實踐中的 AI：AI 教學

在本課中，您將...

探索人工智慧的實作專案。
練習修改或延伸現有的解決方案

透過以下的教學，您將有機會看到您所學到的一切如何應用在實際的專案中。即使您以前見過類似的東西，也可以嘗試用新的眼光來看待它，您可能會發現新的解決方案或新的見解。

我們會一起將複雜的概念分解成實用、平易近人的課程，非常適合準備使用 AI 進行建構的初學者和好奇者！

您可以根據以下提示找到基於您的平台和學習概念的教學。它們包括教程所針對的特定 SDG，但您仍可學習這些概念，並應用於您專案所針對的 SDG。

教學平台/語言

我正在使用 App Inventor，我想了解更多...

按一下每個應用程式以檢視教學。

應用程式

學習內容

可持續發展目標

個人導師

AI 聊天機元件

品牌意識

偵測並讀取圖片中的文字
API 整合

WeHeroes +

IUCN Redlist API 整合
AI 聊天機元件

入侵植物偵測器

可教機器圖像分類
谷歌工作表
地圖、標記

我正在使用 React 和 Javascript，我想更多地了解...

按一下應用程式以檢視教學。

應用程式

學習內容

可持續發展目標

開關

AI 驅動的聊天機器人
蜜蜂屬

我正在使用 Python，我想要學習更多關於...

按一下應用程式以檢視教學。

應用程式

學習內容

可持續發展目標

RavenSight

編碼程式庫
如何匯入並在您的應用程式中使用它們

我正在使用 Python 和 Streamlit，我想了解更多...

按一下每個應用程式以檢視教學。

應用程式

學習內容

可持續發展目標

成長追蹤

圖像中的物體偵測
使用 OpenCV 圖書館的電腦視覺

語音情感偵測器

使用現有的機器學習模型
透過語音擷取偵測情緒

湖泊水質

使用數值公共資料集建立機器學習模型
水質預測

inWORKsive

建立合成文字/數字資料集
訓練一個機器學習模型

正義之路

JSON 資料儲存
AI 聊天機 API

我正在使用 Google Earth Engine，想要瞭解更多關於...

按一下應用程式以檢視教學。

應用程式

學習內容

可持續發展目標

紅樹林比較

遙感技術與衛星影像
紅樹林偵測

RavenSight by 校友 Ashlyn Gao

Ravensight 是一款行動農業技術應用程式，可協助都市農民偵測環境異常、追蹤生長狀況並預測收成。它提供即時監控 使用 AI 和電腦視覺、預測洞察力和自訂警示。它針對 可持續發展目標 2，零飢餓.

成長追蹤

本教學將展示如何運用艾希琳在教學中提及的函式庫，打造功能強大的應用程式。您將學習運用 openCV 函式庫（開源電腦視覺工具）識別圖像中的植物，並測量其葉片長度。此教學涵蓋 SDG 2，零飢餓。

Flip the Switch
由 Technovation 校友 Jessica Schmilovich 提供

Flip the Switch 是一款跨平台應用程式，其特色包括激勵人心的名言、人工智能驅動的建議以重塑負面想法、每日情緒追蹤，以及人工智能驅動的挑戰以提升使用者。它還提供每週的情緒趨勢和洞察力，以支援心理健康。

包含在教學中：

使用 JavaScript 建立 React Native 螢幕
使用 axios 將使用者輸入傳送至 OpenAI 和 Gemini API
使用 React 鉤子處理 API 回應和狀態
將基於情緒的資料與 AI 驅動的挑戰相連結

它針對 可持續發展目標 3，良好的健康和福祉.

語音情感應用程式，靈感來自 SpesDojo 團隊的 Oripal

本教程將教您如何使用預先訓練的機器學習模型，偵測聲音中的情緒，為參與團體摺紙計畫的長者提供支援與激勵。

個人導師

本教程向您展示如何將生成式人工智能融入您的應用程式。這個個人導師應用程式使用 App Inventor 的 Chatbot 元件為每位使用者量身打造學習內容。

InWORKsive 靈感來自 BusinessGirls InWORKsive 團隊

inWORKsive是一個使用 機器學習模型將殘障僱員與雇主配對。該模型根據員工所需的便利條件和雇主所提供的便利條件進行匹配。

本教學採用最初在 App Inventor 中編碼的 inWORKsive 團隊應用程式，並使用 Streamlit 將其轉換為網頁應用程式。模型使用 Jupyter Notebook 建立，並教您在沒有足夠資料可用時，如何製作合成資料集。

它針對 可持續發展目標8，體面的工作和經濟發展。.

校友 Anika Jha 的 JusticePath

JusticePath 是一個範例應用程式，讓每個人都能隨時取得法律權利。

它包括 3 個主要功能：

基於位置的樣本資源：根據使用者的位置自動顯示基於國家的資源
可搜尋的權利資料庫：透過讀取 JSON 檔案運作
聊天機整合：使用擁抱臉進行問答功能

它針對 可持續發展目標16，和平、正義和強大的制度.

湖泊水質

本教程將教您如何利用數值水質資料建立機器學習模型，然後用它來預測某個月份的湖泊水質。

它針對 可持續發展目標6，清潔的水.

水質應用程式

2 影片

23:50

15:36

品牌認知

本教學將展示如何結合使用人工智慧的API來偵測圖像中的文字並進行讀取。使用者可在購買前檢查品牌標籤，以了解該品牌的永續性。此功能符合 SDG 12，負責任的消費與生產。

紅樹林比較

本教學將引導您如何運用Google Earth Code Engine編寫網頁應用程式，追蹤並視覺化紅樹林生長狀況。此應用程式透過分析NASA衛星影像並生成合成圖像，進而偵測與呈現紅樹林的生長軌跡。您可比較不同年份的生長差異，觀察特定區域隨時間推移的變化。

它針對 可持續發展目標14，水下生命.紅樹林是重要的沿海生態系統，可為水質和地球健康提供重要服務。紅樹林是天然的水過濾器，對維持海洋生物多樣性至關重要。紅樹林每公頃的碳儲存量是陸地森林的 3-5 倍。它們茂密的根系可穩定海岸線，並提供天然保護，防止風暴潮、海嘯和侵蝕。

WEHeroes +

本教程將校友 Giovanna 和 Arlen 創作的 WEHeroes 應用程式更進一步。學習如何使用 IUCN API 取得瀕臨絕種物種的清單，然後再使用 App Inventor ChatBot 元件，讓 IUCN 網站的資訊更適合年幼使用者的年齡層。

入侵植物偵測器

本教學共 8 部分，教您如何

為資料集收集圖像
在 Teachable Machine 中訓練機器學習模型，以識別入侵植物
將模型新增至 App Inventor 專案
在 Google 試算表中儲存分類植物
使用標記將資料新增至地圖，並高亮顯示入侵熱點

它針對 可持續發展目標15，陸上生活.

播放清單

8 影片