Lembre-se:
Previsões saudáveis precisam de dados saudáveis!
conjunto de dados
saudável
Encontra
padrões corretos
Previsão
saudável!
Ações ou decisões corretas!
Você se lembra o que faz um conjunto de dados saudável?
- Muitos dados
- É preciso
- Corresponde seu problema e solução
- Diferentes exemplos de dados
- O tipo certo de dados
- Você tem permissão para usá-lo
É HORA DE COMEÇAR A TREINAR SEUS DADOS!
Você já deve ter coletado seus dados... ou pelo menos começado!
SEJA ELE...
Seus próprios dados de treinamento da sua comunidade
e/ou
Dados coletados de sensores ou entradas/respostas/ações do usuário
e/ou
Dados coletados de conjuntos de dados públicos
Clique no nome de uma plataforma abaixo para saber mais e experimentar alguns tutoriais.
- Treineimagens, sons ou poses
Adicione dispositivos para capturar dados do sensor
Aqui estão três tutoriais para experimentar o Teachable Machine usando diferentes tipos de dados.
- Classificação de imagens com bananas
- Classificação sonora com estalos, palmas e assobios
- Classificação de pose para detectar inclinações de cabeças
- Treineimagens, sons, textos ou números
- Faça um projeto no Scratch ou com Python
- Ou um aplicativo com App Inventor
Este vídeo é um exemplo de uma equipe do Technovation usando machine learning para crianças para criar um aplicativo para classificar resíduos biomédicos.
TENTE VOCÊ MESMA!
Neste vídeo, veja como obter o conjunto de dados públicos Iris da Unidade 6 e treine ele usando o Machine Learning for Kids.
Treinar imagens, sons ou poses- Com seu conjunto de dados treinados , você pode fazer umaplicativo que usa IA.
QUER EXPERIMENTAR?
Neste vídeo, veja como você pode usar o App Inventor classificador de imagem para treinar um conjunto de dados de imagem. Esse conjunto de dados classifica frutas saudáveis versus frutas estragadas.
ATIVIDADE: TREINE SEU MODELO
- Escolha a ferramenta de IA que deseja usar em seu projeto Technovation.
- Adicione seus exemplos.
- Treine e teste seu modelo de IA.
Dica de mentores(as)
Práticasrecomendadas:Treinar modelos de IA é difícil! Até o Google erra. Sua IA foi treinada, mas ainda assim começou a produzir resultados errados! Não desista!
Perguntas orientadoras a serem feitas estudantes: Qual é o grau de precisão que você deseja que seu modelo de IA tenha? Se ele não puder ser 100% preciso, qual é uma resposta aceitável? 80% do tempo? Isso depende do risco para o qual você está usando o modelo? Por exemplo, os carros autônomos precisam ser bastante precisos, caso contrário, podem machucar alguém, mas os resultados de pesquisa do Google aparentemente têm um nível muito mais baixo.
As dicas são fornecidas com o apoio do AmeriCorps.
