- 训练机器学习模型来预测
这些是本课的活动：
机器学习的 3 个部分
回想一下，人工智能，特别是机器学习，有三个主要部分。
数据集
查找模式
进行预测
在本课中，我们将重点学习第二部分 "查找模式"，通过训练我们自己的人工智能模型来进行预测。
有许多 免费在线 平台 在这些平台上，您可以使用监督学习来训练人工智能模型。
机器学习主要有两种类型 监督学习和 无监督学习.
监督学习就像它的名字一样--你通过告诉模型正确答案来监督它如何学习。
无监督学习采用的是另一种方法。模型会得到数据，但没有指导或监督。人工智能模型会发现自己的模式。这种方法允许人工智能模型在没有任何先入为主的知识的情况下发现数据之间新的分组、相似性和差异性。
在本课程中，我们将使用 监督学习方法来进行机器学习。例如，如果您想要一个人工智能模型来判断一张图片是否是一只 狗还是 猫.
你的数据集将是很多很多猫狗的照片。
您可以帮助训练模型，告诉它哪些图片是狗，哪些是猫
规划您的模型
您的模型将对某些事物进行预测或分类。这些模型通常被称为 分类模型就是这个原因。
第一步
- 你正在分类的是什么？是图像、文本还是声音？这就是你的 数据类型。
- 有哪些可能的分类？ 例如 狗和 猫.这些是您的 类.它们有时也被称为 标签.
- 收集适当的数据来训练模型。寻找大量不同的数据来代表每个类别。例如，大量不同类型猫狗的图片！
推荐平台
有许多免费的开源平台可用于创建人工智能分类模型。
我们为您整理了一份计划和平台清单：
- 建立预测模型
- 然后在移动或网络应用中使用您的模型，根据预测结果执行操作
下面简要介绍一下每个平台可以分类和集成的功能。
| 平台 | 分类类型 | 技术创新整合 |
|---|---|---|
| 谷歌教学机器 | 图像、声音、姿势 | 可与 App Inventor、Python 及其他系统集成 |
| 儿童机器学习 | 图像、声音、文本、数字 | Python、App Inventor（针对某些数据类型） |
| 麻省理工学院应用发明家 | 图像、声音、姿势 | 应用程序发明家 |
| Ximilar | 图片 | Thunkable、App Inventor、wep 应用程序、使用 API |
活动：训练机器学习模型
制作 "剪刀石头布 "模型
然后，通过一个简单的预建 javascript 互动来查看模型的运行情况。
预制模型
现在，您已经建立了第一个人工智能模型，并开始为您的项目规划自己的模型，您可以考虑使用已经建立的模型。
为什么要重新发明轮子呢？
有很多网站提供公开和共享的人工智能模型。如果它们能提供您正在寻找的分类，您可以考虑使用它们。 以下是一些提供公开 ML 模型的网站。
要使用这些模型，您很可能需要使用 Python 或 Javascript 等基于文本的语言。
如果你是编码新手，建立自己的模型是一个不错的选择。在这个过程中，你可以掌控一切，还能学到很多关于人工智能的知识！
反思
您已经制作了第一个人工智能模型！这应该能让你了解制作人工智能模型的过程。尽管界面可能略有不同，但所有模型创建平台的工作方式都大同小异。
关键术语回顾
- 人工智能（或机器学习）模型- 人工智能在数据集上进行训练，以识别模式来预测或分类事物
- 监督学习 - 通过告诉模型正确或错误的结果来训练模型的机器学习
- 无监督学习 - 机器学习模型在没有任何干预的情况下自行发现模式
- 类别- 提供给人工智能模型的标签，使其学会如何按类别对输入进行分类
其他资源
如果你想进一步了解人工智能和机器学习，这里有一份来自纽约大学丹尼尔-希夫曼（Daniel Schiffman）的精彩播放列表。
