Wszystkie lekcje

Kurs

AI klasy 4: Detektywi danych

Zbieraj dane, dawaj przykładom etykiety, trenuj prosty klasyfikator i testuj go.

Rób lekcje po kolei. Na końcu umiesz powiedzieć, że dane to fakty, które zbieramy, i czytać wiersz oraz kolumnę w tabeli. Umiesz nazywać cechy, dawać każdemu przykładowi właściwą etykietę i poprawiać złą etykietę. Umiesz trenować model na dwóch lub trzech grupach, testować go na nowych przykładach, obrazkach, których jeszcze nie widział, liczyć, ile przewidywań jest dobrych, i wyjaśniać jedno przewidywanie, które się nie udało. Umiesz znaleźć grupę, której brakuje w zbiorze danych, zrównoważyć zbiór danych i złożyć raport, co twój sortownik recyklingu robi dobrze i źle.

Jak używać tych lekcji

  • Zacznij od lekcji oznaczonej Zrób to. Idź dalej, gdy potrafisz sam zrobić linijkę pod tytułem.
  • Najpierw zagraj w Gry. Potem zrób Quiz. 8 z 10 dobrych, żeby zaliczyć. Karty pracy są na papierze. Odpowiedzi są na dole.
  • Krótka tura wystarczy. Jeśli lekcja jest trudna, zagraj jeszcze raz w lekcję przed nią.
  • Prowadź zeszyt danych. Do sortownika użyj czystych rzeczy z papieru, plastiku i metalu z domu. Narzędzi AI używaj tylko z nauczycielem albo rodzicem i nigdy nie rób zdjęć ludziom bez pytania.

Każda lekcja ma gry, quiz i karty pracy.

0 z 30

Czym są dane?

  1. 1Czym są danePowiedz, że dane to fakty, które zbieramy.
    • Znajdź dane w prognozie pogody i w wyniku sportowym.
    • Powiedz, kto je zbiera i dlaczego.
    • Zbierz trzy fakty o swoim dniu.
  2. 2Rodzaje danychPosortuj dane na rodzaje: liczby, słowa, obrazki i dźwięki.
    • Posortuj dziesięć kawałków danych na cztery grupy.
    • Powiedz, jaki rodzaj zbiera aparat.
    • Powiedz, jaki rodzaj zbiera termometr.
  3. 3TabeleCzytaj wiersz i kolumnę w tabeli.
    • Powiedz, że każdy wiersz to jeden przykład.
    • Powiedz, że każda kolumna to jedna cecha.
    • Znajdź wartość w tabeli.
  4. 4Zbuduj zbiór danychZbuduj zbiór danych: małą tabelę o zwierzętach domowych.
    • Wybierz trzy kolumny: imię, rodzaj i nogi.
    • Dodaj dziesięć wierszy.
    • Sprawdź, czy każda kratka jest wypełniona.
  5. 5Pytania z danychOdpowiedz na pytanie z danych za pomocą tabeli.
    • Zapytaj „Które zwierzę domowe jest najczęstsze?”
    • Policz, żeby znaleźć odpowiedź.
    • Zrób z tego wykres słupkowy.

Zbieranie i etykietowanie danych

  1. 6CechyNazwij cechy przedmiotu, na przykład kolor i wielkość.
    • Wypisz cechy liścia.
    • Powiedz, które cechy możesz zmierzyć.
    • Wybierz cechy, które odróżniają dwa liście.
  2. 7EtykietyDaj każdemu przykładowi właściwą etykietę.
    • Powiedz, że etykieta to odpowiedź, której ma się nauczyć AI.
    • Daj etykiety dwudziestu obrazkom.
    • Sprawdź etykiety kolegi.
  3. 8Dobre danePowiedz, dlaczego jasne i poprawne przykłady dają dobre dane.
    • Porównaj wyraźne i rozmazane zdjęcia.
    • Porównaj dobre i złe etykiety.
    • Powiedz, który zestaw lepiej nauczyłby AI.
  4. 9Nieuporządkowane daneZnajdź i popraw złą etykietę w nieuporządkowanych danych.
    • Znajdź puste kratki, literówki i złe etykiety.
    • Popraw każdy problem.
    • Powiedz, czego AI nauczyłoby się bez tej poprawki.
  5. 10Zbieraj cechyZbierz cechy dziesięciu przedmiotów, mierząc je i zapisując.
    • Zmierz długość i wagę.
    • Zapisz kolor i kształt.
    • Dodaj etykietę do każdego wiersza.

Jak AI się uczy

  1. 11Trenuj na przykładachPowiedz, że model uczy się z oznaczonych przykładów, gdy go trenujesz.
    • Powiedz, czym jest model.
    • Powiedz, że trenowanie oznacza pokazywanie mu przykładów.
    • Wybierz dobre przykłady do treningu.
  2. 12Jak działa klasyfikatorPowiedz, jak klasyfikator wybiera etykietę.
    • Powiedz, że klasyfikator wkłada rzeczy do grup.
    • Zobacz, jak porównuje nowy obrazek ze swoimi przykładami.
    • Powiedz, do której grupy jest najbliżej.
  3. 13Wytrenuj swój pierwszy modelWytrenuj model na dwóch lub trzech grupach.
    • Wybierz dwie lub trzy grupy.
    • Dodaj co najmniej dziesięć przykładów do każdej.
    • Naciśnij trenuj i patrz, jak się uczy.
  4. 14Testuj nowe przykładyPrzetestuj model na nowych przykładach, obrazkach, których jeszcze nie widział.
    • Pokaż modelowi nowe obrazki.
    • Zapisz każde przewidywanie.
    • Oznacz każde jako dobre albo złe.
  5. 15Laboratorium treninguW laboratorium treningu wytrenuj, przetestuj i popraw model.
    • Wytrenuj model na swoich grupach.
    • Przetestuj go i znajdź błędy.
    • Dodaj przykłady i przetestuj jeszcze raz.

Robienie przewidywań

  1. 16Trening i testPowiedz, dlaczego testujemy na nowych przykładach.
    • Porównaj test ze starymi obrazkami i test z nowymi obrazkami.
    • Powiedz, dlaczego test ze starymi obrazkami nie jest sprawiedliwy.
    • Trzymaj zbiór testowy osobno.
  2. 17Dobrze i źlePolicz, ile przewidywań jest dobrych.
    • Policz dobre i złe przewidywania.
    • Zapisz wynik jako 8 z 10.
    • Porównaj dwa modele według wyników.
  3. 18Jak bardzo pewnyPrzeczytaj, jak bardzo pewny jest model.
    • Przeczytaj pasek pewności.
    • Znajdź przewidywanie, przy którym model nie jest pewny.
    • Powiedz, kiedy człowiek powinien sprawdzić.
  4. 19Dlaczego się nie udałoWyjaśnij jedno przewidywanie, które się nie udało.
    • Zobacz obrazek, który model podał źle.
    • Porównaj go z przykładami z treningu.
    • Powiedz, co było inne.
  5. 20Popraw modelPopraw model, dodając przykłady i testując jeszcze raz.
    • Dodaj przykłady podobne do tych, które pominął.
    • Trenuj jeszcze raz.
    • Porównaj nowy wynik ze starym wynikiem.

Sprawiedliwość i stronniczość

  1. 21Kogo brakujeZnajdź grupę, której brakuje w zbiorze danych.
    • Zobacz zbiór danych o psach bez małych psów.
    • Powiedz, co model poda źle.
    • Znajdź brakującą grupę w innym zbiorze danych.
  2. 22Zrównoważone danePowiedz, czy dane są zrównoważone i czy w każdej grupie jest tyle samo.
    • Policz przykłady w każdej grupie.
    • Zrób wykres słupkowy z tych liczb.
    • Powiedz, czy zbiór danych jest zrównoważony.
  3. 23Niesprawiedliwe wynikiPowiedz, jak brakujące dane mogą dać niesprawiedliwe wyniki AI.
    • Zobacz model, który działa dobrze dla jednej grupy i słabo dla innej.
    • Połącz problem z danymi.
    • Powiedz, kto może ucierpieć.
  4. 24Popraw zbiór danychPopraw zbiór danych, dodając przykłady, żeby go zrównoważyć.
    • Zaplanuj, które przykłady dodać.
    • Dodaj je i trenuj jeszcze raz.
    • Sprawdź, czy wynik każdej grupy się poprawił.
  5. 25Sprawiedliwie dla wszystkichPowiedz, kogo może skrzywdzić AI, które nie jest sprawiedliwe dla wszystkich.
    • Przeczytaj krótkie opowiadanie o niesprawiedliwym AI.
    • Powiedz, kto został pominięty.
    • Napisz jedną zasadę, żeby było sprawiedliwie.

Laboratorium naukowe AI

  1. 26Zadaj pytanieZadaj pytanie, na które może odpowiedzieć sortownik AI.
    • Wybierz pracę sortowania, na przykład recykling.
    • Napisz pytanie: „Czy to papier, plastik czy metal?”
    • Powiedz, jak sortownik by pomógł.
  2. 27Zaplanuj daneZaplanuj dane: które przykłady zebrać.
    • Wypisz grupy.
    • Zaplanuj, ile przykładów dla każdej grupy.
    • Zaplanuj, które przykłady zostawić do testu.
  3. 28Zbuduj sortownikZbuduj sortownik recyklingu, trenując go na papierze, plastiku i metalu.
    • Zrób zdjęcia czystego recyklingu.
    • Daj zdjęciom etykiety.
    • Wytrenuj sortownik.
  4. 29Testuj trudne przypadkiPrzetestuj sortownik na trudnych przypadkach.
    • Przetestuj zmięty papier i błyszczący plastik.
    • Zapisz wyniki.
    • Znajdź rzecz, którą najczęściej podaje źle.
  5. 30Raport sortownika recyklinguZłóż raport, co twój sortownik recyklingu robi dobrze i źle.
    • Pokaż swój wynik.
    • Pokaż jeden błąd i wyjaśnij go.
    • Powiedz, jak zrobić go lepszym.