Модуль погружает ребят в мир анализа данных и искусственного интеллекта на Python. Шаг за шагом они учатся превращать таблицы и числа в понятные выводы, находить закономерности, визуализировать информацию и даже обучать компьютер делать прогнозы.
Во второй части модуля ученики знакомятся с основами машинного обучения: узнают, как компьютер «учится» на примерах, и создают собственные модели – от простых классификаторов до игровых ботов, принимающих решения самостоятельно.
Завершением модуля станет итоговый проект, в котором каждый участник представит свой проект с элементами ИИ.
Пример урока:На занятии ребята делают первый шаг от анализа данных к настоящему ИИ. Короткое интро знакомит их с тем, что такое искусственный интеллект и машинное обучение, какие бывают типы задач (классификация, регрессия, кластеризация) и почему в этом уроке мы используем обучение с учителем. Затем на простых примерах объясняются базовые термины: признаки (что подаём на вход), целевая переменная (что предсказываем), модель и алгоритм.
Дальше – практика: учащиеся загружают таблицу characters_stats.csv, выбирают признаки (интеллект, сила, скорость, выносливость, энергия, бой) и целевую метку «Альянс», делят данные на обучение и тест, обучают решающее дерево (DecisionTreeClassifier) и проверяют точность модели. Итогом становится небольшой интерактив: каждый вводит свои «суперхарактеристики», а обученная модель «угадывает», к какому Альянсу он бы принадлежал. Тем, кто идёт быстрее, предлагается дополнительное задание – визуализировать логику дерева и посмотреть, по каким вопросам модель принимает решение.
Методический план модуля:- Введение в анализ данных. Pandas;
- Фильтрация данных;
- Очистка данных и Feature Engenireeng;
- Группировка данных. Визуализация;
- Расследуем дело;
- ИИ. Основы машинного обучения;
- Регрессия;
- Создаем своего игрового бота. Часть 1;
- Создаем своего игрового бота. Часть 2;;
- Создаем своего игрового бота. Часть 3
- Проект. Подготовка;
- Защита проектов