Разработан новый курс «Основы разработки и использования нейронных сетей» для учащихся 7–8 классов
Разработан новый образовательный курс «Основы разработки и использования нейронных сетей», предназначенный для учащихся 7–8 классов. Курс включает 10 практикумов общей продолжительностью 10 академических часов и направлен на практическое знакомство школьников с технологиями искусственного интеллекта, машинного обучения и возможностями их применения в различных сферах деятельности человека.
В ходе занятий обучающиеся познакомятся с принципами работы нейронных сетей, научатся создавать и обучать собственные модели, подготавливать наборы данных, выполнять классификацию изображений и детектирование объектов, а также оценивать качество распознавания.
Практикумы выполняются с использованием двух программных сред:
-
NNTrack — визуальная среда для моделирования, обучения и тестирования нейронных сетей.
-
ТрекиКод — среда визуального программирования, позволяющая использовать результаты работы нейронных сетей в интерактивных проектах.
Особое внимание уделяется практическому применению искусственного интеллекта. Школьники смогут использовать нейросети для распознавания жестов и эмоций, классификации изображений, анализа погодных данных, определения состояния растений, распознавания объектов, изучения медицинских изображений и архитектурных стилей.
Курс способствует развитию алгоритмического мышления, навыков анализа данных, проверки гипотез и решения практических задач с применением современных цифровых технологий.
Материалы могут использоваться в образовательных организациях в качестве практического дополнения к изучению искусственного интеллекта и машинного обучения.
Содержание практикумов по искусственному интеллекту
| Тема занятия | Модуль | Практикум | Чему научатся дети |
|---|---|---|---|
| 1. Мозг, интеллект и искусственный разум | Модуль 1 | Изучают интеллект человека и искусственный интеллект, биологические и искусственные нейроны. На практике готовая нейросеть распознаёт жесты и управляет игровым проектом в ТрекиКод. | Запускать готовую модель, подключать камеру и управлять программой с помощью жестов. |
| 2. Искусственный интеллект, или Как человек научил машины думать? | Модуль 2 | Знакомятся с интеллектуальными агентами и задачами машинного обучения. Создают и обучают свёрточную нейросеть для классификации четырёх видов овощей, затем проверяют её в ТрекиКод. | Создавать и обучать классификатор изображений, оценивать ошибки распознавания и проверять работу модели. |
| 3. Искусственная нейронная сеть | Модуль 3 | Изучают строение нейросети, назначение слоёв и функций активации. Создают модель распознавания выражений лица и используют её ответы для изменения эмоций персонажа в ТрекиКод. | Подбирать слои нейросети, разрабатывать простейшую архитектуру, обучать модель и связывать результаты распознавания с действиями персонажа. |
| 4. Подготовка датасетов | Модуль 4 | Изучают виды датасетов, признаки, метки и качество данных. Обучают нейросеть на табличных метеоданных и выводят определённый моделью тип погоды в ТрекиКод. | Подготавливать табличные данные, выделять признаки и метки, создавать собственную нейронную сеть, обучать модель и проверять её работоспособность. |
| 5. Датасеты в науке | Модуль 5 | Изучают роль данных в научных исследованиях и детектирование объектов. Размечают данные, обучают модель YOLO и проверяют её работу на новых изображениях и в ТрекиКод. | Размечать объекты рамками для подготовки датасета, обучать нейронную сеть на детектирование и проверять обнаружение объектов на изображениях. |
| 6. Использование нейронных сетей в учёбе | Модуль 6 | Рассматривают применение ИИ в образовании и необходимость проверки его выводов. Собирают и размечают фотографии, обучают YOLO и проверяют модель в игре «Строгий учитель». | Создавать собственный датасет, размечать изображения, обучать YOLO и проверять наличие или отсутствие объекта в кадре. |
| 7. Использование нейронных сетей для защиты окружающей среды | Модуль 7 | Изучают задачи охраны природы и распознавания заболеваний растений. Обучают MobileNetV2 определять состояние растений по фотографиям и проверяют модель в викторине ТрекиКод. | Создавать и обучать классификатор на основе готовой архитектуры и распознавать состояние растений по изображениям. |
| 8. Использование технологий искусственного интеллекта в промышленности | Модуль 8 | Изучают возможности ИИ в промышленности, контроле качества и сортировке ресурсов. Размечают карточки «кирпич», «дерево», «камень», обучают нейросеть на детектирование и используют распознавание в строительной игре в ТрекиКод. | Размечать разные классы объектов, разрабатывать и обучать нейронную сеть на детектирование ресурсов, применять результаты в интерактивном проекте. |
| 9. Использование искусственного интеллекта в медицине | Модуль 9 | Рассматривают использование ИИ при анализе медицинских снимков. Создают учебный классификатор снимков МРТ на основе MobileNetV2 и GRU, анализируют результаты работы нейронной сети. | Создавать и обучать нейронные сети для классификации медицинских изображений, проверять и оценивать точность распознавания. |
| 10. Использование искусственного интеллекта для творческих задач | Модуль 10 | Изучают возможности ИИ в искусстве, технологии распознавания и генерации изображений. Создают и обучают модель MobileNetV2 для распознавания девяти архитектурных стилей и применяют её в интерактивной виртуальной экскурсии в ТрекиКод. | Создавать и обучать многоклассовый классификатор, использовать распознавание архитектурных стилей в интерактивном проекте. |