- אמן מודל למידת מכונה לחזות משהו
אלו הפעילויות לשיעור זה:
3 חלקים של לימוד מכונה
נזכיר כי לבינה מלאכותית, במיוחד למידת מכונה, יש 3 חלקים עיקריים.
מערך נתונים
מצא דפוסים
עשה חיזוי
בשיעור זה, אנו הולכים להתמקד בחלק השני, Find Patterns , על ידי אימון מודל AI משלנו שיוכל לבצע חיזוי.
יש הרבה פלטפורמות מקוונות בחינם שבו אתה יכול לאמן מודל AI, באמצעות למידה מפוקחת.
ישנם שני סוגים עיקריים של למידת מכונה - למידה מפוקחת ולמידה לא מפוקחת .
למידה מונחית היא בדיוק כפי שזה נשמע - אתה מפקח על האופן שבו המודל לומד על ידי אמירת התשובה הנכונה.
למידה ללא פיקוח נוקטת בגישה שונה. המודל מקבל נתונים, אך ללא הנחיה או פיקוח. מודל הבינה המלאכותית מוצא דפוסים משלו. שיטה זו מאפשרת למודל הבינה המלאכותית לגלות קבוצות חדשות, קווי דמיון ושוני בין נתונים ללא כל ידע מראש.
בתוכנית לימודים זו, נשתמש בגישת הלמידה המונחית ללמידת מכונה. לדוגמה, נניח שאתם רוצים מודל בינה מלאכותית שיבחין אם תמונה היא של כלב או חתול .
מערך הנתונים שלך יהיה המון המון תמונות של כלבים וחתולים.
אתה תעזור לאמן את הדוגמנית על ידי כך שתספר לו אילו תמונות הן כלבים ואיזה חתולים
תכנון עבור הדגם שלך
המודל שלך יחזה, או יסווג משהו. לעתים קרובות מודלים אלה נקראים מודלים לסיווג , מסיבה זו.
צעדים ראשונים:
- מה אתה מסווג? האם הם תמונות, טקסט, צלילים? זהו סוג הנתונים שלך.
- מהם הסיווגים האפשריים השונים? למשל, כלבים וחתולים . אלו השיעורים שלך. הם מכונה לפעמים גם תוויות .
- אסוף את הנתונים המתאימים כדי להכשיר את המודל שלך. מצא המון המון נתונים מגוונים כדי לייצג כל מחלקה. למשל, המון המון תמונות של סוגים שונים של כלבים וחתולים!
פלטפורמות מומלצות
יש הרבה פלטפורמות חינמיות וקוד פתוח זמינות ליצירת מודלים של סיווג AI.
אספנו רשימה של תוכניות ופלטפורמות שבהן אתה יכול:
- בנה את המודל שלך כדי ליצור תחזית
- לאחר מכן השתמש במודל שלך באפליקציה לנייד או באינטרנט כדי לבצע פעולה המבוססת על החיזוי
הנה סקירה מהירה של מה כל פלטפורמה יכולה לסווג ולהשתלב איתו.
| פּלַטפוֹרמָה | סוגי סיווג | אינטגרציה של Technovation |
|---|---|---|
| מכונה ניתנת ללימוד מאת Google | תמונות, צלילים, תנוחות | App Inventor, Python, שילובים אחרים אפשריים |
| למידה חישובית לילדים | תמונות, צלילים, טקסט, מספרים | Python, App Inventor (עבור סוגי נתונים מסוימים) |
| ממציא אפליקציות MIT | תמונות, צלילים, תנוחות | ממציא אפליקציות |
| Ximilar | תמונות | Thunkable, App Inventor, אפליקציות wep, באמצעות ממשקי API |
פעילות: אימון מודל למידת מכונה
בנה דגם סלע, מספריים נייר
לאחר מכן ראה את הדגם שלך בפעולה עם אינטראקציה פשוטה ב-Javascript שנבנתה מראש.
דגמים מוכנים מראש
כעת, לאחר שבניתם את מודל הבינה המלאכותית הראשון שלכם וכשאתם מתחילים לתכנן מודל משלכם לפרויקט שלכם, ייתכן שתשקלו להשתמש במודל שכבר בנוי.
למה להמציא את הגלגל מחדש, נכון?
ישנם אתרים רבים המספקים מודלים של בינה מלאכותית שהם ציבוריים ומשותפים. ייתכן שתשקלו להשתמש בהם אם הם מספקים את הסיווג שאתם מחפשים. הנה כמה אתרים המספקים מודלים ציבוריים של למידת מכונה.
כדי להשתמש במודלים אלה, סביר להניח שתצטרכו להשתמש בשפה מבוססת טקסט כמו Python או Javascript.
אם אתם חדשים לחלוטין בתחום הקידוד, בניית מודל משלכם היא אופציה נהדרת. תהיו בשליטה, ותלמדו הרבה על בינה מלאכותית בתהליך!
הִשׁתַקְפוּת
יצרת את דגם הבינה המלאכותית הראשון שלך! זה אמור לתת לך הצצה לתהליך הכנת מודל AI. כל הפלטפורמות ליצירת מודלים פועלות בצורה דומה, אם כי הממשקים עשויים להיות שונים במקצת.
סקירה של תנאים עיקריים
- מודל AI (או למידת מכונה) - בינה מלאכותית שמאומנת על מערך נתונים לזהות דפוסים כדי לחזות או לסווג משהו
- למידה מפוקחת - למידת מכונה שבה מודל מאומן על ידי אמירתו של תוצאה נכונה או שגויה
- למידה לא מפוקחת - למידת מכונה שבה מודל מגלה דפוסים בעצמו, ללא כל התערבות
- Class - תווית שמסופקת למודל AI כך שהוא לומד כיצד לסווג תשומות לפי המחלקה שלו
משאבים נוספים
אם אתם רוצים ללמוד עוד על בינה מלאכותית ולמידת מכונה, הנה רשימת השמעה נהדרת מאת דניאל שיףמן מאוניברסיטת ניו יורק.
