- 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。
監督學習 就像聽起來一樣——你通過告訴模型正確的答案來 監督 模型的學習方式。
例如，假設您希望 AI 模型來判斷圖片是 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：
- 你要分類什麼？它們是圖像、文本、聲音嗎？這是您的 數據類型。
- 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 | 圖像、聲音、姿勢 | App Inventor、Python、其他可能的集成 |
| 兒童機器學習 | 圖像、聲音、文本、數位 | Python， App Inventor |
| 麻省理工學院應用程序發明者 | 圖像、聲音、姿勢 | App Inventor |
| 西米拉 | 圖像 | Thunkable、App Inventor、wep 應用程式、使用 API |
活動：訓練機器學習模型
預計時間：30 分鐘
構建石頭剪刀布模型
按照工作表使用Google的TeachableMachine平臺構建機器學習模型，以識別石頭、紙和剪刀的手跡。
然後，通過簡單的預構建 javascript 交互查看模型的運行情況。
打開工作表
然後，通過簡單的預構建 javascript 交互查看模型的運行情況。
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
- 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
如果你想瞭解更多關於人工智慧和機器學習的資訊，這裡有一個很棒的 播放清單 ，來自紐約大學的丹尼爾·希夫曼（Daniel Schiffman）
