Recuerda:
¡Las predicciones sanas necesitan datos sanos!
Conjunto de datos sano
Encuentra
patrones
correctos
¡Predicción
saludable!
Acciones o decisiones correctas
¿Recuerdas qué hace que un conjunto de datos sea saludable?
- Muchos datos
- Preciso
- Partidos su problema y su solución
- Diferentes ejemplos de datos
- El tipo correcto de datos
- Usted tiene permiso para utilizarlo
¡ES HORA DE QUE EMPIECES A ENTRENAR TUS DATOS!
Ya deberías haber recopilado tus datos... ¡o al menos haber empezado!
YA SEA...
Sus propios datos de formación de su comunidad
y/o
Datos recogidos por sensores o por el usuario
y/o
Datos recogidos de bases de datos públicas
Haz clic en el nombre de una plataforma para obtener más información y probar algunos tutoriales.
- Entrene imágenes, sonidos o poses
Conectar dispositivos para capturar datos de sensores
Aquí tienes tres tutoriales para probar Teachable Machine utilizando diferentes tipos de datos.
- Clasificación de imágenes con plátanos
- Clasificación de Sonido con chasquidos, palmadas y silbidos
- Clasificación de poses para detectar la inclinación de la cabeza
- Entrenaimágenes, sonidos, texto o números
- Hacer un proyecto de Scratch o Python
- O una aplicación móvil con App Inventor
Este video es un ejemplo de un equipo de Technovation que utiliza Aprendizaje automático para niños para crear una aplicación móvil para clasificar residuos biomédicos.
PRUEBA ¡PRUÉBELO USTED MISMO!
En este video, vea cómo tomar el conjunto de datos públicos Iris de Unidad 6 y entrenarlo utilizando Aprendizaje automático para niños.
Entrenar imágenes, sonidos, o posiciones- Con tu conjunto de datos entrenados puedes crear unaaplicación móvil que utilice IA.
¿QUIERES PROBARLO?
En este video, vea cómo puede utilizar el App Inventor clasificador de imágenes para entrenar un conjunto de datos de imágenes. Este conjunto de datos clasifica fruta sana frente a fruta enferma.
ACTIVIDAD: ENTRENA TU MODELO
- Elija la herramienta de IA que desea utilizar para su proyecto Technovation.
- Añade tus ejemplos.
- Entrene y pruebe su modelo de IA.
Consejo del tutor
Buenas prácticas: Entrenar modelos es difícil. Incluso Google se equivoca. Su IA estaba entrenada, pero aún así empezó a dar resultados erróneos. No te rindas.
Preguntas orientativas para los alumnos: ¿Qué grado de precisión quieres que tenga tu modelo de IA? Si no puede ser 100 % preciso, ¿qué respuesta sería aceptable? ¿El 80 % de las veces? ¿Depende eso del riesgo que conlleva el uso que le des al modelo? Por ejemplo, los coches autónomos tienen que ser bastante precisos, ya que, de lo contrario, podrían causar daños a alguien, pero los resultados de búsqueda de Google parecen tener un nivel de exigencia mucho menor.
Los consejos de los mentores se proporcionan gracias al apoyo de AmeriCorps.
