- შეისწავლით როგორ დააკავშიროთ თქვენი მანქანური სწავლების მოდელი აპში
- როგორ დაიწყოთ თქვენი აპლიკაციის ინტეგრაციის კოდირება
აქტივობები ამ გაკვეთილისთვის:
ᲗᲥᲕᲔᲜᲘ ᲛᲝᲓᲔᲚᲘᲡ ᲘᲜᲢᲔᲒᲠᲘᲠᲔᲑᲐ
ამ დროისთვის, იმედია თქვენმა გუნდმა უკვე
- მოამზადა AI მოდელი ჯანსაღი მონაცემთა ბაზის გამოყენებით.
- შეამოწმა მოდელი ახალი და მრავალფეროვანი მონაცემებით
მაგრამ ამას ასე ვერ დატოვებთ!
თქვენმა მოდელმა უნდა მიიღოსზომები მის მიერ გაკეთებული პროგნოზის საფუძველზე.
თქვენ დაგჭირდებათ თქვენი მოდელის აპში დანერგვა, რომ ის სასარგებლო იყოს.

ᲞᲚᲐᲢᲤᲝᲠᲛᲘᲡ შეᲠᲩᲔᲕᲐ
პლატფორმა, რომელსაც გამოიყენებთ აპის კოდირებისთვის, დამოკიდებული იქნება:
- მობილური აპლიკაციის კოდირების პლატფორმის უპირატესობაზე
- მოდელის ტესტირებისთვის გამოყენებულ პლატფორმაზე
ქვემოთ მოცემულია მე-5 ნაწილში განხილული მანქანური სწავლების პლატფორმები. დააწკაპუნეთ თითოეულზე მოდელის აპში ინტეგრაციის რამდენიმე ვარიანტის სანახავად.
სწავლებადი მანქანა არის ძალიან მრავალმხრივი პლატფორმა. თქვენ შეგიძლიათ შეინახოთ თქვენი მოდელი cloud-ზე ან ფაილის სახით, ასე რომ არსებობს მრავალი ვარიანტი კოდირების პლატფორმებთან ინტეგრაციისთვის.
ეს ვიდეო აღწერს, თუ როგორ უნდა გააკეთოთ თქვენი მოდელის ექსპორტი.
- App Inventor აქვს სწავლებადი მანქანების გამოსახულების კლასიფიკაციის გაფართოება , შეტანილი ფაბიანო ოლივეირას მიერ, რომლის ჩამოტვირთვა და იმპორტი შესაძლებელია გაფართოების უჯრაში.
- Teachable Machine უზრუნველყოფს კოდის ფრაგმენტებს Tensorflow-თან, მანქანათმცოდნეობის ბიბლიოთეკასთან ინტეგრირებისთვის. ის გთავაზობთ 3 კოდის ფრაგმენტის ვარიანტს:
- Tensorflow.js – Javascript ენა საშუალებას მოგცემთ შექმნათ ვებგვერდი ან ვებ აპლიკაცია.
- Tensorflow – პითონის ენა ვებ აპების შესაქმნელად.
- Tensorflow Lite – Java ენა მობილური აპლიკაციების შესაქმნელად.
კოდის სამივე ფრაგმენტი მოგცემთ მოდელის ფაილს და კოდს დასაკოპირებლად. ენიდან გამომდინარე, შეიძლება დაგჭირდეთ ბიბლიოთეკების და კოდების რედაქტორების დაყენება. ინსტრუქციების ბმულები მოცემულია კოდის ფრაგმენტებთან ერთად.
Tensorflow.js-ს გამოყენების საფეხურები:
- დააკოპირეთ კოდი და ჩასვით ის თქვენი კომპიუტერის ახალ ცარიელ ტექსტურ ფაილში.
- შეინახეთ როგორც index.html (ან რაიმე სხვა .html გაფართოებით).
- გახსენით ფაილი ვებ ბრაუზერში. ის მოგაწვვდით ძირითად ინტერფეისს, სადაც შეგიძლიათ განასხვავოთ ვებკამერით გადაღებული სურათი თქვენი მოდელის მიხედვით.
- თუ გსურთ, რომვებკამერის ნაცვლად შეძლოთ სურათის ატვირთვა კლასიფიკაციისთვის, ეს კოდი დაგეხმარებათ. (Courtesy Chris Hoyean Song) უბრალოდ დარწმუნდით, რომ დააკოპირეთ თქვენი მოდელის URL თქვენი ორიგინალური კოდის ფრაგმენტიდან ამ ფაილში.
- დააკოპირეთ კოდი და ჩასვით ის თქვენი კომპიუტერის ახალ ცარიელ ტექსტურ ფაილში.
Tensorflow და Tensorflow Lite ვარიანტები საჭიროებს პროგრამული უზრუნველყოფის და კოდირების ბიბლიოთეკების განსხვავებულ ინსტალაციას. შეამოწმეთ github საიტი დამატებითი ინსტრუქციებისთვის.
ტექნოლოგიური ინტეგრაციები: Python, App Inventor
ამჟამად ბავშვებისთვის ერთადერთი ინტეგრაცია მანქანური სწავლებისთვის, რომელიც სრულად მუშაობს უმცროსი და უფროსი განყოფილებისთვის, არის პითონი.
ბავშვებისთვის მანქანური სწავლების პითონთან ინტეგრირების შესახებ მეტის გასაგებად გადადით ამ გვერდზე მოცემულ ერთ-ერთი სამუშაო ფურცელზე. აირჩიეთ Python ჩამოსაშლელი მენიუდან (Make Type).
MIT App Inventor არის ინტეგრაციის ვარიანტი, მაგრამ მონაცემთა ყველა ტიპი სრულად არ მუშაობს. შეამოწმეთ Machine Learning for Kids ვებსაიტი, რათა დარწმუნდეთ, რომ თქვენი მონაცემთა ნაკრები თავსებადია App Inventor .
App Inventor-ის გაფართოებები App Inventor გარე კომპონენტები, რომლებიც ამატებენ აპს ფუნქციონირებას, მაგრამ არ არიან App Inventor ძირითადი კომპონენტების ნაწილი.
მას შემდეგ რაც თქვენ ივარჯიშებთ თქვენი გამოსახულების ან ხმის მოდელის გამოყენებით App Inventor კლასიფიკატორის ვებსაიტებზე ( სურათი , ხმა ), თქვენ გამოიყენებთ გაფართოებას App Inventor თქვენი მოდელის გასაცოცხლებლად თქვენს მობილურ აპლიკაციაში.
- დააწკაპუნეთ გაფართოებაზე დიზაინერის პალიტრაში.
- დააწკაპუნეთ გაფართოების იმპორტზე .
- დააწკაპუნეთ "აირჩიეთ ფაილი"-ზე და აირჩიეთ გაფართოების ფაილი, რომელიც გადმოწერეთ გაფართოებების გვერდიდან ზემოთ.
- დააწკაპუნეთ იმპორტის ღილაკზე გაფართოებისა და მისი ბლოკების იმპორტისთვის.

თქვენ ასევე უნდა დაამატოთ WebViewer კომპონენტი თქვენს პროექტში. ის შეგიძლიათ იხილოთ მომხმარებლის ინტერფეისის უჯრაში.
ქვემოთ მოყვანილ მაგალითში ჩვენ ვაჩვენებთ, თუ როგორ უნდა დააყენოთ გამოსახულების კლასიფიკატორი. (ის თითქმის მსგავსად მუშაობს აუდიო კლასიფიკატორის შემთხვევაში, თუ თქვენი მოდელი მოიცავს ხმებს)
თქვენი მოდელის კლასიფიკატორიდან დასაკავშირებლად, ჯერ ჩამოტვირთეთ მოდელი კლასიფიკატორის ვებსაიტიდან და შემდეგ,
- აირჩიეთ PersonalImageClassifer კომპონენტი.
- თვისებების პანელში დააწკაპუნეთ "არცერთი" ღილაკზე მოდელის ქვეშ და ატვირთეთ გადმოწერილი model.mdl ფაილი. (ფაილის შეიძლება დაერქვას რაიმე სახელი, მაგრამ უნდა ჰქონდეს .mdl გაფართოება მის სახელში).
- დააჭირეთ „არცერთი" ღილაკზე WebViewer-ის ქვეშ და აირჩიეთ WebViewer კომპონენტი, რომელიც ახლახან დაემატა პროექტს.
გაითვალისწინეთ თვისება "InputMode", რომელიც შეიძლება იყოს ვიდეო ან სურათი. თუ აირჩევთ ვიდეოს, ის მუდმივად შეეცდებავიდეო არხის კლასიფიცირებას, რომელიც გამოჩნდება WebViewer-ში. თუ აირჩევთ გამოსახულებას, მოგიწევთ დაამატოთ კამერა ან ImagePicker კომპონენტი, რომ მიიღოთ სურათი კლასიფიცირებისთვის. გამოსახულების კლასიფიკაციის მუშაობისთვის მაინც დაგჭირდებათ WebViewer კომპონენტი.
Ximilar-ით დამზადებული მოდელები შეიძლება გამოყენებულ იქნას API-ით აპში მისი ინტეგრირებისთვის.
თქვენ შეგიძლიათ გამოიყენოთ Web API კომპონენტი Thunkable გარე მოდელის ინტეგრირება პლატფორმიდან, როგორიცაა Ximilar, აპლიკაციაში. შენიშვნა: ჩვენ განვიხილავთ API-ებს Thunkable ში მომდევნო ერთეულში.
უყურეთ პრატამის ვიდეოს მეორე ნაწილს, რათა ჩართოს მისი მარჯნის AI მოდელი მე-5 განყოფილებიდან Thunkable მობილური აპლიკაცია.
ᲐᲥᲢᲘᲕᲝᲑᲐ: ᲗᲥᲕᲔᲜᲘ AI ᲛᲝᲓᲔᲚᲘᲡ ᲘᲜᲢᲔᲒᲠᲘᲠᲔᲑᲐ
ინტეგრირება თქვენს მიერ არჩეულ პლატფორმაზე დაყრდნობით
- გადახედეთ რა არის საჭირო თქვენი კონკრეტული პლატფორმისთვის, რომ დაამატოთ თქვენი შექმნილი AI მოდელი პროექტში.
- შექმენით ახალი პროექტი თქვენს მიერ არჩეულ პლატფორმაზე და დაამატეთ თქვენი მოდელი. ამის გაკეთება დამოკიდებული იქნება თქვენი კონკრეტული პლატფორმის პროცესზე.
- იმოქმედეთ! დაამატეთ კომპონენტები და კოდი პლატფორმაზე, რათა თქვენმა პროექტმა იმოქმედოს თქვენი მოდელის პროგნოზის საფუძველზე.
რეფლექსია
თქვენ დაიწყეთ თქვენი AI აპის სამოქმედო ნაწილის კოდირება! აქ შეგიძლიათ ნახოთ თქვენი მოდელის შედეგები და რა შეუძლია მას რეალურად!
ახლა კარგი დროა შეამოწმოთ თქვენი პროექტის გეგმა, რათა დააკვირდეთ მის მიმდინარეობას. შეიძლება დაგჭირდეთ ვადების და ამოცანების შესწორება იმ პლატფორმისა და ნაბიჯების საფუძველზე, რომელის საჭიროა მიზნის მისაღწევად.
კოდის ამუშავებისთანავე, კვლავ შეამოწმეთ თქვენი მომხმარებლები. იპოვეთ რამდენიმე ადამიანი თქვენი აპის შესამოწმებლად და გაითვალისწინეთ გამოხმაურება.

ძირითადი ტერმინების მიმოხილვა
- პროგრამული უზრუნველყოფა - ტერმინი პროგრამებისთვის ან აპლიკაციებისთვის, რომლებიც მუშაობს კომპიუტერზე ან მოწყობილობაზე
- გაფართოებები - პროგრამული უზრუნველყოფის პაკეტები, რომლებიც ამატებენ არსებულ პროგრამებს ფუნქციონირებას
ᲓᲐᲛᲐᲢᲔᲑᲘᲗᲘ ᲠᲔᲡᲣᲠᲡᲔᲑᲘ
Marshmallow დამხარისხებელი სწავლებადი მანქანისა და Coral-ის გამოყენებით.
ნახეთ ეს ვიდეოები უფრო მოწინავე AI ინსტრუმენტებზე!
- Google Colab , კოდირება პითონში
- DialogFlow – ნაწილი 1 Google AppSheets-ით
- Dialogflow – ნაწილი 2 და ვირტუალური ასისტენტი