Todas as lições

Curso

IA do 6.º ano: IA e pensamento computacional

Aprende algoritmos e dados, e vê como os modelos de aprendizagem automática são treinados e testados.

Faz as lições por ordem. No fim, sabes distinguir a IA, a aprendizagem automática e a IA generativa, e nomear a entrada, o modelo e a saída de uma app de IA real. Sabes escrever algoritmos com ciclos e condições e construir uma árvore de decisão. Sabes explicar como os píxeis e o texto são guardados como números, classificar um ponto pelos exemplos mais próximos e calcular a exatidão a partir dos resultados do teste. Sabes explicar como um neurónio combina entradas com pesos, dividir uma frase em tokens, dar uma pontuação a uma app de IA em exatidão, equidade e privacidade, e apresentar um classificador de plantas e explicar os erros.

Como usar estas lições

  • Começa na lição marcada Faz isto. Segue quando conseguires fazer sozinho a linha por baixo do título.
  • Joga os Jogos primeiro. Depois faz os Testes. 8 de 10 certas para passar. As Fichas são em papel. As respostas estão em baixo.
  • Cada lição assenta na lição anterior. Se uma lição for difícil, volta uma atrás.
  • Usa só as ferramentas de IA que o teu professor aprova. Nunca coles informação privada num chatbot. Verifica cada resposta da IA e diz que partes do teu trabalho a IA ajudou.

Cada lição tem jogos, testes e fichas.

0 de 36

Compreender a IA

  1. 1IA, aprendizagem automática e IA generativaDistingue a IA, a aprendizagem automática e a IA generativa.
    • Define a IA, a aprendizagem automática e a IA generativa.
    • Desenha como cabem umas dentro das outras.
    • Divide dez apps nos três grupos.
  2. 2Uma breve história da IAPõe momentos importantes da IA numa linha do tempo.
    • Põe computadores de xadrez, assistentes de voz e chatbots numa linha do tempo.
    • Diz o que mudou para cada um se tornar possível.
    • Nomeia uma previsão que estava errada.
  3. 3IA estreita e IA geralExplica porque a IA de hoje é melhor em tarefas estreitas.
    • Compara um programa de xadrez e uma pessoa.
    • Lista tarefas que a IA faz bem e tarefas em que tem dificuldade.
    • Explica o que uma IA geral precisaria.
  4. 4Analisa um sistema de IANomeia a entrada, o modelo e a saída de uma app de IA real.
    • Escolhe uma app, como uma pesquisa de fotos ou um tradutor.
    • Desenha a entrada, o modelo e a saída.
    • Diz em que dados é provável que tenha sido treinada.

Algoritmos

  1. 5SequênciasEscreve um algoritmo como uma sequência de passos.
    • Define um algoritmo.
    • Escreve os passos para fazer uma sandes.
    • Encontra passos que não são claros para um computador.
  2. 6CiclosUsa um ciclo para repetir passos.
    • Substitui passos repetidos por um ciclo.
    • Usa um ciclo que conta.
    • Usa um ciclo que corre até uma condição se cumprir.
  3. 7CondiçõesUsa condições para escolher um caminho.
    • Escreve if, else if e else.
    • Junta condições com and, or e not.
    • Segue um algoritmo à mão.
  4. 8Árvores de decisãoConstrói uma árvore de decisão que separa animais.
    • Faz perguntas de sim ou não em cada ramo.
    • Separa dez animais com a tua árvore.
    • Encontra a árvore mais curta que ainda funciona.

Representação de dados

  1. 9Números e categoriasDistingue dados numéricos de categorias.
    • Separa características em números e categorias.
    • Transforma uma categoria em números.
    • Diz porque um computador precisa de números.
  2. 10Imagens como númerosExplica como os píxeis guardam uma imagem como números.
    • Desenha uma imagem numa grelha de 0 e 1.
    • Mistura valores de vermelho, verde e azul.
    • Conta os números numa foto pequena.
  3. 11Texto como númerosExplica como o texto pode ser guardado como números.
    • Transforma letras em códigos.
    • Dá um número a cada palavra de uma lista.
    • Conta quantas vezes cada palavra aparece.
  4. 12Tabelas de dadosOrganiza dados em linhas, colunas e características de uma tabela.
    • Constrói uma tabela numa folha de cálculo.
    • Nomeia as características e a etiqueta.
    • Ordena e filtra a tabela.

Classificação

  1. 13Características e etiquetasEscolhe características úteis para uma etiqueta.
    • Diz o que é uma característica e o que é uma etiqueta.
    • Ordena as características da mais útil à menos útil.
    • Tira uma característica que não ajuda.
  2. 14Vizinho mais próximoClassifica um ponto pelos exemplos do vizinho mais próximo.
    • Marca exemplos num gráfico com duas características.
    • Encontra o exemplo mais próximo de um ponto novo.
    • Usa os três mais próximos e faz uma votação.
  3. 15Desenhar fronteirasDesenha uma linha de fronteira que separa dois grupos.
    • Desenha uma linha entre dois grupos de pontos.
    • Classifica pontos novos pelo lado da linha.
    • Encontra dados que nenhuma linha reta consegue separar.
  4. 16Constrói um classificadorConstrói um classificador simples com uma ferramenta sem código.
    • Carrega um conjunto de dados pequeno.
    • Treina um classificador.
    • Classifica cinco exemplos novos.

Treino do modelo

  1. 17Dados de treinoExplica o que um modelo aprende com os dados de treino.
    • Diz que um modelo aprende padrões, não regras que tu escreves.
    • Mostra como mudar os dados muda o modelo.
    • Encontra um padrão que um modelo aprendeu por acaso.
  2. 18Dados de testeExplica porque os dados de teste têm de ficar à parte.
    • Divide os dados em conjunto de treino e conjunto de teste.
    • Compara as pontuações nos dois conjuntos.
    • Explica o que “memorizar” significa para um modelo.
  3. 19ExatidãoCalcula a exatidão a partir dos resultados do teste.
    • Conta as previsões corretas.
    • Escreve a exatidão como uma percentagem.
    • Explica porque 90% ainda pode ser mau.
  4. 20Melhora um modeloMuda os dados e compara a exatidão para melhorar o modelo.
    • Acrescenta mais exemplos.
    • Tira etiquetas erradas.
    • Regista a exatidão depois de cada mudança.

Ideias de redes neuronais

  1. 21Neurónios artificiaisExplica como um neurónio combina entradas com pesos.
    • Multiplica cada entrada pelo seu peso.
    • Soma e compara com um limiar.
    • Muda um peso e vê a saída mudar.
  2. 22CamadasExplica como as camadas passam sinais para a frente.
    • Desenha as camadas de entrada, escondida e de saída.
    • Faz passar números por uma rede pequena.
    • Diz porque mais camadas podem encontrar padrões mais difíceis.
  3. 23Aprender os pesosExplica que o treino muda os pesos.
    • Adivinha pesos e verifica o erro.
    • Mexe um pouco nos pesos para o erro ficar mais pequeno.
    • Diz que o treino repete isto muitas vezes.
  4. 24Rede neuronal humanaRepresenta uma rede neuronal pequena com os colegas.
    • Cada pessoa faz de um neurónio.
    • Passa sinais da entrada para a saída.
    • Muda os pesos para corrigir uma resposta errada.

IA generativa

  1. 25Como o texto é geradoExplica que um modelo de linguagem prevê o token seguinte.
    • Prevê a palavra seguinte em frases.
    • Constrói um pequeno previsor da palavra seguinte a partir de uma história.
    • Diz porque o modelo pode parecer certo e estar errado.
  2. 26TokensDivide uma frase em tokens.
    • Vê como um tokenizador divide as palavras.
    • Conta os tokens numa frase.
    • Diz porque as palavras longas se tornam vários tokens.
  3. 27Experiências com promptsMuda uma parte de um prompt e compara os resultados.
    • Muda só uma coisa de cada vez.
    • Regista cada prompt e cada resultado.
    • Escreve o que cada mudança fez.
  4. 28Limites da geraçãoExplica porque um modelo de linguagem pode inventar.
    • Encontra um facto inventado numa resposta da IA.
    • Explica porque a previsão o pode produzir.
    • Lista formas de verificar o texto da IA.

Ética da IA

  1. 29ViésEncontra viés num conjunto de dados ou num resultado.
    • Define viés na IA.
    • Encontra um grupo pouco representado.
    • Explica como isso muda os resultados.
  2. 30Exatidão e confiançaDecide quando uma resposta da IA é segura para confiar.
    • Compara usos de baixo risco e de alto risco.
    • Decide quando uma pessoa tem de verificar.
    • Escreve uma lista de verificação da confiança.
  3. 31PrivacidadeExplica que dados uma app de IA recolhe.
    • Lê o resumo de privacidade de uma app.
    • Lista os dados que recolhe.
    • Diz o que não partilharias.
  4. 32Avalia um sistema de IADá uma pontuação a uma app de IA em exatidão, equidade e privacidade.
    • Faz uma ficha de pontuação com três partes.
    • Testa a app e preenche-a.
    • Sugere uma correção.

Projeto de descoberta de IA

  1. 33Planeia o projetoEscreve uma pergunta e planeia o conjunto de dados.
    • Escreve a pergunta: “De que planta é esta folha?”
    • Escolhe três ou quatro grupos de plantas.
    • Planeia os conjuntos de treino e de teste.
  2. 34Prepara dados de plantasSepara e etiqueta fotos de folhas.
    • Usa um conjunto de dados de folhas já preparado.
    • Verifica as etiquetas.
    • Mantém um conjunto de teste à parte.
  3. 35Treina e testaTreina um classificador de plantas e regista os resultados.
    • Treina o classificador.
    • Calcula a exatidão no conjunto de teste.
    • Junta as previsões erradas.
  4. 36Detetive de plantas com IAApresenta um classificador de plantas e explica os erros.
    • Mostra previsões corretas e erradas.
    • Explica porque os erros aconteceram.
    • Diz que exemplos a mais ajudariam.