გაწვრთნეთ თქვენი ხელოვნური ინტელექტის მოდელი

გახსოვდეთ:
ჯანსაღ პროგნოზებს ჯანსაღი მონაცემები სჭირდება
!

ჯანსაღი
მონაცემთა ნაკრები

პოულობს
სწორი
ნიმუშები

ჯანსაღი
პროგნოზი!

სწორი მოქმედებები თუ გადაწყვეტილებები!

გახსოვთ, რა ქმნის ჯანსაღ მონაცემთა ბაზას ?

  • ბევრი მონაცემი
  • ზუსტი
  • შეესაბამება თქვენს პრობლემას და გადაწყვეტას
  • მონაცემთა სხვადასხვა მაგალითები
  • სწორი ტიპის მონაცემები
  • თქვენ გაქვთ მისი გამოყენების ნებართვა

ᲓᲠᲝᲐ ᲓᲐᲘᲬᲧᲝᲗ ᲗᲥᲕᲔᲜᲘ ᲛᲝᲜᲐᲪᲔᲛᲔᲑᲘᲡ ᲢᲠᲔᲜᲘᲜᲒᲘ!

alarm clock
აქამდე უნდა შეგეგროვებინა შენი მონაცემები… ან სულ ცოტა დაგეწყო!

ᲘᲥᲜᲔᲑᲐ ᲔᲡ…

თქვენი საკუთარი ტრენინგის მონაცემები თქვენი საზოგადოებისგან

და/ან

მონაცემები შეგროვებული სენსორებიდან ან მომხმარებლის შეყვანიდან

და/ან

strings of numbers

მონაცემები შეგროვებული საჯარო მონაცემთა ნაკრებიდან

დააწკაპუნეთ პლატფორმის სახელზე ქვემოთ, რომ გაიგოთ მეტი და სცადოთ რამდენიმე გაკვეთილი.

teachablemachine.withgoogle.com
  • მოამზადეთ სურათები, ხმები ან პოზები
  • teachable machine screenshotმიამაგრეთ მოწყობილობები სენსორის მონაცემების გადასაღებად
Google's Teachable Machine საშუალებას გაძლევთ მარტივად მოამზადოთ AI მოდელები, რომლებიც შეიძლება გამოყენებულ იქნას სხვა პლატფორმებთან. ამ ვიდეოში შეიტყვეთ ცოტა რამ Teachable Machine-ისა და ხელოვნური ინტელექტის მოდელის ტრენინგის შესახებ, რომელიც მოგვიანებით შეგიძლიათ გამოიყენოთ Scratch-ის პროექტის ან აპლიკაციის შესაქმნელად MIT-ით App Inventor .

აქ მოცემულია სამი გაკვეთილი , რათა გამოსცადოთ სწავლებადი მანქანა მონაცემთა სხვადასხვა ტიპების გამოყენებით.

machine learning for kids logo
  • მოამზადეთ სურათები, ხმები, ტექსტი ან რიცხვები
თქვენი გაწვრთნილი მონაცემთა ნაკრების საშუალებით შეგიძლიათ:
  • გააკეთეთ Scratch ან Python პროექტი
  • ან მობილური აპლიკაციით App Inventor
ეს ვიდეო არის Technovation გუნდის მაგალითი, რომელმაც შექმნა SkinClin, Scratch პროექტი კანის დაავადებების გამოსავლენად მანქანური სწავლება ბავშვებისთვის.

ეს ვიდეო არის მაგალითი Technovation-ის გუნდისა, რომელიც იყენებს Machine Learning for Kids-ს, რათა შექმნას მობილური აპლიკაცია ბიოსამედიცინო ნარჩენების დასალაგებლად.

სცადე შენ თვითონ!

ამ ვიდეოში იხილეთ, როგორ აიღოთ Iris-ის საჯარო მონაცემთა ნაკრები მე-6 განყოფილებიდან და მოამზადოთ ის ბავშვებისთვის მანქანური სწავლების გამოყენებით. 

შემდეგ შემდეგ ერთეულში შეგიძლიათ გამოიყენოთ იგი Scratch პროექტში !

appinventor.mit.edu

  • app inventor bee logoმატარებელი სურათები, ხმები, ან პოზები
  • თქვენი გაწვრთნილი მონაცემთა ნაკრების საშუალებით შეგიძლიათ შექმნათ მობილური აპლიკაცია , რომელიც იყენებს AI-ს .

ᲒᲘᲜᲓᲐ ᲡᲪᲐᲓᲝ?

ამ ვიდეოში იხილეთ, თუ როგორ შეგიძლიათ გამოიყენოთ App Inventor სურათის კლასიფიკატორი სურათების მონაცემთა ნაკრების მოსამზადებლად. ეს მონაცემთა ნაკრები კლასიფიცირებს ჯანმრთელ ხილს და დაავადებულ ხილს.

შემდეგ შემდეგ განყოფილებაში იხილეთ, როგორ გამოიყენოთ თქვენი მოდელი მობილურ აპლიკაციაში !

ᲐᲥᲢᲘᲕᲝᲑᲐ: ᲐᲕᲐᲠᲯᲘᲨᲔ ᲨᲔᲜᲘ ᲛᲝᲓᲔᲚᲘ

  • აირჩიეთ AI ინსტრუმენტი, რომელიც გსურთ გამოიყენოთ თქვენი Technovation პროექტისთვის.
  • დაამატეთ თქვენი მაგალითები.
  • ივარჯიშეთ და გამოსცადეთ თქვენი AI მოდელი.

საუკეთესო პრაქტიკა: ტრენინგის მოდელები რთულია! Google-საც კი არასწორად ხვდება. მათი AI იყო გაწვრთნილი, მაგრამ მაინც დაიწყეს არასწორი შედეგების გამოტანა! არ დანებდე!

კითხვები მოსწავლეებისთვის: რამდენად ზუსტი გსურთ იყოს თქვენი ხელოვნური ინტელექტის მოდელი? თუ ის 100%-ით ზუსტი არ არის, რა არის მისაღები პასუხი? შემთხვევათა 80%-ში? ეს დამოკიდებულია თუ არა იმ რისკზე, რისთვისაც მოდელს იყენებთ? მაგალითად, თვითმართვადი მანქანები საკმაოდ ზუსტი უნდა იყოს, წინააღმდეგ შემთხვევაში შეიძლება ვინმეს ზიანი მიაყენონ, მაგრამ Google-ის ძიების შედეგებში, როგორც ჩანს, გაცილებით დაბალი ზღვარია. 

მენტორის რჩევები მოწოდებულია AmeriCorps-ის მხარდაჭერით.

stylized A, AmeriCorps logo in navy