Lektion 2 AI og machine learning

I denne lektion skal I lære om en form for kunstig intelligens (AI) kaldet machine learning og Problem Solving Processes (problemløsnings processer), som bruges til at træne programmerne. I skal forsøge at se ligheder mellem de mentale modeller vi selv bruger, når vi lærer  nye ting, og de machine learning-modeller, som algoritmerne bruger. Dette gør I gennem nogle øvelser, som simulerer machine learning, og I ser på forskellen på, hvordan algoritmen lærer, når den ikke får hjælp til læring (unsupervised) og når den får hjælp til læring (supervised). I skal danne en forståelse for hvordan disse machine learning-algortimer ser efter mønstre i datasæt og hvordan de baserer beslutninger på disse mønstre. 

Mål: 

Som elev skal du blive i stand til at:

• Bruge Problem Solving Process til at træne en computer til at løse et problem. 

• Beskrive forskellen på supervised og unsupervised læring. 

• Beskrive mindst et eksempel på den effekt AI har på vores samfund. 

• Beskrive mønstergenkendelse og hvordan machine learning leder efter mønstre i datasæt. 

Machine learning er en algoritme som tillader computere at genkende mønstre og foretage beslutninger uden at blive eksplicit programmet til det.  

Vigtige begreber til level 1 (til jeres logbog)

• Features - Det input som modellen bruger til at foretage beslutninger

• Label - Det output I prøver at beslutte eller forudsige

• Model - et computerprogram designet til at foretage en beslutning

• Supervised learning - Når et menneske træner en model til at lære med eksempler

• Training - at give eksempler til en model, så den kan lære

• Unsupervised learning - At finde mønstre i data, som ikke har nogle labels

Forklaring på forskellen på de to Shoe Recommenders