全部課

課程

四年級人工智慧：資料偵探

收集資料，給例子貼上標籤，訓練一個簡單的分類器，再測試它。

按順序學習各課。學完後，你能說出資料是我們收集的事實，並能讀表格裡的一列和一欄。你能說出特徵，給每個例子正確的標籤，並改掉錯誤的標籤。你能用兩組或三組訓練模型，用模型沒見過的圖片測試它，數有多少預測是對的，並解釋一個錯誤的預測。你能找出資料集裡缺的一組，把資料集變平衡，並報告你的回收分揀器哪些對、哪些錯。

這些課怎麼用

  • 從標著做這個的課開始。標題下面那一行你自己會了，再往下。
  • 先玩遊戲。再做測驗。10題裡對8題就通過。練習紙在紙上。答案在最下面。
  • 做一小會兒就夠。哪一課難，就再來一遍前面那一課。
  • 準備一本資料筆記本。回收分揀器用家裡乾淨的紙、塑膠和金屬。人工智慧工具只和老師或家長一起用。沒有問過，就不要給人拍照。

每一課都有遊戲、測驗和練習紙。

0/30

什麼是資料？

  1. 1什麼是資料說出資料是我們收集的事實。
    • 在天氣預報和體育比分裡找出資料。
    • 說出誰在收集，為什麼收集。
    • 收集三件你這一天的事實。
  2. 2資料的種類把資料分成這些種類：數字、詞語、圖片和聲音。
    • 把十份資料分成四組。
    • 說出相機收集哪一種。
    • 說出溫度計收集哪一種。
  3. 3表格讀表格裡的一列和一欄。
    • 說出每一列是一個例子。
    • 說出每一欄是一個特徵。
    • 在表格裡找出一個值。
  4. 4做一個資料集做一個關於寵物的小資料集，用一張小表格。
    • 選三欄：名字、種類和腿。
    • 加上十列。
    • 檢查每一格都填了。
  5. 5從資料裡提問用表格回答一個資料裡的問題。
    • 問：「哪種寵物最常見？」
    • 數一數，找出答案。
    • 把它畫成長條圖。

收集資料和貼標籤

  1. 6特徵說出一個東西的特徵，比如顏色和大小。
    • 列出一片葉子的特徵。
    • 說出哪些特徵可以量。
    • 選出能把兩片葉子分開的特徵。
  2. 7標籤給每個例子正確的標籤。
    • 說出標籤是我們想讓人工智慧學會的答案。
    • 給二十張圖片貼上標籤。
    • 檢查朋友的標籤。
  3. 8好的資料說出為什麼好的資料要有清楚、正確的例子。
    • 比較清楚的照片和模糊的照片。
    • 比較正確的標籤和錯誤的標籤。
    • 說出哪一套能把人工智慧教得更好。
  4. 9亂的資料在亂的資料裡找出並改掉錯誤的標籤。
    • 找出空格、錯字和錯誤的標籤。
    • 把每個問題改好。
    • 說出如果你不改，人工智慧會學到什麼。
  5. 10收集特徵量出並記下十個東西的特徵。
    • 量長度和重量。
    • 記下顏色和形狀。
    • 給每一列加上標籤。

人工智慧怎麼學習

  1. 11用例子訓練說出訓練時，模型是從帶標籤的例子裡學習的。
    • 說出模型是什麼。
    • 說出訓練就是給它看例子。
    • 選出好的訓練例子。
  2. 12分類是怎麼工作的說出分類器怎麼選出一個標籤。
    • 說出分類器是把東西分到各組裡。
    • 看它把一張新圖片和自己的例子比一比。
    • 說出它最接近哪一組。
  3. 13訓練你的第一個模型用兩組或三組訓練模型。
    • 選兩組或三組。
    • 每一組至少加上十個例子。
    • 按下訓練，看它學習。
  4. 14測試新例子用模型沒見過的圖片測試它。
    • 給模型看新圖片。
    • 記下每一個預測。
    • 把每一個標成對或錯。
  5. 15訓練實驗室訓練、測試並改進一個模型。
    • 用你自己的組訓練一個模型。
    • 測試它，找出它的錯誤。
    • 加上例子，再測試一次。

做出預測

  1. 16訓練和測試說出為什麼要用新例子來測試。
    • 比較用舊圖片做的測試和用新圖片做的測試。
    • 說出為什麼用舊圖片測試不公平。
    • 把測試用的那一份分開留著。
  2. 17對和錯數有多少預測是對的。
    • 數對的預測和錯的預測。
    • 把分數寫成 8/10。
    • 用分數比較兩個模型。
  3. 18有多確定讀出模型有多確定。
    • 讀一條信心條。
    • 找出一個模型不確定的預測。
    • 說出什麼時候該讓人來檢查。
  4. 19一個錯誤的預測解釋一個錯誤的預測。
    • 看一張模型認錯的圖片。
    • 把它和訓練例子比一比。
    • 說出哪裡不一樣。
  5. 20改進模型加上例子再測試一次，以便改進模型。
    • 加上和它漏掉的那些很像的例子。
    • 再訓練一次。
    • 把新分數和舊分數比一比。

公平和偏見

  1. 21誰缺了找出資料集裡缺的一組。
    • 看一份狗的資料集，裡面沒有小型狗。
    • 說出模型會在哪裡出錯。
    • 在另一個資料集裡找出缺的一組。
  2. 22平衡的資料說出資料集平不平衡：每一組的數量是不是一樣。
    • 數每一組裡的例子。
    • 把這些數量畫成長條圖。
    • 說出資料集平不平衡。
  3. 23不公平的結果說出缺了的資料怎麼會讓人工智慧不公平。
    • 看一個模型對一組很好、對另一組很差。
    • 把問題和資料連起來。
    • 說出誰可能受到傷害。
  4. 24修好資料集加上例子，把資料集變平衡。
    • 計畫要加哪些例子。
    • 加上它們，再訓練一次。
    • 檢查每一組的分數有沒有變好。
  5. 25對每個人公平說出不公平的人工智慧會傷害誰。
    • 讀一個關於不公平的人工智慧的小故事。
    • 說出誰被漏掉了。
    • 寫一條規則，讓它變得公平。

人工智慧科學實驗室

  1. 26提出一個問題寫一個人工智慧分揀器能回答的問題。
    • 選一個分類的工作，比如回收。
    • 寫下問題：「這是紙、塑膠，還是金屬？」
    • 說出分揀器會怎麼幫忙。
  2. 27計畫資料計畫要收集哪些資料例子。
    • 列出各組。
    • 計畫每一組要多少例子。
    • 計畫哪些例子留下來測試。
  3. 28做出分揀器用紙、塑膠和金屬訓練一個回收分揀器。
    • 給乾淨的回收品拍照。
    • 給照片貼上標籤。
    • 訓練分揀器。
  4. 29測試難的例子用難認的東西測試分揀器。
    • 測試皺掉的紙和亮的塑膠。
    • 記下結果。
    • 找出它最常認錯的東西。
  5. 30回收分揀器報告報告你的回收分揀器哪些對、哪些錯。
    • 分享你的分數。
    • 展示一個錯誤並解釋它。
    • 說出你會怎麼讓它變得更好。
四年級人工智慧：資料偵探