Alla lektioner

Kurs

AI i årskurs 4: Datadetektiver

Samla data, sätt etiketter på exempel, träna en enkel klassificerare och testa den.

Gå igenom lektionerna i ordning. I slutet kan du säga att data är fakta vi samlar och läsa en rad och en kolumn i en tabell. Du kan namnge egenskaper, ge varje exempel rätt etikett och rätta en fel etikett. Du kan träna en modell på två eller tre grupper, testa en modell med bilder den inte har sett, räkna hur många förutsägelser som är rätt och förklara en fel förutsägelse. Du kan hitta en grupp som saknas i en datamängd, balansera datamängden och berätta vad din återvinningssorterare får rätt och fel.

Så använder du lektionerna

  • Börja på lektionen märkt Gör det här. Gå vidare när du själv kan göra raden under titeln.
  • Spela Spel först. Gör Quiz sedan. 8 av 10 rätt för att klara. Arbetsblad är på papper. Svar finns längst ner.
  • Ett kort pass räcker. Om en lektion är svår, spela den före igen.
  • Ha en datanteckningsbok. Till återvinningssorteraren, använd rena saker av papper, plast och metall hemifrån. Använd AI-verktyg bara med en lärare eller en förälder. Ta aldrig foton av människor utan att fråga.

Varje lektion har spel, quiz och arbetsblad.

0 av 30

Vad är data?

  1. 1Vad är dataSäg att data är fakta vi samlar.
    • Hitta data i en väderrapport och i ett sportresultat.
    • Säg vem som samlar den och varför.
    • Samla tre fakta om din dag.
  2. 2Olika sorters dataSortera data i olika sorter: tal, ord, bilder och ljud.
    • Sortera tio bitar data i fyra grupper.
    • Säg vilken sort en kamera samlar.
    • Säg vilken sort en termometer samlar.
  3. 3TabellerLäs en rad och en kolumn i en tabell.
    • Säg att varje rad är ett exempel.
    • Säg att varje kolumn är en egenskap.
    • Hitta ett värde i en tabell.
  4. 4Bygg en datamängdGör en liten datamängd: en tabell om husdjur.
    • Välj tre kolumner: namn, sort och ben.
    • Lägg till tio rader.
    • Kolla att varje ruta är ifylld.
  5. 5Frågor från dataSvara på en fråga från data med en tabell.
    • Fråga: ”Vilket husdjur är vanligast?”
    • Räkna för att hitta svaret.
    • Gör ett stapeldiagram av det.

Samla data och sätta etiketter

  1. 6EgenskaperNamnge egenskaper hos en sak, som färg och storlek.
    • Lista egenskaper hos ett löv.
    • Säg vilka egenskaper du kan mäta.
    • Välj de egenskaper som skiljer två löv åt.
  2. 7EtiketterGe varje exempel rätt etikett.
    • Säg att en etikett är svaret vi vill att AI ska lära sig.
    • Sätt etiketter på tjugo bilder.
    • Kolla en kompis etiketter.
  3. 8Bra dataSäg varför tydliga och riktiga exempel gör data bra.
    • Jämför tydliga och suddiga foton.
    • Jämför rätt och fel etiketter.
    • Säg vilken samling som skulle lära AI bättre.
  4. 9Stökig dataI stökig data, hitta och rätta en fel etikett.
    • Hitta tomma rutor, stavfel och fel etiketter.
    • Rätta varje problem.
    • Säg vad AI skulle lära sig om du inte gjorde det.
  5. 10Samla egenskaperMät och skriv ner egenskaper hos tio saker.
    • Mät längd och vikt.
    • Skriv ner färg och form.
    • Lägg till en etikett på varje rad.

Hur AI lär sig

  1. 11Träna med exempelSäg att en modell vid träning lär sig av exempel med etiketter.
    • Säg vad en modell är.
    • Säg att träning betyder att visa den exempel.
    • Välj bra träningsexempel.
  2. 12Hur klassificering fungerarSäg hur en klassificerare väljer en etikett.
    • Säg att en klassificerare lägger saker i grupper.
    • Se den jämföra en ny bild med sina exempel.
    • Säg vilken grupp den är närmast.
  3. 13Träna din första modellTräna en modell på två eller tre grupper.
    • Välj två eller tre grupper.
    • Lägg till minst tio exempel i varje.
    • Tryck på träna och se den lära sig.
  4. 14Testa nya exempelTesta en modell med bilder den inte har sett.
    • Visa modellen nya bilder.
    • Skriv ner varje förutsägelse.
    • Markera varje som rätt eller fel.
  5. 15TräningslabbTräna, testa och förbättra en modell.
    • Träna en modell på dina egna grupper.
    • Testa den och hitta dess misstag.
    • Lägg till exempel och testa den igen.

Att göra förutsägelser

  1. 16Träning och testSäg varför vi testar med nya exempel.
    • Jämför ett test med gamla bilder och ett med nya bilder.
    • Säg varför testet med gamla bilder inte är rättvist.
    • Håll en testmängd för sig.
  2. 17Rätt och felRäkna hur många förutsägelser som är rätt.
    • Räkna rätt och fel förutsägelser.
    • Skriv poängen som 8 av 10.
    • Jämför två modeller med deras poäng.
  3. 18Hur säkerLäs hur säker en modell är.
    • Läs en stapel som visar hur säker den är.
    • Hitta en förutsägelse där modellen inte är säker.
    • Säg när en person borde kolla.
  4. 19En fel förutsägelseFörklara en fel förutsägelse.
    • Titta på en bild som modellen fick fel.
    • Jämför den med träningsexemplen.
    • Säg vad som var annorlunda.
  5. 20Förbättra modellenLägg till exempel och testa igen för att förbättra modellen.
    • Lägg till exempel som liknar dem den missade.
    • Träna igen.
    • Jämför den nya poängen med den gamla poängen.

Rättvisa och partiskhet

  1. 21Vem saknasHitta en grupp som saknas i en datamängd.
    • Titta på en datamängd med hundar utan små hundar.
    • Säg vad modellen kommer att få fel.
    • Hitta en grupp som saknas i en annan datamängd.
  2. 22Balanserad dataSäg om en datamängd är balanserad: samma antal i varje grupp.
    • Räkna exemplen i varje grupp.
    • Gör ett stapeldiagram av antalen.
    • Säg om datamängden är balanserad.
  3. 23Orättvisa resultatSäg hur data som saknas kan göra AI orättvis.
    • Se en modell fungera bra för en grupp och dåligt för en annan.
    • Koppla problemet till datan.
    • Säg vem som kan bli skadad.
  4. 24Rätta datamängdenLägg till exempel för att balansera en datamängd.
    • Planera vilka exempel du ska lägga till.
    • Lägg till dem och träna igen.
    • Kolla om varje grupps poäng blev bättre.
  5. 25Rättvist för allaSäg vem som kan bli skadad av en orättvis AI.
    • Läs en kort berättelse om en orättvis AI.
    • Säg vem som blev utelämnad.
    • Skriv en regel som gör den rättvis.

AI-labb i naturvetenskap

  1. 26Ställ en frågaSkriv en fråga som en AI-sorterare kan svara på.
    • Välj ett sorteringsjobb, som återvinning.
    • Skriv frågan: ”Är det här papper, plast eller metall?”
    • Säg hur sorteraren skulle hjälpa.
  2. 27Planera datanPlanera vilka exempel du ska samla till datan.
    • Lista grupperna.
    • Planera hur många exempel för varje grupp.
    • Planera vilka exempel du sparar för test.
  3. 28Bygg sorterarenTräna en återvinningssorterare på papper, plast och metall.
    • Ta foton av ren återvinning.
    • Sätt etiketter på fotona.
    • Träna sorteraren.
  4. 29Testa svåra fallTesta sorteraren på knepiga saker.
    • Testa skrynkligt papper och blank plast.
    • Skriv ner resultaten.
    • Hitta saken den får fel oftast.
  5. 30Rapport om återvinningssorterarenBerätta vad din återvinningssorterare får rätt och fel.
    • Dela din poäng.
    • Visa ett misstag och förklara det.
    • Säg hur du skulle göra den bättre.