- החלט על פלטפורמה לאמן את מודל הבינה המלאכותית שלך
- אסוף את מערך הנתונים הראשוני שלך והתחל לאמן את מודל הבינה המלאכותית שלך עבור הפרויקט שלך
אלו הפעילויות לשיעור זה:
מערך הנתונים שלך
עד עכשיו היית אמור לאסוף את הנתונים שלך עבור מערך הנתונים שלך. כזכור, ישנן שלוש דרכים לאיסוף נתונים:
- אסוף נתוני הדרכה מהקהילה שלך
- המצאה אוספת נתונים באמצעות חיישנים או קלט משתמש
- השתמש בנתונים ממערכי נתונים ציבוריים לנתוני הדרכה
אתה גם צריך להחליט באיזה סוג של נתונים אתה רוצה להשתמש במערך הנתונים שלך - תמונות, טקסט, צלילים או תנוחות.
מערך הנתונים שלך צריך לעמוד בקריטריונים הבאים:
- הסוג הנכון של נתונים
- המון דוגמאות
- דוגמאות מגוונות - מגוונות ומייצגות (ללא פניות)
תהליך הדרכה
קלט נתונים
על ידי העלאתו, או באמצעות מצלמת אינטרנט לתמונות
רַכֶּבֶת
הפעל את הנתונים באמצעות אלגוריתם למידה.
מִבְחָן
באמצעות תשומות חדשות, בדוק אם הדגם שלך מדויק.
בחר את הפלטפורמה
הפלטפורמה שתבחר אמורה לאפשר לך:
- לאמן את סוג הנתונים הנכון (תמונות, צלילים, טקסט וכו')
- השתמש במודל כדי להשתלב בפתרון המוצע שלך (אינטרנט או אפליקציה לנייד)
אינך מוגבל לפלטפורמות הללו, אלא אלו הן אפשרויות פשוטות וידידותיות למשתמש לשילוב עם אפליקציה לנייד או אינטרנט.
הפלטפורמה הטובה ביותר עבור הפרויקט שלך עשויה להיות תלויה בסוג הנתונים במערך הנתונים שלך, מכיוון שלא כל פלטפורמה יכולה לאמן כל סוג של נתונים.
נסה אחת או יותר מההדרכות מפלטפורמה אחת או שתיים כדי לראות איזו פלטפורמה תעזור לך להשיג את היעדים של הפרויקט שלך.
אתר אינטרנט: https://teachablemachine.withgoogle.com/
סוגי סיווג: תמונות, צלילים, תנוחות
אינטגרציות Technovation: App Inventor, Python, אינטגרציות אחרות באמצעות ממשקי API
להלן שלושה מדריכים להתנסות ב-Teachable Machine באמצעות סוגי נתונים שונים.
- סיווג תמונה עם בננות
- סיווג צליל עם הצמדות, מחיאות כפיים ושריקות
- סיווג תנוחות לזיהוי הטיית ראש
אתר אינטרנט: https://machinelearningforkids.co.uk/
סוגי סיווג: תמונות, צלילים, טקסט, מספרים
שילובי Technovation: App Inventor, Python
ללימוד מכונה לילדים יש מדריכים רבים לדוגמה ודפי עבודה למידע נוסף.
תזדקק למנטור או מורה כדי להירשם לחשבון מורה. אז הם יכולים להגדיר עבורך חשבון סטודנט.
עיין בדוגמאות/הדרכות אלה באמצעות MachineLearningForKids.
- Skin Clin צוות Technovation פרויקט Scratch לאיתור מחלות עור
- אפליקציה למיון פסולת ביו-רפואית על ידי צוות Technovation עם הדרכה מלאה
- לסווג תמונות של קשתיות באמצעות דוגמה של מערכי הנתונים הציבוריים מ-Unit 4 Datasets
אתר אינטרנט: https://appinventor.mit.edu/explore/ai-with-mit-app-inventor
סוגי סיווג: תמונות, צלילים, תנוחות, רשת פנים
אינטגרציות של Technovation: אפליקציות מובייל של App Inventor
אם אתה כבר משתמש ב-App Inventor כפלטפורמת הקידוד שלך עבור הפרויקט שלך, זו אפשרות טובה.
הנה כמה מדריכים להתחיל:
- סרטון הדרכה להכשרת מודל לזיהוי פירות בריאים מול חולים
- מדריך לאימון אפליקציה לנייד לזהות את הקול שלך
- הדרכה לרקוד עם AI לזיהוי תנוחות
אתר אינטרנט: https://www.ximilar.com/services/computer-vision-platform/#image-classification
סוגי סיווג: תמונות
שילובי Technovation: אפליקציות אינטרנט ניתנות ל-Thnkable (באמצעות ממשקי API)
למרות שישנן אפשרויות אחרות, זו אפשרות טובה אם אתה משתמש ב-Thunkable כפלטפורמת הקידוד שלך.
עיין בחצי הראשון של הדרכה זו כדי ללמוד כיצד להשתמש ב- Ximilar. המחצית השנייה תוצג ביחידה הבאה, כאשר תשלב את הדגם שלך עם Thunkable.
- מדריך וידאו להכשרת מודל לזיהוי סוגים שונים של שוניות אלמוגים
הפלטפורמות שלמעלה הן רק המלצות לעלייה קלה לאימון ושימוש במודלים של AI.
ישנם עוד הרבה כלי AI מתקדמים זמינים. חלקם מופיעים בסעיף משאבים נוספים. הם עשויים לדרוש שימוש בשפות מתקדמות כמו Java, Python או Swift וסביר להניח שיצרכו שימוש בממשקי API (ממשק תכנות יישומים).
פעילות: אימון הדגם שלך
אמן את מודל הבינה המלאכותית שלך באמצעות מערך הנתונים שלך
- בחר את הפלטפורמה המתאימה לפרויקט שלך.
- אמן את מודל הבינה המלאכותית שלך באמצעות מערך הנתונים שלך.
- אם לא אספת לגמרי את כל הדוגמאות עבור מערך הנתונים שלך, הוסף את מה שיש לך.
- הוסף עוד ככל שאתה אוסף יותר נתונים.
- שמור את הפרויקט/דגם שלך כדי שתוכל לחזור אליו מאוחר יותר!
- לאחר אימון מודל הבינה המלאכותית שלך, בדוק אותו עם כמה דוגמאות נוספות. דוגמאות מבחנים אלו צריכות להיות שונות מדוגמאות ההדרכה שבהן השתמשת.
- אם המודל שלך אינו מדויק במיוחד (מעל 70%), הוסף עוד דוגמאות לאימון, אימון מחדש, בדיקה חוזרת.
טיפ מנטור
שיטות עבודה מומלצות : קשה להכשיר מודלים! אפילו גוגל טועה. הבינה המלאכותית שלהם הוכשרה אבל עדיין התחילה להוציא תוצאות שגויות ! אל תוותר!
שאלות מנחות לשאול את התלמידים: כמה מדויק אתה רוצה שמודל הבינה המלאכותית שלך יהיה? אם זה לא יכול להיות מדויק ב-100%, מהי תשובה מקובלת? 80% מהמקרים? האם זה תלוי בסיכון של מה אתה משתמש במודל? לדוגמה, מכוניות בנהיגה עצמית צריכות להיות די מדויקות אחרת הן עלולות לפגוע במישהו אבל לתוצאות החיפוש בגוגל יש כנראה סרגל נמוך בהרבה.
טיפים למנטורים ניתנים על ידי תמיכה מ-AmeriCorps.

הִשׁתַקְפוּת
פעילות זו עוסקת רק באימון המודל.
ביחידה הבאה, תשלב את הדגם שלך בפלטפורמת תוכנה כדי להפוך לאפליקציה עובדת.

סקירה של תנאים עיקריים
- פלטפורמה – תוכנה או אתר המאפשר למשתמשיה לבצע משימה או להשתמש בכלי
- סיווג - מודל למידת מכונה המשמש לזיהוי או סיווג נתונים שונים
משאבים נוספים
הנה כמה פלטפורמות מתקדמות יותר לבניית דגמי AI.
הערה: אם תחליט להשתמש בכלים אלה, הקפד לבדוק שוב את התמחור. חלק מהכלים ניתנים לשימוש בחינם בהתאם למספר המשתמשים המשתמשים באפליקציה שלך.
Google Cloud AI Tools יש ממשקי API וכלים רבים לבניית מודלים משלך למידת מכונה.
גם מגוגל, פלטפורמה זו מצוינת עבור אפליקציות שיחה.
סרטונים אלה מראים לך כיצד להשתמש ב-DialogFlow עם AppSheets כדי ליצור אפליקציה לנייד.
זֶה כְּלִי מאפשר לך לכתוב ולהריץ קוד Python בדפדפן, ועובד היטב עבור יישום למידת מכונה.