- 訓練機器學習模型來預測某些內容
以下是本課的活動：
機器學習的3個部分
回想一下，人工智慧，特別是機器學習，有3個主要部分。
數據
查找模式
做出預測
在本課中，我們將通過訓練我們自己的 AI 模型來專注於第二部分「 查找模式」 ，該模型將能夠做出預測。
有很多 免費的在線 平臺 ，您可以在其中使用監督學習來訓練 AI 模型。
有兩種主要的機器學習類型 監督學習和 無監督學習.
監督學習就像聽起來一樣 - 您透過告訴模型正確的答案來監督它如何學習。
無監督學習採用不同的方法。模型會獲得資料，但沒有任何指導或監督。AI 模型會自己尋找模式。這種方法允許人工智能模型在沒有任何先入為主的知識的情況下發現資料之間的新組合、相似性和差異。
在本課程中，我們將採用 監督學習方法來進行機器學習。例如，假設您想要一個 AI 模型來判斷一張圖片是否是一隻 狗還是 貓.
你的數據集將是很多很多狗和貓的圖片。
您將通過告訴模型哪些圖片是狗，哪些是貓來幫助訓練模型
規劃模型
您的模型將對某些內容進行預測或分類。因此，這些模型通常稱為 分類模型。
第一步：
- 您正在分類的是什麼？是圖像、文字還是聲音？這便是您的 資料類型。
- 有哪些不同的可能分類？ 例如， 狗 和 貓。這些是你的 課程。它們有時也被稱為 標籤。
- 收集適當的數據來訓練模型。找到很多很多不同的數據來代表每個類。例如，很多很多不同類型的狗和貓的圖片！
推薦平臺
有許多免費和開源平臺可用於創建 AI 分類模型。
我們整理了一份程式和平台清單，您可以在其中：
- 構建模型以進行預測
- 然後，在移動或 Web 應用中使用您的模型，根據預測執行操作
以下是每個平臺可以分類和集成的內容的快速概述。
| 平臺 | 分類類型 | Technovation 集成 |
|---|---|---|
| Google 的 Teachable Machine | 影像、聲音、姿態 | App Inventor、Python、其他可能的集成 |
| 兒童機器學習 | 圖像、聲音、文字、數字 | Python、App Inventor (針對某些資料類型) |
| 麻省理工學院應用程式發明家 | 影像、聲音、姿態 | App Inventor |
| 西米拉 | 圖片 | Thunkable、App Inventor、wep 應用程式、使用 API |
活動：訓練機器學習模型
構建石頭剪刀布模型
然後，通過簡單的預構建 javascript 交互查看模型的運行情況。
預建模型
現在您已經建立了第一個 AI 模型，當您開始為專案規劃自己的模型時，您可以考慮使用已經建立好的模型。
為什麼要重新製造呢？
有許多網站提供公開和共用的 AI 模型。如果它們能提供您想要的分類，您可以考慮使用它們。 以下是一些提供公開 ML 模型的網站。
若要使用這些模型，您很可能需要使用 Python 或 Javascript 等文字型語言。
如果您完全不懂編碼，建立自己的模型是個不錯的選擇。您可以掌控一切，並在過程中學習到許多關於 AI 的知識！
反射
你已經製作了你的第一個 AI 模型！這應該讓您了解製作 AI 模型的過程。所有模型創建平臺的工作方式都類似，儘管介面可能略有不同。
關鍵術語的審查
- AI（或機器學習）模型 – 在數據集上訓練的人工智慧，用於識別模式以預測或分類某些事物
- 監督學習 – 機器學習，通過告訴模型正確或錯誤的結果來訓練模型
- 無監督學習 - 機器學習，模型在沒有任何干預的情況下自行發現模式
- 類 – 提供給 AI 模型的標籤，用於學習如何按其類別對輸入進行分類
其他資源
如果您想進一步瞭解人工智慧與機器學習，這裡有一份來自紐約大學 Daniel Schiffman 的很棒的播放清單。
