Atualmente, só em inglês

Módulo 1 - Lição 1: O que é IA?

Os alunos serão apresentados ao termo "inteligência artificial" (IA) e realizarão atividades para descrever o que é IA, o que não é e como os sistemas de IA podem ser usados para beneficiar a sociedade. Eles serão incentivados a analisar a linguagem usada para descrever a IA e a usar termos técnicos apropriados.

  • Atualmente, só em inglês
Ver recurso

Módulo 1 - Lição 2: Aprendizado de máquina

Nesta lição, os alunos aprenderão a descrever a diferença entre abordagens baseadas em dados e abordagens baseadas em regras para a resolução de problemas. Eles explorarão como os sistemas de aprendizado de máquina são criados usando uma abordagem orientada a dados, incluindo o aprendizado supervisionado.

  • Atualmente, só em inglês
Ver recurso

Módulo 1 - Lição 3: Classificação

Os alunos explorarão como os modelos de aprendizado de máquina (ML) são criados com aprendizado supervisionado. Eles desenvolverão sua compreensão de como os dados de treinamento rotulados são usados para treinar modelos de classificação interagindo com o Quick Draw!, uma ferramenta interativa de IA. Por fim, examinarão como os índices de confiança são usados nas previsões dos modelos de ML.

  • Atualmente, só em inglês
Ver recurso

Módulo 1 - Lição 4: Viés de entrada, viés de saída

Os alunos explorarão como o viés pode surgir em modelos de aprendizado de máquina devido aos dados usados para treiná-los. Eles criarão seu próprio modelo de aprendizado de máquina para classificar imagens de maçãs e tomates e descobrirão como um conjunto de dados limitado pode levar a previsões tendenciosas e imprecisas. Por fim, investigarão dois tipos de viés que podem aparecer nos dados de treinamento.

  • Atualmente, só em inglês
Ver recurso