Принципы машинного обучения нейронных сетей план урока

Обновлено: 02.07.2024

Термины и определения
Машинное обучение - это процесс, в ходе которого
система обрабатывает большое число примеров,
выявляет закономерности и использует их, чтобы
прогнозировать характеристики новых данных.

Принципы машинного обучения
В шестидесятые-семидесятые XX века сложились основные
научные принципы ML. В современном представлении ML
объединяет в себе ранее независимые направления:
нейронные сети (neural networks),
обучение по прецедентам (case-based learning),
генетические алгоритмы (genetic algorithms),
выводы правил (rule induction)
аналитическое обучение (analytic learning).

Домашняя работа
Что такое машинное обучение?
Из чего состоит основная идея машинного обучения?
Объясните принцип работы машинного обучения. Приведите
примеры.
4. Что такое Нейрон?
5. Дайте характеристику его цели, деятельности.
6. Назовите типы нейронов.
7. Из каких элементов состоит искусственный нейрон?
8. Что такое нейросеть?
9. Какова его функция?
10. Что означает обучение в нейросети?
1.
2.
3.

Тема урока: Искусственный интеллект и машинное обучение.

Цель: создание условий для осознания школьниками важности построения дальнейшей индивидуальной образовательной траектории и ранней профориентации через знакомство с перспективными направлениями развития ИТ-индустрии (на примере искусственного интеллекта и машинного обучения).

Вложение	Размер
urok_po_informatike_8_klass_iskusstvennyy_intellekt_i_mashinnoe_obuchenie.docx	825.26 КБ

Предварительный просмотр:

Данные об учителе: Крицкий Федор Сергеевич

Предмет: информатика Класс: 8 Учебник Босова Л.Л. Информатика: учебник для 8 класса/Л.Л. Босова, А.Ю. Босова. -2017г

Тема урока: Искусственный интеллект и машинное обучение.

Образовательные : Познакомить школьников с основными проблемами, которые решаются с помощью современных интеллектуальных систем;

Развивающие : Расширить представление школьников о технологиях машинного обучения и перспективах развития этого направления ИТ-индустрии; познакомить с основными видами задач, решаемых с помощью систем машинного обучения в разных областях и сферах деятельности человека.

Воспитательные : акцентирование внимания на том, чтобы познакомить школьников с современным уровнем развития технологий на примере технологий искусственного интеллекта, которые не только улучшат качество жизни и работы людей, но значительно ускорят и изменят процессы и способы решения различных задач, требуя от специалистов любых профессий в будущем (в том обществе, в котором им жить!) дополнительных навыков и компетенций, многие из которых связаны с умением программировать (разрабатывать алгоритмы, писать программы для различных устройств и систем, логически и системно мыслить и т.п.).

Форма работы : Индивидуальная, групповая, фронтальная.

Метапредметные связи : Физика, математика

Тип урока : открытие новых знаний.

Оборудование: мультимедийный проектор, компьютерная презентация (приложение 1), видеоролик, компьютерный тренажер, инструкция по ТБ в компьютерном классе, Интернет.

Учащиеся научатся работать с информацией, анализировать и структурировать полученные знания и синтезировать новые, устанавливать причинно-следственные связи

личностное и профессиональное самоопределение (самооценка через осознание возможностей интеллектуальных систем, мотивация к получению профессий в наукоемких областях через интерес к достижениям в области искусственного интеллекта)

Разовьют умение участвовать в диалоге; сотрудничать с одноклассниками в поиске и сборе информации; принимать решения и реализовывать их; точно выражать свои мысли.

ставить цель и находить оптимальные способы ее достижения, проводить ситуационную и ретроспективную рефлексию, участвуя в подведении итогов отдельных этапов и урока в целом

Описание этапов урока

Проверить готовность детей к уроку. Настроить на работу

Организует проверку готовности детей. Настраивает на работу.

Готовятся. Занимают рабочие места.

Постановка цели и задач урока. Мотивация учебной деятельности учащихся.

Показать необходимость изучения данного вопроса.

Смотрят видеоролик. Формулируют тему урока. Отвечают на вопросы.

Раскрыть назначение искусственного интеллекта, типы ИИ, историю возникновения и этапы развития, этапы сферы его применения.

Существует ли уже ИИ?

ИИ - это, прежде всего, научная область, занимающаяся созданием программ и устройств, имитирующих интеллектуальные функции человека.

Это достаточно общее определение, ведь интеллектуальных функций очень много!

Вопрос: Какими же интеллектуальными (умными) способностями мы обладаем?

Например, это может быть способность играть в разные игры, запоминать и анализировать что-то, а также это такие понятные для нас с вами вещи, как способность передавать и получать информацию с помощью речи, читать и узнавать, что изображено перед нами, рисовать, писать музыку.

Современные специалисты делят область Искусственного Интеллекта на две большие группы - специализированный (или слабый) и сильный:

● слабый Искусственный Интеллект (название говорит за себя) решает и справляется только с какими-то конкретными задачами, например, играть в шахматы, или находить и фильтровать спам в почте, опознать котика на фотографии.

● сильный Искусственный Интеллект - это те самые персонажи (роботы и компьютеры), которых мы видим в фильмах, играх и научной фантастике. Они способны осознать себя и во всем соответствовать человеку или даже превзойти его!

Как и почему появилось такое разделение - отдельная интересная тема.

Просмотр видеоролика. История появления ИИ.

Вместо поиска общих алгоритмов интеллекта разработчики переключились на инженерный подход. А именно, взять живых людей, как носителей того самого интеллекта, и описать их знания в понятном для машины формате.

Простейшим и самым распространенным видом таких знаний стали простые правила вида ЕСЛИ-ТО, как мы уже вам показали. Этот подход был назван экспертными системами , так как в его построении участвовали эксперты в своих областях.

И только около 30 лет назад, в 90-е годы XX века (примерно, когда ваши мамы и папы еще ходили в школу) математики наконец разработали новые алгоритмы, которые стали самым серьезным прорывом в области искусственного интеллекта.

Новые алгоритмы позволили машинам обучаться самим, анализируя разную информацию, приобретая новые знания . Этот подход и получил название - машинное обучение.

Самое главное, что для этого необходимо - набор данных, в которых будут четко обозначены объекты и соответствующая им реакция машины (ответы). Объектами будут данные, которые подаются на вход алгоритма, а ответами - то, что алгоритм должен предсказать.

Машинное обучение не стоит на месте, и на этом история не заканчивается! В последние годы исследователи стали больше заниматься интеллектуальными задачами, окружающими нас с вами.

Это и поисковые системы, целиком построенные за счет машинного обучения, и анализ текста, помогающего нам не только фильтровать спам и бороться с злоумышленниками, но и отвечать на вопросы.

Что же до шахмат - исследователи с 60-ых годов обещали одолеть в них человека еще тогда, но достичь этого удалось только с приходом машинного обучения. В 1997 году прошел исторический матч между чемпионом мира в то время Гарри Каспаровым, и алгоритмом от IBM Deep Blue. Алгоритм успешно одолел чемпиона мира, и с тех пор лучшими игроками в шахматы мира являются алгоритмы.

А еще в машинном обучении произошла настоящая революция в распознавании изображений - новые алгоритмы (глубокого обучения и глубоких нейронных сетей - так они называются!), существенно расширили возможности работы с изображениями.

С их приходом произошел качественный скачок: к 2015 году они уже достигли сопоставимых с людьми результатов и даже превзошли их. Удивительный факт - сегодня нейронные сети могут отличить изображение котика от собачки, а собачку от кексика на фотографии, точнее, чем человек!

Демонстрация систем ИИ

А еще нейронные сети нашли применение в множестве креативных задач, о которых люди раньше даже не задумывались:

это и стилизация с перерисовкой фотографий, как во многих популярных приложениях где можно стилизовать ваше фото под классиков живописи;
создание новых реалистичных изображений, включая фотографии людей,
а также бесконечный поток комиксов, отрисованных нейронными сетями;
генерация музыки.

Недалек тот день, когда алгоритмы смогут генерировать нам еще целые видеоролики, вплоть до видеороликов с придуманным нами сюжетом под заказ.

Учитывая все достижения, сейчас семимильными шагами развивается робототехника. Успехов пока не так много, но в ближайшие несколько лет исследователи справятся с имеющимися трудностями. Причем может быть, среди этих исследователей будете и вы.

Эта область никогда не стоит на месте, все время появляются новые приложения и совершаются существенные прорывы. В ней, как никогда и как нигде, востребованы новые исследователи, и сейчас отличное время, чтобы начать этим заниматься.

А для этого нужно все время учиться, пробовать новые инструменты и экспериментировать. Невозможно учить машины и проектировать искусственный интеллект, если недостаточно хорошо умеешь учиться сам!

Формулируют определение ИИ, записывают его в тетради. Отвечают на вопросы. Участвуют в дискуссии.

Первичное усвоение новых знаний.

Выполнение практического задания

Показать практическое применение технологии машинного обучения с использованием программных средств.

Вам предстоит наладить работу зоопарка, где большую часть работы выполняют роботы. На начальном этапе роботы будут постоянно допускать какие-то ошибки, например, собакам будет доставаться корм для кошек, а игрушки для кошек попадать в секцию для волков. Это происходит из-за того, что робот не понимает, кто где находится, а просто работает по алгоритму, который уже давно не обновлялся. Вместо того, чтобы перепрограммировать робота каждый раз, лучше научить его отличать зверей друг от друга. И здесь нам на помощь придет искусственный интеллект.

Контролирует работу детей. Помогает. Консультирует. Советует.

Выявить эмоциональное состояние после урока.

Что вы чувствовали при работе с программой?

Понравилась ли она вам? Удобна ли для использования?

Выражают собственное мнение, аргументируют его.

Продолжить работу в он-лайн тренажере, получить сертификат, распечатать его

Некоторые: рассуждать о преимуществах и недостатках нейронных сетей.

1) Нужно зарегистрироваться/авторизоваться на сайте.
2) Добавить материал (публикацию) на сайт. ссылка на добавление материала.
В топе показаны авторы, у которых самое большое количество публикаций. Подробная инструкция для публикации материала

На основе Урока Цифры по теме "Нейросети и коммуникации" была создана разработка открытого урока.

Открытый урок

Подготовила и провела:

Цели и задачи урока. План урока Цель урока:

Сформировать у учеников представления о технологии нейронных сетей, принципах ее работы, способах применения на основе актуальных и интересных примеров. Важно показать, как нейросети влияют на нашу повседневную жизнь, а также профориентировать и мотивировать учащихся к приобретению знаний, умений и навыков в этой сфере.

Задачи урока:

Разобрать примеры применения нейронных сетей в современном мире.

Изучить видеоролик, рассказывающий о работе нейронных сетей и профессиях, связанных с данной сферой.

В онлайн-тренажере пройти набор заданий, связанных с темой урока.

Обсудить полученный опыт, сформулировать выводы.

Подготовка к уроку:

пройти самостоятельно тренажер для соответствующего возраста на одном из компьютеров, которые будут использоваться учениками;

подготовить класс в соответствии с организационной информацией (Приложение 1);

Анонс занятия (5 мин)

Сформулируйте цель урока: познакомиться с понятием

Обсудите с учениками, где мы сталкиваемся с нейронными сетями. Дайте определение нейронным сетям:

Для 8–11 классов:

«Нейронные сети (нейросети) — это технология, которая имитирует работу сети нейронов в головном мозге, и используется для решения сложных задач, требующих аналитические вычисления.

Просмотр вводных видео (10 мин)

Просмотрите вместе с детьми вводные видео по темам

Обсудите с детьми просмотренное видео, ответьте на вопросы, которые появлялись по ходу просмотра.

Для 5–11 классов:

Работа за компьютером (20 мин)

Презентуйте тренажер, сформулируйте задачу на этап: в рамках урока невозможно провести работу с реальными нейронными сетями, поэтому на простых примерах мы познакомимся с принципом работы и примерами использования нейронных сетей.

Продемонстрируйте порядок запуска тренажера.

Рефлексия (5 мин)

Зафиксируйте результат урока. Задайте ученикам вопросы:

Особенности проведения урока.

Возрастные различия.

В начале каждого урока предлагается совместно посмотреть и обсудить видеоролик по теме урока. Ролик снят в двух версиях — для 1–4 и 5–11 классов.

Тренажер для 1–4 классов состоит из двух заданий. После прохождения заданий ученикам предлагается посмотреть анимированный ролик с обобщением пройденного материала.

Обратите внимание, если ученики вашего класса недостаточно хорошо читают, вы можете помочь им выполнить задание. Прочитайте задание ученикам, проведите совместное обсуждение и выберите верный вариант.

Тренажер для 5–7 классов состоит из двух заданий. После прохождения заданий ученикам предлагается посмотреть анимированный ролик с обобщением пройденного материала.

привязывают маску к чертам лица. В игровой форме рассказываем школьникам, что нейросети способны распознавать черты лица, и важным этапом разработки такой нейросети является ее обучение. В первой части задания ученики обучают нейросеть распознавать черты лица. Во второй части задания — ученики создают свою собственную маску и, используя нейросеть, тестируют ее на себе при помощи веб-камеры. Если веб-камеры нет, то ученики тестируют маску на подготовленном манекене.

Тренажёр для 8–11 классов состоит из одного задания, которое

включает в себя 5 уровней. После прохождения заданий, ученикам предлагается посмотреть анимированный ролик с обобщением пройденного материала.

разные профессии, связанные с этой сферой. При помощи задания школьники пройдут все этапы разработки: аналитика и исследование, разработка дизайна, разработка технической части, тестирование и размещение приложения в магазине. Задание показывает, что в будущем разработка приложений будет занимать меньше времени, нейросети заберут все рутинные процессы на себя.

4.2 Оценка активности ученика

Обратите внимание, что за прохождение тренажеров можно поставить оценку. Для этого предупредите учеников, что будете оценивать их активность. Чтобы заработать оценку, нужно пройти задание тренажера и поделиться результатом на странице VK (в конце каждого тренажера есть соответствующая кнопка). Если у вас есть ссылка на страницу школьника, тогда достаточно проверить, разместил ли ученик на странице публикацию с результатом прохождения задания.

Приложение 1. Технические требования

Рекомендуемая конфигурация ПК учеников для работы в тренажере:

Процессор Intel Core.

ОЗУ 4Gb.

Монитор с разрешением от 1024х768 до 1920х1080.

Windows 7 и новее,

macOS 10.13 High Sierra и новее,

iOS 10 и новее,

Android 4.4 и новее.

Доступ в Интернет: не менее 10 Mbit/s.

Google Chrome 60 и новее,

Safari 11 и новее (за исключением Safari for Windows),

Opera 44 и новее,

Яндекс.Браузер 17.4 и новее.

Вне зависимости от используемой конфигурации рекомендуется до урока открыть и пройти тренажер на компьютере ученика для проверки совместимости.

В ходе выполнения задания, школьники примерят на себя роль специалиста по обучению нейросети. Задание заключается в том, чтобы подобрать наилучший способ коммуникации между героями с учетом их технических возможностей. Процесс решения задания:

познакомиться с ситуацией, в которую попали герои (рис. 1);

изучить анкеты героев (рис. 2);

выбрать подходящий способ связи путем перетаскивания

Выполняя это задание, школьники познакомятся с одним из примеров работы нейронных сетей в рекомендательных системах. Задание заключается в том, чтобы найти пользователей с общими интересами. Всего таких интересов 12, а счетчик в верхней части экрана поможет понять, все ли интересы найдены. Процесс решения задания:

посмотреть интересы героев, указанные в анкетах в виде иконок (рис. 1);

объединить героев из верхней и нижней строки с общими интересами (рис. 2);

Задание состоит из двух уровней. В ходе выполнения заданий, ученики в игровой форме научатся распознавать черты лица человека, а также создадут собственную маску и примерят ее на себя. Процесс решения задания:

распознать все черты лица из списка (рис. 1);

создать маску при помощи конструктора (рис. 2);

протестировать маску на себе (рис. 3);

Первый уровень заключается в том, чтобы научить нейросеть распознавать черты лица — для этого нужно отметить следующие точки на лице: левый и правый глаз, левая и правая бровь, нос, губы.

Приложение 2. Профессии в области нейронных сетей

Врач с хорошим знанием информационных технологий, который будет использовать нейросети для диагностики заболеваний. Врач будет собирать исходные данные у пациентов и вносить их в нейросеть. Нейросеть будет проводить анализ этих данных и рекомендовать пациентам лучший способ лечения с учетом их индивидуальных особенностей.

Разметчик данных

Нейробиолог

Это специалист, который исследует, как работает человеческий мозг, чтобы применить эти знания для совершенствования и разработки новые нейронных сетей. Также нейробиолог должен обладать навыками математического моделирования, которое лежит в основе любой нейронной сети.

Нейролингвист

Нейролингвист изучает, как работает мозг с речевым аппаратом. Как сейчас известно, не существует какого-то одного конкретного мозгового центра, который бы отвечал за все процессы в этой области. Даже при чтении задействуется практически весь мозг. В рамках профессии можно исследовать системы языка и механизмы работы мозга с речью в самых разных аспектах, например, для совершенствования интеллектуальных голосовых помощников.

Коммуникатор

С распространением нейросети растет спрос на

специалистов-гуманитариев, который способны понятно и лаконично сформулировать задачу техническим специалистам. Коммуникатор должен хорошо ориентироваться в работе нейронных сетей, и одновременно разбираться в устройстве бизнеса, чтобы четко формулировать задачи для технических специалистов без возможности двойственной интерпретации.

Клинический биоинформатик

Биоинформатика — это изучение процессов, связанных с организмом человека, с помощью компьютерного моделирования. В случае нестандартного течения болезни клинический биоинформатик строит компьютерную модель биохимических процессов болезни, чтобы понять первопричины заболевания, выявляет нарушения на клеточном и субклеточном уровнях.

Конструктор персональной медиасреды

На основе больших данных специалист будет обучать нейросети, которые будут рекомендовать музыкальные треки, видеоролики, публикации и другие медиа, наиболее подходящие человеку. По мере развития технологии, нейросети научатся ориентироваться не только на интересы и вкус пользователя, а также на его самочувствие и другие контексты. Пользователю понадобится меньше усилий для поиска интересного контента.

ИТ-проповедник

Обучение людей новым технологиям, убеждение их в том, что цифровой мир несёт им благо, а не зло, привлечение их на свою сторону

это задача, которая будет становиться все важнее по мере того, как диджитализация будет проникать в привычный нам мир вещей. Задачи для такого специалиста две: обучение людей новым технологиям, помощь им в приобретении новых навыков, а также снятие зачастую иррациональных страхов перед цифровым миром.

Специалист по обучению нейронных сетей

Задача специалиста по обучению нейронных сетей — автоматизировать те процессы, где невозможно прописать четкий алгоритм действия, принять решение и получить требуемый результат на

основе некоторого набора больших данных. Например, создать программу, которая самостоятельно будет определять, какую рекламу и в какой момент необходимо показывать пользователю в зависимости от его действий.

Нейросетевой коуч

Это специалист, которые будет решать комплексную задачу обучения нейронных сетей в узкоспециализированной сфере. Например, нужно повысить успеваемость учащихся в университете по предмету. Нейронная сеть может найти решение проблемы, но ей необходимо изучить структурированный набор данных. Нейросетевые коучи составят такой набор данных и проведут тестовые сравнения. Затем они, в процессе изучения искусственным интеллектом информации, выберут наиболее корректные наборы данных. Это необходимо, чтобы повысить качество работы алгоритмов.

Режиссер впечатлений

Уже сейчас современные нейросети научились генерировать изображения не отличимые от реальных. В будущем они научатся генерировать целые фильмы, для производства которых раньше требовались миллиарды долларов. Режиссер впечатлений будет создавать разнообразные образы, на основе которых нейросеть будет генерировать персонализированный контент для каждого человека.

изучить анкеты героев;

найти три общих интереса между анкетами (рис. 1). Уровень 2:

изучить новостную ленту;

Правильный ответ для первого уровня: животные, спорт, настольные игры (рис. 1).

В ходе задания участники смогут попробовать себя в роли разработчика мобильных приложений и пройти все этапы разработки: исследование и анализ, создание дизайна, разработка, тестирование и публикация. Каждый этап это один уровень тренажера:

Провести исследование аудитории и выбрать самый популярный интерес, который станет темой приложения (рис. 1).

Создать дизайн приложения, выбрав функции, которые понадобятся в приложении (рис. 2).

Написать код для приложения на основе функций, которые были добавлены на этапе дизайна (рис. 3).

Протестировать функции приложения (рис. 4).

Заполнить анкету приложения для публикации в магазине приложений (рис. 5).

Первый уровень. Школьники выступают в роли аналитика, которому нужно провести анализ и исследование аудитории. Для этого нужно выбрать в фильтре слева: возраст, пол и город. В центре находится список интересов, демонстрирующий статистику популярных интересов относительно выбранной аудитории. Ученик выбирает самый популярный интерес — это будет темой приложения (рис. 1).

Вы можете изучить и скачать доклад-презентацию на тему Машинное обучение. Нейронные сети. Презентация на заданную тему содержит 30 слайдов. Для просмотра воспользуйтесь проигрывателем, если материал оказался полезным для Вас - поделитесь им с друзьями с помощью социальных кнопок и добавьте наш сайт презентаций в закладки!

НС. Применение Гибкая модель для аппроксимации многомерных функций. Средство прогнозирования во времени процессов, зависящих от большого количества переменных. Средство распознавания образов Инструмент для поиска по ассоциациям Модель для поиска закономерностей в массивах данных

НС. Базисы 1) ЦНС высших млекопитающих состоит из клеток — нейрон связанных друг с другом из всевозможными клетками рецепторами (зрительные, слуховые, тд). Общее количество таких клеток порядка 10^10. Связь между нейронами осуществляется с помощью контактов — сИнапсы. Сила связи между двумя нейронами пропорциональна концентрации вещества — нейромедиатор. Деятельность головного мозга высших млекопитающих представляет собой пребывание в возбуждённом состоянии. Нейрон становиться активным, тогда. когда количество активных нейронов связанных синапсами превышает определенный порог.

НС. Базисы 2) Концепция обучения. В процессе обучения с помощью резких внешних стимулов существенно корректируется картина мира записанная в голове. Таким образом для осуществления обучения мы должны иметь набор векторов характеризующих картину мира и все возможные реакции на нашу действительность. Такой набор векторов получил название — обучающая выборка. Чем более адекватная картина мира записанная в нейронах головного мозга, тем меньше истинная реакция окружающей среды будет отличаться от реакции предсказания. С нейрофизиологической точки зрение обучение может происходить двояко, это отмирание связей и изменение силы связи.

Читайте также: