¡Las ciencias de la computación son mucho más que programar! Aprende acerca de la inteligencia artificial (IA), el aprendizaje automático, los datos de entrenamiento y el sesgo, mientras exploras los problemas éticos y cómo la IA puede usarse para abordar los problemas mundiales. Disfruta del primer paso de Code.org en un nuevo viaje para enseñar más sobre IA. Cuando utilizas la actividad IA para océanos, estás entrenando modelos reales de aprendizaje automático. Aprende más.
Los niveles 2-4 usan el modelo predefinido provisto por el proyecto TensorFlow MobileNet. El modelo de MobileNet es un [red neuronal convolucional] que ha sido entrenada en ImageNet, un conjunto de datos de más de 14 millones de imágenes escritas a mano con palabras como "globo" o "fresa". Para personalizar este modelo con los datos de entrenamiento etiquetados que genera el estudiante en esta actividad, usamos una técnica llamada Transfer Learning. Cada imagen en el conjunto de datos de entrenamiento se alimenta a MobileNet, como pixeles, para obtener una lista de anotaciones que es más probable que se apliquen. Luego, para una nueva imagen, la enviamos a MobileNet y comparamos su lista resultante de anotaciones con las del conjunto de datos de capacitación. Clasificamos la nueva imagen con la misma etiqueta (como "pez" o "no pez") que las imágenes del conjunto de entrenamiento con los resultados más similares.
Los niveles 6-8 usan una Support-Vector Machine (SVM). Observamos cada componente del pez (como los ojos, la boca, el cuerpo) y reunimos todos los metadatos de los componentes (como el número de dientes, la forma del cuerpo) en un vector de números para cada pez. Usamos estos vectores para entrenar el SVM. Según los datos de entrenamiento, el SVM separa el "espacio" de todos los peces posibles en dos partes, que corresponden a las clases que estamos tratando de aprender (como "azul" o "no azul").