Naslov
Umjetna inteligencija uz Python i MachineLearning4Kids
(Artificial Intelligence with Python and MachineLearning4Kids)

Autori
Schatten, Markus ; Schatten, Marinela

Vrsta, podvrsta i kategorija rada
Sažeci sa skupova, pp prezentacija, stručni

Izvornik
Carnet Users Conference / Blažić, Arjana - Rovinj : Hrvatska akademska i istraživačka mreža – CARNet, 2023

Skup
Carnet Users Conference

Mjesto i datum
Rovinj, Hrvatska, 26.04.2023. - 28.04.2023

Vrsta sudjelovanja
Predavanje

Vrsta recenzije
Domaća recenzija

Ključne riječi
Umjetna inteligencija ; Python ; MachineLearning4Kids ; srednja škola
(Artificial Intelligence ; Python ; MachineLearning4Kids ; middleschool)

Sažetak
Umjetna inteligencija izrazito se razvila u posljednjih 15-ak godina. Ovo treće "zlatno doba" umjetne inteligencije posebno je stavilo naglasak na metode strojnog učenja koje je moguće primjeniti na velik broj različitih klasa problema od prepoznavanja slike, zvuka, video sadržaja i jezika do generiranja teksta, ljudskog glasa pa čak i umjetnosti. Metode koje se koriste najvećim se dijelom temelje na statističkim metodama umjetne inteligencije posebice vezanim uz modele dubinskog učenja i razne arhitekture dubokih neuronskih mreža. Obzirom na kompleksnost samih metoda koje se koriste, razne tehnologije razvoja umjetne inteligencije često su bile izvan uobičajenih kurikuluma nastave informatike i računalstva. Unatoč tome, UNESCO i mnoge druge institucije i ličnosti pozivaju na uvođenje podučavanja ovih metoda u kurikulume počevši od predškolskih, osnovnih do srednjih škola. U međuvremenu su metode dovoljno sazrijele da ih je moguće koristiti kroz tzv. "metodu crne kutije" tj. ne znajuć kakve se pojedinosti događaju u samom modelu, već spajajući odgovarajuće ulaze i izlaze u koherentne i korisne sustave bez razumijevanja složene matematičke i statističke teorijske podloge. Tako su se pojavili razni alati koji apstrahiraju unutrašnjost modela strojnog učenja te omogućuju rad na osnovnim koracima razvoja modela za konkretnu aplikaciju: (1) treniranje modela, (2) testiranje modela i (3) primjenu modela u nekoj aplikaciji. Neki od tih alata su primjerice Google Teachable Machines, Cognimates, Ecraft2Learn ili pak MachineLearning4Kids. U ovom izlaganju naglasak ćemo staviti na potonji MachineLearning4Kids koji omogućava kreiranje modela strojnog učenja (prepoznavanje slike, zvuka, teksta ili brojeva), njegovo uvježbavanje te korištenje u odgovarajućem programskom okružju (podržani su Scratch, Python i App Inventor). Prikazat ćemo način izrade modela strojnog učenja na primjeru prepoznavanja slika te na koji način povezati izrađeni model s aplikacijom u Python-u. Na kraju ćemo podijeliti svoja iskustva u radu s alatom MachineLearning4Kids u nastavi u srednjoj školi.

Izvorni jezik
Hrvatski

Znanstvena područja
Informacijske i komunikacijske znanosti

POVEZANOST RADA