Όλα τα μαθήματα

Σειρά μαθημάτων

ΤΝ ΣΤ΄ Δημοτικού: ΤΝ και υπολογιστική σκέψη

Μάθε αλγορίθμους και δεδομένα και δες πώς εκπαιδεύονται και ελέγχονται τα μοντέλα μηχανικής μάθησης.

Κάνε τα μαθήματα με τη σειρά. Στο τέλος μπορείς να ξεχωρίζεις την ΤΝ, τη μηχανική μάθηση και την παραγωγική ΤΝ και να ονομάζεις την είσοδο, το μοντέλο και την έξοδο μιας αληθινής εφαρμογής ΤΝ. Μπορείς να γράφεις αλγορίθμους με βρόχους και συνθήκες και να φτιάχνεις ένα δέντρο αποφάσεων. Μπορείς να εξηγείς πώς τα πίξελ και το κείμενο αποθηκεύονται ως αριθμοί, να ταξινομείς ένα σημείο από τα πιο κοντινά του παραδείγματα και να υπολογίζεις την ακρίβεια από τα αποτελέσματα του ελέγχου. Μπορείς να εξηγείς πώς ένας νευρώνας συνδυάζει εισόδους με βάρη, να χωρίζεις μια πρόταση σε τόκεν, να βαθμολογείς μια εφαρμογή ΤΝ σε ακρίβεια, αμεροληψία και ιδιωτικότητα, και να παρουσιάζεις έναν ταξινομητή φυτών και να εξηγείς τα λάθη του.

Πώς να χρησιμοποιείς αυτά τα μαθήματα

  • Ξεκίνα από το μάθημα που λέει Κάνε αυτό. Προχώρα όταν μπορείς να κάνεις μόνος σου τη γραμμή κάτω από τον τίτλο.
  • Πρώτα παίξε τα Παιχνίδια. Μετά κάνε το Κουίζ. 8 από 10 σωστές για να περάσεις. Τα Φύλλα εργασίας είναι σε χαρτί. Οι απαντήσεις είναι κάτω.
  • Κάθε μάθημα χτίζεται πάνω στο προηγούμενο. Αν ένα μάθημα είναι δύσκολο, γύρνα ένα πίσω.
  • Χρησιμοποίησε μόνο τα εργαλεία ΤΝ που εγκρίνει ο δάσκαλός σου. Μην επικολλάς ποτέ προσωπικές πληροφορίες σε ένα τσατμπότ. Έλεγξε κάθε απάντηση της ΤΝ και πες ποια μέρη της δουλειάς σου βοήθησε η ΤΝ.

Κάθε μάθημα έχει παιχνίδια, κουίζ και φύλλα εργασίας.

0 από 36

Κατανοώ την ΤΝ

  1. 1ΤΝ, μηχανική μάθηση και παραγωγική ΤΝΞεχώρισε την ΤΝ, τη μηχανική μάθηση και την παραγωγική ΤΝ.
    • Όρισε την ΤΝ, τη μηχανική μάθηση και την παραγωγική ΤΝ.
    • Ζωγράφισε πώς μπαίνει η μία μέσα στην άλλη.
    • Χώρισε 10 εφαρμογές στις τρεις ομάδες.
  2. 2Μια σύντομη ιστορία της ΤΝΒάλε σημαντικές στιγμές της ιστορίας της ΤΝ σε μια γραμμή χρόνου.
    • Βάλε υπολογιστές για σκάκι, βοηθούς φωνής και τσατμπότ σε μια γραμμή χρόνου.
    • Πες τι άλλαξε για να γίνει το καθένα δυνατό.
    • Πες μία πρόβλεψη που ήταν λάθος.
  3. 3Στενή και γενική ΤΝΕξήγησε γιατί η ΤΝ σήμερα είναι καλύτερη σε στενές δουλειές.
    • Σύγκρινε ένα πρόγραμμα σκακιού και έναν άνθρωπο.
    • Γράψε δουλειές που η ΤΝ κάνει καλά και δουλειές που της είναι δύσκολες.
    • Εξήγησε τι θα χρειαζόταν μια γενική ΤΝ.
  4. 4Ανάλυσε ένα σύστημα ΤΝΑνάλυσε μια αληθινή εφαρμογή ΤΝ και πες την είσοδο, το μοντέλο και την έξοδο.
    • Διάλεξε μια εφαρμογή, όπως μια αναζήτηση φωτογραφιών ή έναν μεταφραστή.
    • Ζωγράφισε την είσοδο, το μοντέλο και την έξοδό της.
    • Πες σε ποια δεδομένα πιθανόν εκπαιδεύτηκε.

Αλγόριθμοι

  1. 5ΑκολουθίεςΓράψε έναν αλγόριθμο ως ακολουθία βημάτων.
    • Όρισε τι είναι αλγόριθμος.
    • Γράψε βήματα για να φτιάξεις ένα σάντουιτς.
    • Βρες βήματα που δεν είναι σαφή για έναν υπολογιστή.
  2. 6ΒρόχοιΧρησιμοποίησε έναν βρόχο για να επαναλάβεις βήματα.
    • Άλλαξε τα επαναλαμβανόμενα βήματα με έναν βρόχο.
    • Χρησιμοποίησε έναν βρόχο που μετράει.
    • Χρησιμοποίησε έναν βρόχο που τρέχει μέχρι να ισχύσει μια συνθήκη.
  3. 7ΣυνθήκεςΧρησιμοποίησε συνθήκες για να διαλέξεις δρόμο.
    • Γράψε if, else if και else.
    • Συνδύασε συνθήκες με και, ή και όχι.
    • Ακολούθησε έναν αλγόριθμο με το χέρι.
  4. 8Δέντρα αποφάσεωνΦτιάξε ένα δέντρο αποφάσεων που ταξινομεί ζώα.
    • Κάνε ερωτήσεις ναι ή όχι σε κάθε κλαδί.
    • Ταξινόμησε 10 ζώα με το δέντρο σου.
    • Βρες το πιο κοντό δέντρο που ακόμα δουλεύει.

Αναπαράσταση δεδομένων

  1. 9Αριθμοί και κατηγορίεςΞεχώρισε τα αριθμητικά δεδομένα από τις κατηγορίες.
    • Χώρισε χαρακτηριστικά σε αριθμούς και κατηγορίες.
    • Κάνε μια κατηγορία αριθμούς.
    • Πες γιατί ένας υπολογιστής χρειάζεται αριθμούς.
  2. 10Εικόνες ως αριθμοίΕξήγησε πώς τα πίξελ αποθηκεύουν μια εικόνα ως αριθμούς.
    • Ζωγράφισε μια εικόνα σε πλέγμα από 0 και 1.
    • Ανάμειξε τιμές κόκκινου, πράσινου και μπλε.
    • Μέτρα τους αριθμούς σε μια μικρή φωτογραφία.
  3. 11Κείμενο ως αριθμοίΕξήγησε πώς το κείμενο μπορεί να αποθηκευτεί ως αριθμοί.
    • Κάνε τα γράμματα κωδικούς.
    • Δώσε σε κάθε λέξη μιας λίστας έναν αριθμό.
    • Μέτρα πόσο συχνά εμφανίζεται κάθε λέξη.
  4. 12Πίνακες δεδομένωνΟργάνωσε τα δεδομένα σε πίνακες με γραμμές, στήλες και χαρακτηριστικά.
    • Φτιάξε έναν πίνακα σε ένα υπολογιστικό φύλλο.
    • Πες τα χαρακτηριστικά και την ετικέτα.
    • Ταξινόμησε και φιλτράρισε τον πίνακα.

Ταξινόμηση

  1. 13Χαρακτηριστικά και ετικέτεςΔιάλεξε χρήσιμα χαρακτηριστικά για μια ετικέτα.
    • Πες τι είναι ένα χαρακτηριστικό και τι είναι μια ετικέτα.
    • Βάλε τα χαρακτηριστικά από το πιο χρήσιμο στο λιγότερο χρήσιμο.
    • Βγάλε ένα χαρακτηριστικό που δεν βοηθά.
  2. 14Κοντινότερος γείτοναςΤαξινόμησε ένα σημείο από τον κοντινότερο γείτονα: τα πιο κοντινά του παραδείγματα.
    • Βάλε παραδείγματα σε ένα γράφημα με δύο χαρακτηριστικά.
    • Βρες το πιο κοντινό παράδειγμα σε ένα νέο σημείο.
    • Χρησιμοποίησε τα 3 πιο κοντινά και κάνε ψηφοφορία.
  3. 15Σχεδίαση ορίωνΣχεδίασε ένα όριο: μια γραμμή που χωρίζει δύο ομάδες.
    • Σχεδίασε μια γραμμή ανάμεσα σε δύο ομάδες σημείων.
    • Ταξινόμησε νέα σημεία από την πλευρά της γραμμής.
    • Βρες δεδομένα που καμία ευθεία δεν μπορεί να χωρίσει.
  4. 16Φτιάξε έναν ταξινομητήΦτιάξε έναν απλό ταξινομητή με ένα εργαλείο χωρίς κώδικα.
    • Φόρτωσε ένα μικρό σύνολο δεδομένων.
    • Εκπαίδευσε έναν ταξινομητή.
    • Ταξινόμησε 5 νέα παραδείγματα.

Εκπαίδευση μοντέλου

  1. 17Δεδομένα εκπαίδευσηςΕξήγησε τι μαθαίνει ένα μοντέλο από τα δεδομένα εκπαίδευσης.
    • Πες ότι ένα μοντέλο μαθαίνει μοτίβα, όχι κανόνες που γράφεις εσύ.
    • Δείξε πώς η αλλαγή των δεδομένων αλλάζει το μοντέλο.
    • Βρες ένα μοτίβο που ένα μοντέλο έμαθε κατά λάθος.
  2. 18Δεδομένα ελέγχουΕξήγησε γιατί τα δεδομένα ελέγχου πρέπει να μένουν χωριστά.
    • Χώρισε τα δεδομένα σε σύνολο εκπαίδευσης και σύνολο ελέγχου.
    • Σύγκρινε τις βαθμολογίες των δύο συνόλων.
    • Εξήγησε τι σημαίνει «αποστήθιση» για ένα μοντέλο.
  3. 19ΑκρίβειαΥπολόγισε την ακρίβεια από τα αποτελέσματα του ελέγχου.
    • Μέτρα τις σωστές προβλέψεις.
    • Γράψε την ακρίβεια ως ποσοστό.
    • Εξήγησε γιατί το 90% μπορεί ακόμα να είναι κακό.
  4. 20Βελτίωσε ένα μοντέλοΆλλαξε τα δεδομένα και σύγκρινε την ακρίβεια για να βελτιώσεις ένα μοντέλο.
    • Πρόσθεσε περισσότερα παραδείγματα.
    • Βγάλε λάθος ετικέτες.
    • Γράψε την ακρίβεια μετά από κάθε αλλαγή.

Ιδέες για νευρωνικά δίκτυα

  1. 21Τεχνητοί νευρώνεςΕξήγησε πώς ένας νευρώνας συνδυάζει εισόδους με βάρη.
    • Πολλαπλασίασε κάθε είσοδο με το βάρος της.
    • Πρόσθεσέ τες και σύγκρινε με ένα κατώφλι.
    • Άλλαξε ένα βάρος και δες την έξοδο να αλλάζει.
  2. 22ΣτρώματαΕξήγησε πώς τα στρώματα περνούν σήματα προς τα εμπρός.
    • Ζωγράφισε στρώμα εισόδου, κρυφό και εξόδου.
    • Πέρασε αριθμούς από ένα μικρό δίκτυο.
    • Πες γιατί περισσότερα στρώματα μπορούν να βρουν πιο δύσκολα μοτίβα.
  3. 23Μάθηση βαρώνΕξήγησε ότι η μάθηση των βαρών σημαίνει πως η εκπαίδευση αλλάζει τα βάρη.
    • Μάντεψε βάρη και έλεγξε το σφάλμα.
    • Σπρώξε τα βάρη για να γίνει το σφάλμα μικρότερο.
    • Πες ότι η εκπαίδευση το επαναλαμβάνει πολλές φορές.
  4. 24Ανθρώπινο νευρωνικό δίκτυοΠαίξε ένα μικρό ανθρώπινο νευρωνικό δίκτυο με τους συμμαθητές σου.
    • Κάθε άτομο είναι ένας νευρώνας.
    • Πέρασε σήματα από την είσοδο στην έξοδο.
    • Άλλαξε βάρη για να διορθώσεις μια λάθος απάντηση.

Παραγωγική ΤΝ

  1. 25Πώς παράγεται το κείμενοΕξήγησε ότι ένα γλωσσικό μοντέλο παράγει κείμενο προβλέποντας το επόμενο τόκεν.
    • Πρόβλεψε την επόμενη λέξη σε προτάσεις.
    • Φτιάξε έναν μικρό προβλεπτή της επόμενης λέξης από μια ιστορία.
    • Πες γιατί το μοντέλο μπορεί να ακούγεται σωστό και να είναι λάθος.
  2. 26ΤόκενΧώρισε μια πρόταση σε τόκεν.
    • Δες πώς ένας διαχωριστής τόκεν χωρίζει τις λέξεις.
    • Μέτρα τα τόκεν σε μια πρόταση.
    • Πες γιατί οι μακριές λέξεις γίνονται πολλά τόκεν.
  3. 27Πειράματα με προτροπέςΆλλαξε ένα μέρος μιας προτροπής και σύγκρινε τα αποτελέσματα.
    • Άλλαξε μόνο ένα πράγμα κάθε φορά.
    • Γράψε κάθε προτροπή και το αποτέλεσμά της.
    • Γράψε τι έκανε κάθε αλλαγή.
  4. 28Όρια της παραγωγήςΕξήγησε τα όρια της παραγωγής: γιατί ένα γλωσσικό μοντέλο μπορεί να επινοεί πράγματα.
    • Βρες ένα επινοημένο γεγονός σε μια απάντηση ΤΝ.
    • Εξήγησε γιατί η πρόβλεψη μπορεί να το φτιάξει.
    • Γράψε τρόπους να ελέγξεις κείμενο ΤΝ.

Ηθική της ΤΝ

  1. 29ΠροκατάληψηΒρες προκατάληψη σε ένα σύνολο δεδομένων ή σε ένα αποτέλεσμα.
    • Όρισε την προκατάληψη στην ΤΝ.
    • Βρες μια ομάδα που δεν εκπροσωπείται αρκετά.
    • Εξήγησε πώς αυτό αλλάζει τα αποτελέσματα.
  2. 30Ακρίβεια και εμπιστοσύνηΑποφάσισε με την ακρίβεια πότε μια απάντηση ΤΝ είναι ασφαλής για εμπιστοσύνη.
    • Σύγκρινε χρήσεις μικρού και μεγάλου κινδύνου.
    • Αποφάσισε πότε πρέπει να ελέγξει ένας άνθρωπος.
    • Γράψε μια λίστα για εμπιστοσύνη.
  3. 31ΙδιωτικότηταΕξήγησε την ιδιωτικότητα: ποια δεδομένα μαζεύει μια εφαρμογή ΤΝ.
    • Διάβασε τη σύνοψη ιδιωτικότητας μιας εφαρμογής.
    • Γράψε τα δεδομένα που μαζεύει.
    • Πες τι δεν θα μοιραζόσουν.
  4. 32Αξιολόγησε ένα σύστημα ΤΝΑξιολόγησε μια εφαρμογή ΤΝ και βαθμολόγησέ την σε ακρίβεια, αμεροληψία και ιδιωτικότητα.
    • Φτιάξε μια κάρτα βαθμών με τρία μέρη.
    • Δοκίμασε την εφαρμογή και συμπλήρωσέ την.
    • Πρότεινε μία διόρθωση.

Έργο ανακάλυψης ΤΝ

  1. 33Σχεδίασε το έργοΓράψε μια ερώτηση και σχεδίασε το σύνολο δεδομένων.
    • Γράψε την ερώτηση: «Από ποιο φυτό είναι αυτό το φύλλο;»
    • Διάλεξε 3 ή 4 ομάδες φυτών.
    • Σχεδίασε τα σύνολα εκπαίδευσης και ελέγχου.
  2. 34Ετοίμασε δεδομένα φυτώνΕτοίμασε δεδομένα φυτών: ταξινόμησε και βάλε ετικέτες σε φωτογραφίες φύλλων.
    • Χρησιμοποίησε ένα έτοιμο σύνολο φύλλων.
    • Έλεγξε τις ετικέτες.
    • Κράτα ένα σύνολο ελέγχου χωριστά.
  3. 35Εκπαίδευσε και έλεγξεΕκπαίδευσε και έλεγξε έναν ταξινομητή φυτών και γράψε τα αποτελέσματα.
    • Εκπαίδευσε τον ταξινομητή.
    • Υπολόγισε την ακρίβεια στο σύνολο ελέγχου.
    • Μάζεψε τις λάθος προβλέψεις.
  4. 36Ντετέκτιβ φυτών με ΤΝΠαρουσίασε έναν ταξινομητή φυτών και εξήγησε τα λάθη του.
    • Δείξε σωστές και λάθος προβλέψεις.
    • Εξήγησε γιατί έγιναν τα λάθη.
    • Πες ποια επιπλέον παραδείγματα θα βοηθούσαν.