- Entscheide dich für eine Plattform zum Trainieren deines KI-Modells
- Sammle deinen ersten Datensatz und beginne mit dem Training deines KI-Modells für dein Projekt
Das sind die Aktivitäten für diese Lektion:
DEIN DATENSATZ
Inzwischen solltest du die Daten für deinen Datensatz gesammelt haben. Zur Erinnerung: Es gibt drei Möglichkeiten, Daten zu sammeln:
- Sammle Trainingsdaten von deiner Gemeinde
- Die Erfindung sammelt Daten mit Sensoren oder Benutzereingaben
- Verwenden Sie Daten aus öffentlichen Datensätzen für Trainingsdaten
Du solltest auch schon entschieden haben, welche Art von Daten du in deinem Datensatz verwenden willst – Bilder, Text, Sounds oder Posen.
Dein Datensatz sollte die folgenden Kriterien erfüllen:
- Die richtige Art von Daten
- Viele Beispiele
- Abwechslungsreiche Beispiele - vielfältig und repräsentativ (unvoreingenommen)
TRAININGPROZESS
Eingangsdaten
Durch Hochladen oder über eine Webcam für Bilder
Zug
Lass die Daten durch einen Lernalgorithmus laufen.
Test
Überprüfe anhand der neuen Eingaben, ob dein Modell genau ist.
WÄHLE DIE PLATTFORM
Die Plattform, für die du dich entscheidest, sollte dir das ermöglichen:
- Trainiere den richtigen Datentyp (Bilder, Töne, Text usw.).
- das Modell in deine vorgeschlagene Lösung (Web oder mobile App) zu integrieren
Du bist nicht auf diese Plattformen beschränkt, aber es sind einfache und benutzerfreundliche Optionen für die Integration mit einer mobilen oder Web-App.
Die beste Plattform für dein Projekt kann von der Art der Daten in deinem Datensatz abhängen, denn nicht jede Plattform kann jede Art von Daten trainieren.
Probiere ein oder mehrere Tutorials von einer oder zwei Plattformen aus, um zu sehen, welche Plattform dir hilft, die Ziele für dein Projekt zu erreichen.
Website: https://teachablemachine.withgoogle.com/
Klassifizierungstypen: Bilder, Töne, Posen
Technovation Integrationen: App InventorPython, andere Integrationen über APIs
Hier sind drei Tutorials, um Teachable Machine mit verschiedenen Datentypen auszuprobieren.
- Bildklassifizierung mit Bananen
- Sound-Klassifizierung mit Schnalzen, Klatschen und Pfeifen
- Klassifizierung der Körperhaltung zur Erkennung der Kopfneigung
Website: https://machinelearningforkids.co.uk/
Klassifizierungstypen: Bilder, Töne, Text, Zahlen
Technovation Integrationen: Python, App Inventor
Hinweis: Nicht alle Datentypenmodelle lassen sich mit App Inventor integrieren - prüfe dies vor der Erstellung des Modells.
Machine Learning for Kids hat viele Beispiel-Tutorials und Arbeitsblätter, um mehr zu lernen.
Du brauchst einen Mentor oder Lehrer, um ein Lehrerkonto einzurichten. Dann können sie ein Schülerkonto für dich einrichten.
Schau dir diese Beispiele/Tutorials mit MachineLearningForKids an.
- Skin Clin ein Scratch-Projekt des Technovation-Teams zur Erkennung von Hautkrankheiten
- App zum Sortieren biomedizinischer Abfälle von einem Technovation-Team mit einer vollständigen Anleitung
- Bilder von Iris klassifizieren mit dem öffentlichen Datensatz aus Lektion Datensätze
Website: https://appinventor.mit.edu/explore/ai-with-mit-app-inventor
Klassifizierungstypen: Bilder, Töne, Posen, Gesichtsmaske
Technovation Integrationen: App Inventor Mobile Apps
Wenn du bereits App Inventor als Programmierplattform für dein Projekt verwendest, ist dies eine gute Option.
Hier sind einige Anleitungen für den Anfang:
- Video Tutorial ein Modell trainieren, um gesunde und kranke Früchte zu erkennen
- Tutorial eine mobile App darauf trainieren, deine Stimme zu erkennen
- Tanzen mit KI-Tutorial um Posen zu erkennen
Website: https://www.ximilar.com/services/computer-vision-platform/#image-classification
Klassifizierungstypen: Bilder
Technovation Integrationen: Thunkable, Webanwendungen (über APIs)
Obwohl es auch andere Optionen gibt, ist dies eine gute Wahl, wenn du Thunkable als Programmierplattform verwendest.
Schau dir die erste Hälfte dieses Tutorials an, um zu lernen, wie du Ximilar verwendest. Die zweite Hälfte wird in der nächsten Einheit gezeigt, wenn du dein Modell mit Thunkable integrierst.
- Video-Tutorial ein Modell trainieren, um verschiedene Arten von Korallenriffen zu erkennen
Die oben genannten Plattformen sind nur Empfehlungen für einen einfachen Einstieg in das Training und die Nutzung von KI-Modellen.
Es gibt noch viele weitere fortgeschrittene KI-Tools. Einige davon sind im Abschnitt "Zusätzliche Ressourcen" aufgeführt. Sie können fortgeschrittene Sprachen wie Java, Python oder Swift erfordern und werden höchstwahrscheinlich APIs (Application Programming Interface) verwenden.
AKTIVITÄT: TRAINIERE DEIN MODELL
Trainiere dein KI-Modell mit deinem Datensatz
- Wähle die passende Plattform für dein Projekt.
- Trainiere dein KI-Modell mit deinem Datensatz.
- Wenn du noch nicht alle Beispiele für deinen Datensatz gesammelt hast, füge hinzu, was du hast.
- Füge weitere hinzu, wenn du mehr Daten sammelst.
- Speichere dein Projekt/Modell, damit du später darauf zurückkommen kannst!
- Nachdem du dein KI-Modell trainiert hast, teste es mit einigen zusätzlichen Beispielen. Diese Testbeispiele sollten sich von den Trainingsbeispielen, die du verwendet hast, unterscheiden.
- Wenn dein Modell nicht sehr genau ist (über 70 %), füge mehr Trainingsbeispiele hinzu, trainiere neu und teste erneut.
Mentor Tipp
Bewährte Praktiken: Modelle zu trainieren ist schwer! Selbst Google macht es falsch. Ihre KI wurde zwar trainiert, gab aber trotzdem falsche Ergebnisse aus! Gebt nicht auf!
Leitfragen an die Schüler: Wie genau soll dein KI-Modell sein? Wenn es nicht 100 % genau sein kann, was ist dann okay? 80 % der Zeit? Kommt das darauf an, wofür du das Modell benutzt? Selbstfahrende Autos müssen zum Beispiel ziemlich genau sein, sonst könnten sie jemanden verletzen, aber bei den Google-Suchergebnissen scheint die Messlatte viel niedriger zu sein.
Mentorentipps werden durch die Unterstützung von AmeriCorps bereitgestellt.
REFLEXION
Bei dieser Aktivität geht es nur darum, das Modell zu trainieren.
In der nächsten Einheit integrierst du dein Modell in eine Softwareplattform, um daraus eine funktionierende App zu machen.
ÜBERPRÜFUNG DER SCHLÜSSELBEGRIFFE
- Plattform - Software oder Website, die es ihren Nutzern ermöglicht, eine Aufgabe auszuführen oder ein Werkzeug zu verwenden
- Klassifizierung - Modell des maschinellen Lernens, das zur Identifizierung oder Kategorisierung verschiedener Daten verwendet wird
ZUSÄTZLICHE RESSOURCEN
Hier sind einige fortschrittlichere Plattformen für die Erstellung von KI-Modellen.
Hinweis: Wenn du dich entscheidest, diese Tools zu nutzen, solltest du die Preise überprüfen. Einige Tools sind kostenlos, je nachdem, wie viele Nutzer deine App verwenden.
Google Cloud AI Tools verfügt über viele APIs und Tools, mit denen du deine eigenen Machine Learning-Modelle erstellen kannst.
Diese Plattform, die ebenfalls von Google stammt, eignet sich hervorragend für Conversational Apps.
Diese Videos zeigen dir, wie du DialogFlow mit AppSheets verwendest, um eine mobile App zu erstellen.
Dieses Tool ermöglicht es dir, Python-Code im Browser zu schreiben und auszuführen, und eignet sich gut für Anwendungen zum maschinellen Lernen.
Tensorflow Lite ist eine Reihe von Tools, die speziell für die Erstellung und Implementierung von ML-Modellen für mobile Geräte entwickelt wurden.
