Настройте точность алгоритма урок цифры

—>

Урок цифры — 2021

«Искусственный интеллект в образовании»

5-8 класс

Шаг 1. Этап 1. Учим ИИ узнавать цифры и распознавать, что относится к математике, а что нет

Как и человеку, искусственному интеллекту необходимы данные для обучения.
Представьте, как ребенок учит буквы: он часто видит их в книжках и вывесках, рассматривает азбуку или кубики, и каждый раз ему говорят, что за букву он видит. После многократных повторений ребенок постепенно запоминает значение символов. Примерно так же обучают искусственный интеллект для того, чтобы он научился узнавать какие-то символы, например, цифры.
Задача ученика: много раз показать ИИ математические символы (цифры, знаки, выражения и т.д.) и научить ИИ отличать их от всех прочих.

ИИ распознает, что относится к математике, а что нет

В данной задаче, как и в жизни, нет единственно правильного решения, т.к. некоторые символы могут относиться и не относиться к математике. Например, время на электронных часах или градусы.

Шаг 1. Этап 2. Проверка

Иногда искусственный интеллект не может научиться с первого раза и ошибается. Для того, чтобы найти ошибки, указать на них и помочь искусственному интеллекту обучиться лучше, нужна человеческая помощь. Во время обучения искусственного интеллекта алгоритму недостаточно только исходных данных, которые он получает от человека. Во время работы может потребоваться их корректировка. Это означает, что человек должен проанализировать промежуточные результаты работы алгоритма и сообщить, в каких случаях он отработал верно, а в каких нет. Таким образом, алгоритм подстроится под решение задачи более точно.
Задача ученика: посмотреть на первые результаты работы искусственного интеллекта и сделать такую корректировку.

ИИ распознает, что относится к математике, а что нет

Шаг 2. Этап 1. Загрузка правил

Кроме распознавания каждого отдельного символа, необходимо уметь собирать все прочитанные символы в осмысленную запись. Для этого алгоритм должен знать, по каким именно правилам строится математическая запись. Эти правила должны быть заложены в алгоритм; только тогда он сможет проверять правильность прочитанных выражений.
Задача ученика: подключить ИИ к базам данных, где собраны правила математики.

Шаг 2. Этап 2. Нахождение и подсчет ошибок

После того, как машина научится проверять разные математические выражения на ошибки, нам необходимо сообщить ей, что делать с этой информацией дальше. Мы должны загрузить в нашу программу конкретные инструкции о том, как поступать при обнаружении ошибки. Программа должна не просто фиксировать ошибки, но и вести их учет: подсчитывать, сколько раз ошибся ученик при выполнении задания.
Задача ученика: написать алгоритм, который научит ИИ находить ошибки с помощью правил математики и считать количество сделанных ошибок.

Шаг 3. Этап 1. Подготовка выводов

Для того, чтобы проанализировать результаты работы, программа смотрит на числа, а вот человеку удобнее анализировать графики. Поэтому разные числовые характеристики в программах представляют в виде диаграмм и графиков — это более наглядно, чем таблица с числами.
Задача ученика: научить ИИ анализировать ошибки (преобразовать табличные данные в графики и проанализировать их), чтобы делать выводы о выполненном задании.

Шаг 3. Этап 2. Составление индивидуальных заданий

При наличии большого количества данных о результатах выполнения разных работ ученика, программа может предсказать, какие именно задания будут для него в будущем самыми полезными, ведь она «помнит» и «знает», какие именно типы заданий вызвали у него в прошлом больше всего проблем. Даже по результатам одной работы можно сделать вывод о том, в каких именно заданиях ученик сделал больше всего ошибок, а с какими он справляется хорошо. Если результаты ученика высокие, программа может подобрать для него более сложные упражнения, а если ошибок много, то сложность упражнений на данное правило повышать не следует, лучше дать задания попроще.
Задача ученика: подготовить для ИИ алгоритм выбора сложности заданий. Это необходимо для составления персонального теста ученику на основе выводов ИИ по каждой из его работ.

Источник

Урок Цифры 2019 в России — прохождение 9, 10, 11 класс — ответы на задачи, как решить, сертификат, официальный сайт

Час Кода 2019 — прохождение 9, 10, 11 класс

25 февраля в России стартовал очередной Урок Цифры 2019, на котором все желающие могут попробовать свои силы в изучении искусственного интеллекта и машинного обучения. Урок Цифры 2019 разделен на три части в зависимости от класса учащихся: 1-4 класс, 5-8 класс и 9-11 класс. Ответы на предыдущие две подгруппы младших классов мы уже дали (выделены жирным оранжевым цветом), а в сегодняшней статье мы разберем прохождение 9-11 класса. Стоит сказать, что задания для 9-11 класса не такие уж и простые и Урок Цифры 2019 предлагает ученикам не просто обучить искусственный интеллект различать животных, а и углубиться в вопрос принципа работы машинного обучения и нейросетей. Ученикам предлагается настройка гиперпараметров нейросети, улучшение ее работы за счет увеличения веса того или иного нейрона, увеличения/уменьшения слоев нейросетей, выбора типа нейронов, скорости обучения. Стоит сказать, что идеальной схемы нет — все достигается экспериментальным путем. Можно выбрать разные алгоритмы работы, разные нейроны и их количество, главное, чтобы был достигнут правильный результат!

Урок Цифры 2019 9-11 класс — ответы, прохождение

В начале урока необходимо указать город, в котором вы проживаете, потом класс обучения (9, 10 или 11), выбрать количество учеников, после чего появляется видео с лекцией (смотрите ее в конце статьи). Смотреть лекцию нужно обязательно, так как в ней рассказываются базовые принципы работы нейросетей и нейронов.

Можно пропустить лекцию и сразу приступить к решению задач, но тогда вы все будете делать в полном непонимании происходящего. В самих же задачах имеются все необходимые подсказки, если вы вдруг забыли, кто за что отвечает. Итак, приступаем к решению уровней.

Час кода 2019 9-11 класс — ответы и прохождение 1-го уровня

На первом уровне задача по отделению оранжевых точек от зеленых не очень сложная. Вариантов решений, повторимся, существует множество и наше решение — одно их нескольких десятков. Самое главное, это добиться необходимой точности определения точек в зависимости от цвета с погрешностью не более 5%. Одни виды нейронов и их количество могут решить задачу быстро, другие медленно, одни разделяют цветные кружки очень точно, другие же наоборот — с большой погрешность. Большую роль играет и скорость обучения — чем она выше, тем меньше точности, чем она ниже, те точность лучше. В легких задачах можно выставлять высокую скорость обучения, а в сложных только маленькую, иначе нейросеть не сможет качественно определить цвета и задача не будет решена.

Вот наш пример решения: выбирает тип нейрона Tanh, добавляем 5 нейровнов — готово. Кроме того, ввиду легкости задачи мы поставили достаточно быструю скорость обучения — 1. Наша нейросеть справилась с задачей невероятно быстро и весьма точно.

Урок Цифры 2019 9-11 класс — ответы и прохождение 2-го уровня

Перед началом прохождения отметим, что выставить все по максимуму не получится — чем больше, тем лучше в нейросетями не работает, нет прямой зависимости. Поэтому нужно опытным путем проверять, какие нейроны и в каком количестве лучше всего справляются с задачей.

Второй уровень оказался также не слишком сложным и процесс фильтрации кружочков по цветам осуществился весьма быстро. Чтобы решить задачу, мы решили оставить тот же вид нейронов Tanh, а для большей точности выстроили 2 слоя нейронной сети по 4 нейрона в каждой. Чтобы нейроны обучались качественно, скорость обучения мы выставили на 0,3. В итоге нейросеть качественно выделила зеленые точки с минимальной погрешностью мы задача оказалась решенной.

Час Кода 2019 9-11 класс — ответы и прохождение 3-го уровня

Третий уровень стал самым сложным. На примере мы решили показать, как разные типы нейронов, их количество, количество слоев нейросети и скорость обучения влияют на результат.

В первом случае мы выставили среднюю скорость обучения 0,01 для типа нейронов ReLU. Поставили также 4 слоя нейронной сети, где в первом слое разместили 6 нейронов, во втором 5 нейронов, а в последних дух по 4 нейрона. Задача решилась относительно быстро, но если посмотреть на график, то нейросеть очень сильно колебалась с отбором тех или иных кружков разного цвета. Ошибку в 5% нам достичь удалось, но все равно результат оказался нестабильным — погрешность прыгала от 7% до 5%, а это не очень хорошо.

Во втором случае мы решили снизить скорость обучения нейронов, но оставить прежний их тип — ReLU. Количество слоев нейронной сети было решено оставить прежним, а вот самих нейронов прибавилось: в первом, втором и третьем слое их стало по 8, а в четвертом слое осталось 4 нейрона. Задача решалась долго, но зато нейросеть очень точно справилась с ней и по тренировочным данным ошибка составила всего 0.75%.

В третьем случае мы также решили не менять тип нейронов ReLU, поскольку именно они смогли преодолеть ошибку в 5% — другие типы нейронов зависали на отметке в 6-5,5% погрешности (очень близко, но задача оставалась нерешенной). Конструкция же нейросети при этом также не особо поменялась: в трех слоях осталось по 8 нейронов, а в последнем слое мы решили добавить одни нейрон и их стало 5 штук. Как видно, по времени задача решилась в 2 раза быстрее — вот вам банальная оптимизация.

Повторимся, что количество — на значит качество. Ведь нейросети не дают точные данные и при большом их количестве погрешность может только увеличиваться, а не уменьшаться. Тут важно соблюдать принцип «золотой середины»!.

Урок Цифры 2019 9-11 класс — как получить сертификат

Если правильно решить все три задачи, ответ на которые мы вам предоставили, то вам выдадут сертификат о прохождении Урока Цифры 2019. Его можно как распечатать, так и поделиться им в социальных сетях, тем самым похваставшись перед друзьями, какой вы умный!

Урок Цифры 2019 — видео лекции

Источник