Toutes les leçons

Cours

IA de CM1 : Détectives des données

Collecte des données, donne à chaque exemple la bonne étiquette, entraîne un classificateur simple et teste-le.

Fais les leçons dans l’ordre. À la fin, tu peux dire que les données sont des faits que nous collectons et lire une ligne et une colonne dans un tableau. Tu peux nommer des caractéristiques, donner à chaque exemple la bonne étiquette et corriger une mauvaise étiquette. Tu peux entraîner un modèle sur deux ou trois groupes, tester un modèle avec des images qu’il n’a pas vues, compter combien de prédictions sont justes et expliquer une prédiction fausse. Tu peux trouver un groupe qui manque dans un ensemble de données, l’équilibrer et dire ce que ton trieur de recyclage réussit et rate.

Comment utiliser ces leçons

  • Commence à la leçon qui dit Fais ça. Passe à la suite quand tu peux faire tout seul la ligne sous le titre.
  • Joue d’abord aux Jeux. Ensuite fais les Quiz. 8 sur 10 justes pour réussir. Les Fiches sont sur papier. Les réponses sont en bas.
  • Un petit moment suffit. Si une leçon est dure, refais celle d’avant.
  • Garde un cahier de données. Pour le trieur, utilise des choses propres en papier, en plastique et en métal de la maison. Utilise les outils d’IA seulement avec un enseignant ou un parent, et ne prends jamais de photos de personnes sans demander.

Chaque leçon a des jeux, des quiz et des fiches.

0 sur 30

Qu’est-ce que les données ?

  1. 1Qu’est-ce que les donnéesDis que les données sont des faits que nous collectons.
    • Trouve des données dans un bulletin météo et dans un score de sport.
    • Dis qui les collecte et pourquoi.
    • Collecte trois faits sur ta journée.
  2. 2Sortes de donnéesTrie les données en nombres, mots, images et sons.
    • Trie dix données en quatre groupes.
    • Dis quelle sorte une caméra collecte.
    • Dis quelle sorte un thermomètre collecte.
  3. 3TableauxLis une ligne et une colonne dans un tableau.
    • Dis que chaque ligne est un exemple.
    • Dis que chaque colonne est une caractéristique.
    • Trouve une valeur dans un tableau.
  4. 4Construis un ensemble de donnéesConstruis un ensemble de données : un petit tableau sur les animaux de compagnie.
    • Choisis trois colonnes : nom, sorte et pattes.
    • Ajoute dix lignes.
    • Vérifie que chaque case est remplie.
  5. 5Questions à partir des donnéesRéponds à une question avec un tableau.
    • Demande : « Quel animal de compagnie est le plus courant ? »
    • Compte pour trouver la réponse.
    • Fais un graphique en barres de ça.

Collecter et étiqueter des données

  1. 6CaractéristiquesNomme des caractéristiques d’un objet, comme la couleur et la taille.
    • Liste les caractéristiques d’une feuille.
    • Dis quelles caractéristiques tu peux mesurer.
    • Choisis les caractéristiques qui distinguent deux feuilles.
  2. 7ÉtiquettesDonne à chaque exemple la bonne étiquette.
    • Dis qu’une étiquette est la réponse que nous voulons que l’IA apprenne.
    • Étiquette vingt images.
    • Vérifie les étiquettes d’un ami.
  3. 8Bonnes donnéesDis pourquoi les bonnes données comptent : des exemples clairs et corrects.
    • Compare des photos claires et des photos floues.
    • Compare des étiquettes justes et des étiquettes fausses.
    • Dis quel ensemble apprendrait mieux à l’IA.
  4. 9Données en désordreTrouve des données en désordre et corrige une mauvaise étiquette.
    • Trouve des cases vides, des fautes d’écriture et de mauvaises étiquettes.
    • Corrige chaque problème.
    • Dis ce que l’IA apprendrait si tu ne le faisais pas.
  5. 10Collecte des caractéristiquesCollecte des caractéristiques : mesure et note celles de dix objets.
    • Mesure la longueur et le poids.
    • Note la couleur et la forme.
    • Ajoute une étiquette à chaque ligne.

Comment l’IA apprend

  1. 11Entraîner avec des exemplesDis qu’un modèle apprend à partir d’exemples étiquetés.
    • Dis ce qu’est un modèle.
    • Dis qu’entraîner veut dire lui montrer des exemples.
    • Choisis de bons exemples d’entraînement.
  2. 12Comment la classification marcheDis comment un classificateur choisit une étiquette.
    • Dis qu’un classificateur met les choses dans des groupes.
    • Regarde-le comparer une nouvelle image à ses exemples.
    • Dis de quel groupe il est le plus proche.
  3. 13Entraîne ton premier modèleEntraîne un modèle sur deux ou trois groupes.
    • Choisis deux ou trois groupes.
    • Ajoute au moins dix exemples à chaque groupe.
    • Appuie sur entraîner et regarde-le apprendre.
  4. 14Teste des exemples nouveauxTeste un modèle avec des images qu’il n’a pas vues.
    • Montre au modèle des images nouvelles.
    • Note chaque prédiction.
    • Marque chacune juste ou fausse.
  5. 15Laboratoire d’entraînementEntraîne, teste et améliore un modèle.
    • Entraîne un modèle sur tes propres groupes.
    • Teste-le et trouve ses erreurs.
    • Ajoute des exemples et teste-le encore.

Faire des prédictions

  1. 16Entraîner et testerDis pourquoi nous testons avec des exemples nouveaux.
    • Compare un test avec d’anciennes images et un avec des images nouvelles.
    • Dis pourquoi le test avec d’anciennes images n’est pas juste.
    • Garde un ensemble de test à part.
  2. 17Juste et fauxCompte combien de prédictions sont justes.
    • Compte les prédictions justes et les fausses.
    • Écris le score comme 8 sur 10.
    • Compare deux modèles par leurs scores.
  3. 18À quel point il est sûrLis à quel point un modèle est sûr.
    • Lis la barre qui montre à quel point il est sûr.
    • Trouve une prédiction où le modèle n’est pas sûr.
    • Dis quand une personne doit vérifier.
  4. 19Pourquoi il a ratéExplique pourquoi il a raté une prédiction fausse.
    • Regarde une image que le modèle a ratée.
    • Compare-la aux exemples d’entraînement.
    • Dis ce qui était différent.
  5. 20Améliore le modèleAméliore le modèle : ajoute des exemples et teste encore.
    • Ajoute des exemples comme ceux qu’il a ratés.
    • Entraîne encore.
    • Compare le nouveau score à l’ancien score.

Justice et biais

  1. 21Qui manqueTrouve un groupe qui manque dans un ensemble de données.
    • Regarde un ensemble de données de chiens sans petits chiens.
    • Dis ce que le modèle va rater.
    • Trouve un groupe qui manque dans un autre ensemble de données.
  2. 22Données équilibréesDis si un ensemble de données a le même nombre dans chaque groupe.
    • Compte les exemples dans chaque groupe.
    • Fais un graphique en barres des comptes.
    • Dis si l’ensemble de données est équilibré.
  3. 23Résultats injustesDis comment des données qui manquent peuvent rendre l’IA injuste.
    • Vois un modèle qui marche bien pour un groupe et mal pour un autre.
    • Relie le problème aux données.
    • Dis qui pourrait être blessé.
  4. 24Corrige l’ensemble de donnéesAjoute des exemples pour équilibrer un ensemble de données.
    • Prévois quels exemples ajouter.
    • Ajoute-les et entraîne encore.
    • Vérifie si le score de chaque groupe a progressé.
  5. 25Juste pour tout le mondeDis qui pourrait être blessé par une IA qui n’est pas juste pour tout le monde.
    • Lis une courte histoire sur une IA injuste.
    • Dis qui a été laissé de côté.
    • Écris une règle pour la rendre juste.

Laboratoire de sciences de l’IA

  1. 26Pose une questionÉcris une question à laquelle un trieur d’IA pourrait répondre.
    • Choisis un travail de tri, comme le recyclage.
    • Écris la question : « Est-ce du papier, du plastique ou du métal ? »
    • Dis comment le trieur aiderait.
  2. 27Prévois les donnéesPrévois quels exemples collecter.
    • Liste les groupes.
    • Prévois combien d’exemples pour chaque groupe.
    • Prévois quels exemples garder pour le test.
  3. 28Construis le trieurEntraîne un trieur de recyclage sur le papier, le plastique et le métal.
    • Prends des photos de recyclage propre.
    • Étiquette les photos.
    • Entraîne le trieur.
  4. 29Teste des cas difficilesTeste le trieur sur des objets difficiles.
    • Teste du papier froissé et du plastique brillant.
    • Note les résultats.
    • Trouve l’objet qu’il rate le plus.
  5. 30Rapport du trieur de recyclageDis ce que ton trieur de recyclage réussit et rate.
    • Partage ton score.
    • Montre une erreur et explique-la.
    • Dis comment tu le rendrais meilleur.