機器學習

電腦從資料中學習，機器學習是人工智慧的核心技術，透過實作讓孩子了解機器透過 「資料」來學習，共有三種機器學習的方法：監督式學習、非監督式學習、強化式學習。神經網路的基礎架構，以及訓練資料的選擇影響機器學習的結果電腦可以從資料中學習。

機器學習的例子

個人經驗:

● 手機相簿辨識出聯絡人的影像
● Youtube 透過點擊影片學習用戶的喜好

產業應用:

● 訓練語音識別系統
● 訓練翻譯系統：Google可以在100多種不同語言之間進行翻譯
● 圖像搜索：訓練分類器以識別人，動物，車輛等圖片

主要概念

● 什麼是機器學習
● 機器學習的方法
● 機器學習演算法的種類
● 神經網路的基礎

● 神經網絡架構的類型
● 訓練資料及如何影響學習的效率
● 機器學習的局限

學生各階段的學習能力指標

國小一、二年級:

● 在不插電活動中，尋找資料彼此的相關性
● 利用一個分類器來辨識圖畫。用 Google Autodraw 或者 Cognimates
Train Doodle 來研究機器被訓練的過程以及機器如何知道他們在畫什麼

國小三~六年級:

● 描述以及比較三種不同機器學習的方法:監督式學習、非監督式學習、增強式學習
● 修改開放式的機器學習專案
● 描述演算法和機器學習會表現出偏見

國中一~三年級:

● 確定訓練數據集中的偏見，並增加訓練資料以解決偏見
● 手工模擬一個簡單且訓練中的神經網絡

高中一~三年級:

● 利用TensorFlow，訓練一個三層的類神經網路
● 實驗及理解簡單的機器學習演算法