- Decideți asupra unei platforme pentru a vă antrena modelul AI
- Adunați setul inițial de date și începeți să vă antrenați modelul AI pentru proiectul dvs.
Acestea sunt activitățile pentru această lecție:
SETUL TĂU DE DATE
Până acum ar trebui să fi colectat datele pentru setul dvs. de date. Vă reamintim că există trei moduri de colectare a datelor:
- Colectați date de formare de la comunitate
- Invenția colectează date cu senzori sau cu datele introduse de utilizator
- Utilizați date din seturi de date publice pentru datele de instruire
De asemenea, ar trebui să vă fi hotărât ce tip de date doriți să utilizați în setul dvs. de date - imagini, text, sunete sau poziții.
Setul dvs. de date trebuie să îndeplinească următoarele criterii:
- Tipul tipul corect de date
- O mulțime de exemple
- Variate exemple - diverse și reprezentative (imparțiale)
PROCESUL DE FORMARE
Date de intrare
Prin încărcarea acesteia sau prin intermediul unei camere web pentru imagini
Tren
Treceți datele printr-un algoritm de învățare.
Test
Folosind noi date de intrare, verificați dacă modelul dvs. este corect.
ALEGEȚI PLATFORMA
Platforma pe care o alegeți trebuie să vă permită:
- antrenează tipul corect de date (imagini, sunete, text etc.)
- utilizați modelul pentru a-l integra în soluția propusă (aplicație web sau mobilă)
Nu sunteți limitat la aceste platforme, dar acestea sunt opțiuni simple și ușor de utilizat pentru integrarea cu o aplicație mobilă sau web.
Cea mai bună platformă pentru proiectul dvs. poate depinde de tipul de date din setul dvs. de date, deoarece nu toate platformele pot instrui orice tip de date.
Încercați unul sau mai multe tutoriale de pe una sau două platforme pentru a vedea care platformă vă va ajuta să vă atingeți obiectivele pentru proiectul dvs.
Website: https://teachablemachine.withgoogle.com/
Tipuri de clasificare: imagini, sunete, posturi
Integrări Technovation: App Inventor, Python, alte integrări utilizând API-uri
Iată trei tutoriale pentru a încerca Teachable Machine folosind diferite tipuri de date.
- Clasificarea imaginilor cu banane
- Clasificarea sunetelor cu pocnituri, bătăi din palme și fluierături
- Clasificarea poziției pentru a detecta înclinarea capului
Website: https://machinelearningforkids.co.uk/
Tipuri de clasificare: imagini, sunete, text, numere
Integrări Technovation: Python, App Inventor
Notă: nu toate modelele de tip de date se vor integra cu App Inventor - verificați înainte de a construi modelul
Machine Learning for Kids are multe exemple de tutoriale și fișe de lucru pentru a învăța mai multe.
Veți avea nevoie de un mentor sau de un profesor pentru a vă înscrie pentru un cont de profesor. Apoi, ei pot configura un cont de student pentru dvs.
Consultați aceste exemple/tutoriale folosind MachineLearningForKids.
- Skin Clin un proiect Scratch al echipei Technovation pentru detectarea bolilor de piele
- aplicație pentru sortarea deșeurilor biomedicale de către o echipă Technovation cu un tutorial complet
- clasificarea imaginilor de irisuri utilizând exemplul de set de date publice din Unitatea 4 Seturi de date
Website: https://appinventor.mit.edu/explore/ai-with-mit-app-inventor
Tipuri de clasificare: imagini, sunete, posturi, plasă facială
Integrări Technovation: App Inventor aplicații mobile
Dacă utilizați deja App Inventor ca platformă de codare pentru proiectul dvs., aceasta este o opțiune bună.
Iată câteva tutoriale pentru a începe:
- Tutorial video pentru a antrena un model de detectare a fructelor sănătoase vs. bolnave
- Tutorial pentru a antrena o aplicație mobilă să vă recunoască vocea
- Tutorial de dans cu AI pentru a detecta pozițiile
Website: https://www.ximilar.com/services/computer-vision-platform/#image-classification
Tipuri de clasificare: imagini
Integrări Technovation: Thunkable, aplicații web (utilizând API-uri)
Deși există și alte opțiuni, aceasta este una bună dacă utilizați Thunkable ca platformă de codare.
Consultați prima jumătate a acestui tutorial pentru a învăța cum să utilizați Ximilar. A doua jumătate va fi prezentată în unitatea următoare, când vă veți integra modelul cu Thunkable.
- Tutorial video pentru a antrena un model care să detecteze diferite tipuri de recife de corali
Platformele de mai sus sunt doar recomandări pentru a facilita accesul la formarea și utilizarea modelelor AI.
Sunt disponibile multe instrumente AI mai avansate. Unele sunt enumerate în secțiunea Resurse suplimentare. Acestea pot necesita utilizarea unor limbaje avansate precum Java, Python sau Swift și, cel mai probabil, vor implica utilizarea API-urilor (Application Programming Interface).
ACTIVITATE: ANTRENEAZĂ-ȚI MODELUL
Antrenați-vă modelul AI folosind setul de date
- Alegeți platforma potrivită pentru proiectul dvs.
- Antrenați-vă modelul AI folosind setul dvs. de date.
- Dacă nu ați adunat complet toate exemplele pentru setul dvs. de date, adăugați cele pe care le aveți.
- Adăugați mai multe pe măsură ce colectați mai multe date.
- Salvați proiectul/modelul pentru a vă putea întoarce la el mai târziu!
- După antrenarea modelului AI, testați-l cu câteva exemple suplimentare. Aceste exemple de testare ar trebui să fie diferite de exemplele de instruire pe care le-ați folosit.
- Dacă modelul dvs. nu este foarte precis (peste 70%), adăugați mai multe exemple de instruire, reinstruiți, retestați.
Sfat pentru mentori
Cele mai bune practici: Formarea modelelor este dificilă! Chiar și Google greșește. AI-ul lor a fost antrenat, dar totuși a început să producă rezultate greșite! Nu renunțați!
Întrebări orientative pentru elevi: Cât de precis doriți să fie modelul dvs. de IA? Dacă nu poate fi 100% precis, care este un răspuns acceptabil? 80% din timp? Depinde acest lucru de riscul asociat utilizării modelului? De exemplu, mașinile autonome trebuie să fie destul de precise, altfel ar putea răni pe cineva, dar rezultatele căutărilor Google au aparent un prag mult mai scăzut.
Sfaturile mentorilor sunt oferite cu sprijinul AmeriCorps.
REFLECȚIE
Această activitate se referă doar la instruirea modelului.
În unitatea următoare, vă veți integra modelul într-o platformă software pentru a-l transforma într-o aplicație funcțională.
REVIZUIREA TERMENILOR CHEIE
- Platformă - software sau site care permite utilizatorilor săi să îndeplinească o sarcină sau să utilizeze un instrument
- Clasificare - Model de învățare automată utilizat pentru a identifica sau categoriza diferite date
RESURSE SUPLIMENTARE
Iată câteva platforme mai avansate pentru crearea de modele AI.
Notă: Dacă vă decideți să utilizați aceste instrumente, asigurați-vă că verificați prețurile. Unele instrumente sunt gratuite, în funcție de numărul de utilizatori care utilizează aplicația dvs.
Google Cloud AI Tools are multe API-uri și instrumente pentru construirea propriilor modele de învățare automată.
Tot de la Google, această platformă este excelentă pentru aplicațiile conversaționale.
Aceste videoclipuri vă arată cum să utilizați DialogFlow cu AppSheets pentru a crea o aplicație mobilă.
Acest instrument vă permite să scrieți și să rulați cod Python în browser și funcționează bine pentru aplicațiile de învățare automată.
Tensorflow Lite este un set de instrumente concepute special pentru a crea și implementa modele ML pentru dispozitive mobile.
