Lezione 12 - Dati numerici in Laboratorio IA

Discussione: Brianna e Mikayla sono due critici cinematografici che utilizzano sistemi diversi per consigliare i film. Brianna consiglia i film come "Vai a vederlo!" O "Lascia perdere!". Mikayla consiglia film su una scala da 1 a 10, come 7.2 o 4.1. In che modo questi due sistemi sono simili? Come sono differenti?

Chiedi agli studenti di scrivere prima individualmente su un diario e poi di condividere il tutto con un compagno prima di invitare gli studenti a una discussione con tutta le classe.

Obiettivo della discussione: gli studenti potrebbero notare che è possibile distinguere i «buoni film» dai «film cattivi» in entrambi i sistemi, ma il sistema di scala consente molti più valori possibili ed è più facile confrontare i film in base ai loro valori. Gli studenti possono notare che il sistema di Brianna utilizza dati categoriali con due categorie, ma potrebbero avere difficoltà a definire il sistema di Mikayla e inizialmente dire che è anche categoriale ma con molte più categorie.

Entrambi questi sistemi ci aiutano a prendere decisioni, ma in modi diversi. Il sistema di Brianna è simile al tipo di raccomandazioni che abbiamo visto finora perché semplifica i dati in sole due categorie. Il sistema di Mikayla è leggermente diverso e utilizza un intervallo di valori per formulare una raccomandazione: si tratta di dati numerici. Oggi impareremo come utilizzare i dati numerici in Laboratorio IA per creare nuovi tipi di raccomandazioni e previsioni.

Domanda del giorno: come possiamo usare Laboratorio IA per prevedere i dati numerici?

Glossario:

• Dati numerici: dati che possono essere contati o misurati

Discussione: quali sono altri esempi di dati numerici?

Chiedi agli studenti di discutere con un compagno prima che diversi studenti condividano con l'intero gruppo. Tieni alla lavagna un elenco di risposte

Obiettivo della discussione: se gli studenti sembrano indecisi a proporre altri esempi, ricorda loro che a volte applichiamo delle categorie per semplificare i nostri dati. Ad esempio, «alto» e «basso» sono categorie semplificate per qualcosa che potremmo rappresentare numericamente: la nostra altezza.

Alcuni esempi cui gli studenti possono pensare:

• Età, peso, altezza
• Prezzi o qualsiasi altra cosa relativa al denaro
• Sistemi di misurazione, simili al riscaldamento
• Ogni volta che conti «quanti?» di qualcosa

Questa è una lista molto significativa! Posso dire che ci sono dati numerici intorno a noi! Oggi daremo un'occhiata ai dati numerici in Laboratorio IA e a come possiamo utilizzarli per addestrare un modello.

Video: mostra il video Numerical Data in AI Lab, che delinea come i dati numerici possono essere utilizzati in Laboratorio IA e come viene calcolata l'accuratezza.

Code Studio: chiedi agli studenti di accedere a Code Studio e aprire il primo esercizio. Gli studenti trascorreranno la maggior parte della lezione esplorando i dati nel primo pannello e registrando i loro risultati sulla guida delle attività.

Distribuisci Numerical Data in AI Lab a ciascuno studente.

Fai questo: chiedi agli studenti di fare clic sulla colonna delle antilopi. Questa colonna rappresenta quante antilopi sono state viste nel parco in un dato giorno. Guarda il grafico che appare in Laboratorio IA, che ti consente di confrontare i dati delle antilopi con quelli dei leoni

Modella di lettura dei grafici: è una buona idea modellare il primo grafico insieme alla classe e compilare insieme la guida alle attività, soprattutto perché gli studenti stanno ancora imparando a interpretare i grafici nelle altre classi. Man mano che gli studenti esercitano questa abilità, l'obiettivo è acquisire sicurezza nell'identificare le relazioni nei dati e discernere se uno schema esiste davvero o se i dati hanno una relazione casuale che non è utile per le previsioni.

Discussione:

• Se c'è un basso numero di antilopi nel parco, cosa significa per quanti leoni potrebbero esserci nel parco?
• Se c'è un numero elevato di antilopi nel parco, cosa significa per quanti leoni potrebbero esserci nel parco?
• Perché pensi che sia così?

Obiettivo della discussione: gli studenti dovrebbero notare che meno antilopi ci sono, meno leoni ci sono e viceversa. Potrebbero immaginare che questo abbia a che fare con la relazione predatore/preda: i leoni mangiano l'antilope, quindi se ci sono meno antilopi, ci sono meno leoni. Gli studenti devono annotare le loro risposte nella guida alle attività, anche se la classe ha discusso le risposte insieme.

Fai questo: chiedi agli studenti di fare clic sulla colonna delle persone. Questa colonna rappresenta quante persone sono state viste nel parco in un dato giorno. Chiedi agli studenti di rispondere alle domande sulla loro guida alle attività prima di discuterne in gruppo.

Girando tra i banchi: rivolgiti agli studenti e aiutali a interpretare i grafici. Incoraggia gli studenti a usare frasi come «Quando il numero di persone è... allora il numero di leoni è...».

Discussione:

• Se il numero di persone nel parco è basso, cosa significa in relazione a quanti leoni potrebbero esserci nel parco?
• Se c'è un numero elevato di persone nel parco, cosa significa in relazione a quanti leoni potrebbero esserci nel parco?
• Perché pensi che sia così?

Associazioni: il grafico delle antilopi rappresenta un'associazione positiva e il grafico delle persone rappresenta un'associazione negativa. che fanno parte degli Standard matematici Common Core 8th grade. Gli studenti non hanno bisogno di conoscere questi termini per superare questa unità con successo, quindi non consigliamo di utilizzare questo glossario a meno che non supporti direttamente il loro studio in altre classi.

Obiettivo della discussione: gli studenti dovrebbero notare che meno persone ci sono, più leoni ci sono e viceversa. Potrebbero immaginare che ciò abbia a che fare con il comportamento naturale e potrebbero ripensare alle proprie esperienze di visita agli zoo o alla fauna selvatica: se ci sono più estranei nel parco, è meno probabile che la fauna esca. Può anche essere vero il contrario: meno persone ci sono, più possono vagare liberamente.

Fai questo: chiedi agli studenti di fare clic sulla colonna "Giorno del Mese". Questa colonna rappresenta il giorno del mese in cui sei andato al parco. Chiedi agli studenti di rispondere alle domande della loro guida alle attività

Discussione:

• Cosa succede se visiti un giorno all'inizio del mese? Quanti leoni pensi di vedere?
• Cosa succede se visiti un giorno di fine mese? Quanti leoni pensi di vedere?

Obiettivo della discussione: gli studenti potrebbero rimanere un po' perplessi da questo perché non c'è uno schema in questi dati. Potresti vedere molti leoni all'inizio del mese e potresti anche vederne molti alla fine del mese e viceversa. Gli studenti possono immaginare che ciò sia dovuto al fatto che il giorno del mese non modifica il comportamento dei leoni, soprattutto rispetto ad alcune delle altre caratteristiche.

Fai questo: chiedi agli studenti di fare clic sulla colonna della temperatura. Questa colonna rappresenta il clima di quel giorno e quanto faceva caldo o freddo. Chiedi agli studenti di rispondere alle domande sulla loro guida alle attività prima di discuterne in classe.

Discussione:

• Se la temperatura nel parco è più bassa, cosa significa in rlazione a quanti leoni potrebbero esserci nel parco?
• Se la temperatura nel parco è più elevata, cosa significa in rlazione a quanti leoni potrebbero esserci nel parco?
• Perché pensi che sia così?

Obiettivo della discussione: gli studenti devono notare che sia le alte che le basse temperature significano che non vedrete molti leoni. Invece, le temperature medie ti portano a vedere molti leoni. Questo può essere dovuto al fatto che i leoni non escono a temperature estreme e preferiscono invece un clima più mite. Lo stesso si può dire anche per gli esseri umani: evitiamo le condizioni meteorologiche estreme.

Possiamo usare Laboratorio IA per addestrare un modello di apprendimento automatico in grado di prevedere quanti leoni vedremo quando visiteremo il parco. Vogliamo assicurarci di utilizzare caratteristiche che abbiano un rapporto con i nostri leoni. In base a quelli che abbiamo visto finora, quale colonna non sarebbe una buona caratteristica?

Discussione: quale grafico non costituirebbe una buona funzionalità?

Obiettivo della discussione: gli studenti devono spiegare che la colonna "Giorno del mese" non è un buon candidato perché i dati appaiono casuali. Invece, le altre colonne hanno una relazione con l'etichetta che possono quasi descrivere una storia all'interno dei dati.

Fai questo: continua a esplorare i dati facendo clic sulle caratteristiche rimanenti nell'insieme di dati. Annota le tue osservazioni nella tua guida alle attività.

Girando tra i banchi: interagisci con gli studenti mentre esplorano i dati, assicurandoti di rivolgerti a tutti gli studenti che hanno avuto difficoltà a leggere i grafici durante gli esercizi precedenti. Chiedi agli studenti di spiegare perché pensano che determinate colonne possano essere buone caratteristiche.

**Fai questo: ** utilizzando la nostra indagine, addestra un modello con un'accuratezza dell'80%.

** Accuratezza dell'80%: ** gli studenti potrebbero avere difficoltà a trovare un modello accurato almeno all'80%. Questo è dovuto alla progettazione, quindi possono davvero sperimentare quali caratteristiche utilizzare nel loro modello. Un esempio che soddisferà questi requisiti è un modello che utilizza le caratteristiche [alberi, oltre la percentuale di crescita, antilopi, temperatura].

L'ordine conta: gli studenti potrebbero scoprire che l'ordine in cui selezionano le caratteristiche a volte può essere importante: ad esempio, la scelta di «temperatura, antilopi» può avere una accuratezza diversa rispetto a «antilopi, temperatura». Questo non è un argomento fondamentale per utilizzare con una certa padronanza Laboratorio IA e si verifica più spesso in questi primi esercizi a causa delle dimensioni dell'insieme di dati più limitato. Se gli studenti lo chiedono, un modo per pensarci è che la prima caratteristica rappresenti il modo in cui Bot IA tenta inizialmente di separare i dati prima di passare alle altre caratteristiche. Quindi: più forte è il rapporto con la prima caratteristica che scegli, più forti saranno gli schemi che Bot IA potrà individuare.

Valutazione formativa: poiché questo esercizio richiede un'accuratezza dell'80% per continuare, il completamento di questo esercizio può aiutare a determinare il successo degli studenti rispetto agli obiettivi di questa lezione.

Code Studio: gli studenti che completano l'addestramento del proprio modello possono importarlo in Sviluppo App e iniziare a personalizzare la propria app. Non avranno abbastanza tempo per completare davvero la loro app, ma la prossima lezione si concentrerà maggiormente su Sviluppo App, dove saranno in grado di personalizzare le proprie app in modo più completo.

Discussione: in che modo i dati categoriali e i dati numerici sono simili? Qual è un modo in cui sono diversi?

Obiettivo della discussione: le risposte degli studenti dovrebbero essere simili alle definizioni di questi due termini. Sia i dati categoriali che quelli numerici rappresentano dati, ma i dati categoriali possono essere separati in categorie discrete (=discontinue e mutuamente esclusive) mentre i dati numerici sono rappresentati lungo un continuum. Gli studenti possono anche fornire esempi di dati categoriali o numerici per aiutare a descrivere le loro risposte.