Машинное обучение

Тема урока: Машинное обучение.

Цель урока:

обучающий аспект: познакомить с техническими возможностями машинного обучения.

развивающий аспект: содействовать развитию логического мышления детей, памяти, внимания, воображения, познавательной активности, творческих способностей.

воспитательный аспект: воспитывать самостоятельность, активность, интерес к предмету, формировать умение планировать свои действия, выполнять задание четко по намеченному плану, рационально использовать время.

Тип урока: комбинированный урок.

Вид урока: урок с применением сайта Teachable Machine.

Оборудование:

компьютер;

SMART-доска или проектор;

презентация;

доступ к компьютерам, подключенным к сети Интернет;

веб-камеры.

Планируемые результаты:

предметные: первичные навыки работы с алгоритмами машинного обучения;

метапредметные: умение самостоятельно планировать пути достижения целей; умение соотносить свои действия с планируемыми результатами, осуществлять контроль своей деятельности, определять способы действий в рамках предложенных условий, корректировать свои действия в соответствии с изменяющейся ситуацией;

личностные: алгоритмическое мышление, необходимое для профессиональной деятельности в современном обществе; представление о программировании как сфере возможной профессиональной деятельности; понимание роли технического творчества в условиях развития информационного творчества.

Основная терминология.

Искусственный интеллект — 1) наука и технология создания интеллектуальных машин, особенно интеллектуальных компьютерных программ; 2) свойство интеллектуальных систем выполнять творческие функции, которые традиционно считаются прерогативой человека.

Компьютерное зрение – это автоматическая фиксация и обработка изображений, как неподвижных, так и движущихся объектов при помощи компьютерных средств.

Машинное обучение – класс методов искусственного характерной чертой которых является не прямое решение задачи, а обучение в процессе применения решений множества сходных задач.

Анализ данных – процесс изучения, фильтрации, преобразования и моделирования данных с целью получения полезной информации и принятия решений.

Ход урока:

Организационный этап (2 мин)

УУД:

Личностные: ориентация в социальных ролях и межличностных отношениях

Коммуникативные: планирование учебного сотрудничества с учителем и сверстниками

Приветствие и фиксация отсутствующих (рис. 1).

Рисунок 1 – Слайд 1

Этап усвоения новых знаний (18 мин)

УУД:

Познавательные: анализ и сравнение приводимых примеров, выделение необходимой информации для сформирования нового понятия.

Коммуникативные: планирование учебного сотрудничества с учителем и со сверстниками, постановка вопросов как инициативное сотрудничество в поиске и сборе информации.

Регулятивные: целеполагание как постановка учебной задачи на основе соотнесения того, что уже известно, и того, что еще неизвестно.

Машинное обучение — это способ, с помощью которого компьютеры могут изучать и анализировать данные, а после делать выводы на этой основе. Т.е. компьютеры с помощью данных учится выполнять определенные задачи, такие как распознавание образов или предсказание результатов (рис. 2).

Рисунок 2 – Слайд 2

Представьте, что у нас есть компьютер, который учится как распознавать груши и яблоки. Компьютер может использовать данные о цвете, форме и вкусу, чтобы найти закономерность. Затем, когда вы покажете компьютеру новый фрукт, он сможет сказать нам, что это яблоко или груша, основываясь на том, что он узнал из данных (рис. 3).

Рисунок 3 – Слайд 3

На слайде изображен фрукт апельсин, я буду играть роль компьютера, а вы источника данных. Вы даете мне информацию, а я на ее основе буду говорить, что это может быть. В самом конце я должна сказать, что же это за фрукт (рис. 4).

Рисунок 4- Слайд 4

Зачем же используется машинное обучение? (рис. 5).

Рисунок 5 – Слайд 5

Автоматизация. Машинное обучение позволяет автоматизировать сложные задачи, такие как распознавание изображений и обработка естественного языка.

Прогнозирование. С его помощью можно делать прогнозы о будущих событиях.

Оптимизация. Машинное обучение позволяет оптимизировать процессы, улучшать качество продукции и экономить время и ресурсы.

Примеры применения машинного обучения (рис. 6).

Рисунок 6 – Слайд 6

Беспилотный автомобиль. Машинное обучение позволяет автомобилям самостоятельно управлять машиной на дороге.

Распознавание речи. Технологии распознавания речи основаны на алгоритмах машинного обучения, позволяющих компьютеру понимать и интерпретировать слова.

Рекомендательные системы. Машинное обучение используется для предложения персонализированных рекомендаций товаров, фильмов или музыки.

Как работает машинное обучение (рис. 7).

Рисунок 7 – Слайд 7

Обучение. Алгоритмы машинного обучения обучаются на основе большого количества данных, чтобы понять закономерности и сделать предположения.

Тестирование. После обучения алгоритмы тестируются на новых данных, чтобы убедиться, что их предположения верны.

Улучшение. Алгоритмы постоянно улучшаются и адаптируются на основе новых данных, чтобы быть более эффективными и точными.

Основные понятия машинного обучения(слайд 8).

Рисунок 8 – Слайд 8

Данные. В машинном обучении данные играют важную роль, они предоставляют информацию, на основе которой алгоритмы обучаются и делают предположения.

Модель. Модель машинного обучения — это математическое представление, которое используется для предположений на основе имеющихся данных.

Обучение. Обучение — это процесс, в котором алгоритмы машинного обучения анализируют данные и находят закономерности для предположений.

Классификация. Классификация — это процесс, в котором алгоритмы машинного обучения разделяют данные на группы или категории.

Знакомство с сервисом Teachable Machine (рис. 9).

Рисунок 9 – Слайд 9

Узнаем о бесплатном инструменте Google, который позволяет нам создавать модели машинного обучения с помощью камеры и микрофона. Перейдём на сайт Teachable Machine (рис. 10).

Рисунок 10 – Главная страница сайта Teachable Machine

Teachable Machine — для обучения моделей машинного обучения. С его помощью можно обучить компьютер распознавать изображения, звуки и позы без необходимости написания кода. Этот инструмент прост в использовании и не требует создания аккаунта для старта. Одним из основных плюсов Teachable Machine является возможность сохранения результатов работы. Пользователи могут сохранить весь свой проект на Google Диске, загрузить образцы и сохранить модель, что обеспечивает сохранность результатов для будущего использования.

Для работы с Teachable Machine нам потребуется загрузить изображения на сайт для каждого класса. Мы можем добавить любое количество изображений в каждую категорию (рис. 11).

Рисунок 11 – Загрузка данный из файла

Настройки по умолчанию в разделе Обучение не требуют изменений, поэтому можно сразу переходить к следующему этапу. Обучение модели занимает менее минуты, что делает процесс быстрым и удобным (рис. 12).

Рисунок 12 – Обучение модели

После обучения можно проверить, как модель работает (рис 13). Если результаты удовлетворительны, можно экспортировать модель. Программа предлагает множество вариантов, как сохранить модель.

Рисунок 13 – Работа модели

Выполнение задания – контроль и оказание помощи (15 мин)

УУД:

Личностные: нравственно-этическое оценивание усвояемого содержания исходя из социальных и личностных ценностей.

Регулятивные: целеполагание – соотнесение, что известно и неизвестно, прогнозирование, контроль – сравнение результата учащегося с заданным эталоном, оценка – осознание качества и уровня усвоения.

Познавательные: использовать ранее полученную информацию для решения учебных заданий; осуществлять действие по образцу и заданному правилу; извлекать необходимую информацию для выполнения учебных задач.

Коммуникативные: планирование учебного сотрудничества с учителем и со сверстниками, постановка вопросов как инициативное сотрудничество в поиске и сборе информации.

Для задания нам нужно разделиться на группы по 2-3 человека и пересесть за компьютеры. Вам нужно создать и обучить модель, которая классифицирует два или более различных объекта или действия.

Этап подведения итогов (5 мин)

УУД:

Познавательные: рефлексия способов и условий действий; контроль и оценка процесса и результатов деятельности

Проверка выполнения работ, обсуждение допущенных ошибок и их коррекция.