připomenutí předchozí hodiny a uvedení problému „Data, model a strojové učení“. 5–12 min: stručná teorie – data, model, příklad, vlastnost, učení, inference. 12–18 min: společná ukázka prvního kroku a kontrolních kritérií. 18–36 min: samostatná práce nebo práce ve dvojici – Na třídicí aktivitě ukázat, jak výběr příkladů ovlivní vytvořené pravidlo. 36–41 min: vzájemná kontrola podle zadání a oprava zjištěné chyby. 41–45 min: uložení výstupu (Schéma data–model–výstup), krátký exit ticket a pojmenování dalšího kroku.
Umělá inteligence a práce s modely · 45 minut
Data, model a strojové učení
Žák vysvětlí, že model vzniká z dat a používá se k odhadu nebo generování výstupu.
00
ČASOVÁ OSA
Struktura 45minutové hodiny
01
VIDEO LEKCE
Ukázka a vysvětlení postupu
▶
Video je připravené k doplnění
Video ukáže princip, první kroky, kontrolu a typickou chybu. Nebude obsahovat celý hotový upravitelný úkol.
provider: youtube · youtubeId: ""02
STUDIJNÍ MATERIÁL
Výklad: z čeho se učíš
Výstup modelu závisí na datech, cíli a způsobu hodnocení. Výsledek AI je potřeba ověřovat, zasadit do kontextu a chránit vstupní data.
V hodině „Data, model a strojové učení“ je hlavním cílem: Žák vysvětlí, že model vzniká z dat a používá se k odhadu nebo generování výstupu. Nejde pouze o dokončení jednotlivých kliknutí nebo příkazů; důležité je umět vysvětlit, proč zvolený krok vede k cíli a co se v průběhu práce mění.
Klíčové pojmy data, model, příklad, vlastnost, učení tvoří společný jazyk pro popis řešení. Při praktické práci v prostředí „Pracovní list nebo AI demonstrace“ sleduj vstup, jednotlivé kroky, mezivýsledek a způsob kontroly. Pokud některý krok nelze popsat nebo zopakovat, postup ještě není dostatečně přesný.
Praktická část vychází ze zadání: Na třídicí aktivitě ukázat, jak výběr příkladů ovlivní vytvořené pravidlo. Výsledkem musí být „Schéma data–model–výstup“. Hotový výstup nestačí pouze ukázat; musí být možné doložit, že vznikl z pracovních podkladů a že splňuje uvedená hodnoticí kritéria.
Před odevzdáním ověř zejména: Správné vztahy a pochopení modelu. U programů nebo modelů použij více vstupů, u diagramů zkontroluj vztahy a popisky, u dokumentace ověř úplnost. Chybu nejprve přesně popiš, potom změň jen jednu věc a znovu výsledek otestuj.
Slovníček pojmů
data
Údaje zaznamenané v dohodnuté podobě tak, aby je bylo možné ukládat, zpracovat, porovnávat a interpretovat.
model
Zjednodušené vyjádření reality vytvořené pro popis, vysvětlení, předpověď nebo zkoušení variant.
příklad
Konkrétní případ používaný k demonstraci obecného pravidla nebo k učení modelu.
vlastnost
Měřitelný nebo kategorizovaný údaj popisující objekt či záznam a používaný modelem jako vstup.
učení
Proces nastavování parametrů modelu na základě trénovacích dat a zvolené optimalizační úlohy.
inference
Použití již natrénovaného modelu k vytvoření předpovědi nebo výstupu pro nový vstup.
03
ŘÍZENÁ PRÁCE
Postup krok za krokem
- 01
Ve studentské lekci si přečti cíl a otevři pracovní podklady. Připrav prostředí: Pracovní list nebo AI demonstrace. Originální podklady ponech beze změny a pracuj s kopií ve vlastní složce.
- 02
Pojmenuj pracovní složku ve tvaru „21_data-model-a-strojove-uceni_prijmeni“. Uvnitř odděl zdrojové soubory, vlastní práci a výsledný export.
- 03
Rozděl zadání na menší ověřitelné kroky: Na třídicí aktivitě ukázat, jak výběr příkladů ovlivní vytvořené pravidlo. Nejprve vytvoř nejjednodušší funkční nebo srozumitelnou variantu.
- 04
Po každém významném kroku výsledek spusť, otevři nebo jinak zkontroluj. Zapisuj testovací vstup, skutečný výsledek a případnou opravu; neměň více nezávislých věcí najednou.
- 05
Porovnej práci s kritérii „Správné vztahy a pochopení modelu“. Oprav alespoň jednu konkrétní slabinu zjištěnou vlastní nebo vrstevnickou kontrolou.
- 06
Ulož zdrojovou i výslednou podobu. Odevzdej „Schéma data–model–výstup“ v požadovaném formátu a přidej krátké zdůvodnění, jak jsi správnost ověřil/a.
04
PRACOVNÍ PODKLADY
Stáhni si soubory, se kterými budeš pracovat
Náhled ukazuje pouze strukturu a typ výsledku. Hotové upravitelné řešení ve studentské části není.
.TXT
21 Podklady Readme
↓Pracovní podklad určený k samostatnému zpracování.
21_PODKLADY_README.txt · 1 kB.CSV
21 Data Modelu
↓Pracovní podklad určený k samostatnému zpracování.
21_data_modelu.csv · 1 kB.TXT
21 Overovaci Protokol
↓Pracovní podklad určený k samostatnému zpracování.
21_overovaci_protokol.txt · 1 kBDůležité: Podklady jsou vstupy k práci, nikoli kompletní řešení. Vlastní výsledek musí vzniknout podle zadání, testu a reflexe.
05
OTEVŘENÉ ODPOVĚDI
Pracovní list
1. Startovací otázkaStačí 2–3 věty; důležitý je konkrétní výchozí příklad.
Co už o tématu „Data, model a strojové učení“ víš? Uveď konkrétní příklad nebo situaci.
2. Práce s pojmyDefinici spoj s konkrétním krokem, hodnotou nebo částí výstupu.
Vysvětli vlastními slovy alespoň tři pojmy: data, model, příklad, vlastnost, učení. Ke každému přidej použití v dnešní úloze.
3. Rozhodnutí a zdůvodněníUveď nejméně dvě možné varianty a kritérium volby.
Které rozhodnutí je při řešení úkolu „Na třídicí aktivitě ukázat, jak výběr příkladů ovlivní vytvořené pravidlo.“ nejdůležitější a podle čeho je uděláš?
4. Plán praktické prácePostup má mít vstup, očíslované kroky, kontrolu a očekávaný výstup.
Rozepiš vlastní postup k zadání: Na třídicí aktivitě ukázat, jak výběr příkladů ovlivní vytvořené pravidlo.
5. SebekontrolaKaždou otázku musí být možné zodpovědět důkazem z práce.
Převeď hodnoticí kritéria na kontrolní otázky: Správné vztahy, pochopení modelu.
6. Exit ticketOdpověď musí být konkrétní a vztahovat se k dnešní práci.
Napiš jeden pochopený princip, jednu provedenou opravu a jeden další krok.
06
PRAKTICKÁ PRÁCE
Data, model a strojové učení
Na třídicí aktivitě ukázat, jak výběr příkladů ovlivní vytvořené pravidlo. 1. Pojmenuj pracovní složku ve tvaru „21_data-model-a-strojove-uceni_prijmeni“. Uvnitř odděl zdrojové soubory, vlastní práci a výsledný export. 2. Rozděl zadání na menší ověřitelné kroky: Na třídicí aktivitě ukázat, jak výběr příkladů ovlivní vytvořené pravidlo. Nejprve vytvoř nejjednodušší funkční nebo srozumitelnou variantu. 3. Po každém významném kroku výsledek spusť, otevři nebo jinak zkontroluj. Zapisuj testovací vstup, skutečný výsledek a případnou opravu; neměň více nezávislých věcí najednou. 4. Porovnej práci s kritérii „Správné vztahy a pochopení modelu“. Oprav alespoň jednu konkrétní slabinu zjištěnou vlastní nebo vrstevnickou kontrolou.
Očekávaný výstup
Schéma data–model–výstup
07
DŮKAZ O UČENÍ
Odevzdání praktického úkolu
Soubor a krátká odpověď
Schéma data–model–výstup
Dokonči praktickou práci a odevzdej důkaz: Schéma data–model–výstup. Použij studentské podklady, zpracuj je samostatně a před odevzdáním projdi kontrolní kritéria. Hotové řešení je dostupné pouze v učitelské části.
Zatím nebyl vybrán žádný soubor.
V samostatném HTML se ukládají odpovědi a názvy vybraných souborů pouze do tohoto prohlížeče. Skutečný upload provede aplikace Kurzy/Studio.
08
ZÁVĚREČNÁ KONTROLA
Test
09
REFLEXE
Co si z lekce odnášíš
Dokončeno neznamená pouze vytvořeno. Po dokončení lekce prokážeš cíl odevzdáním výstupu: Schéma data–model–výstup. Výsledek zkontroluj podle kritérií: Správné vztahy a pochopení modelu.