Визитка веб-квеста "Умный мир"
Визитка веб-квеста "Умный мир"
Embedded Files
Цели и задачи веб-квеста
Цели и задачи веб-квеста
Закрепление знаний по темам раздела "Методы машинного обучения с учителем": персептрон, метод К-ближайших соседей, метод Байеса, дерево принятия решений, метод опорных векторов.
Организация интерактивной работы студентов в рамках дисциплины “Машинное обучение и нейросетевые технологии”.
Предметная область и межпредметные связи
Предметная область и межпредметные связи
Машинное обучение и нейросетевые технологии
Теория вероятностей и математическая статистика
Линейная алгебра и аналитическая, геометрия
Численные методы
Основы программной инженерии
Основы алгоритмизации и программирования
Алгоритмы и структуры данных
Возраст участников
Возраст участников
Студенты ВУЗов, 17+.
Сюжет веб-квеста
Сюжет веб-квеста
Вырос Вовочка и добрался до четвертого курса университета. Теперь он Владимир. Вот и летняя сессия позади и все экзамены успешно сданы. Обрадовался он и отдыху на летних каникулах. Но начался новый семестр и первые лекции по машинному обучению. Как обычно на последней парте с Петром одногруппником проболтал все лекции и ничего не слушал и не знал по новой теме наш герой. Но настала пора сдавать практические задания, и осознал Владимир свой промах и нехватку знаний. Сидит, смотрит на лекции и задания, а их уже много накопилось, и голова идет кругом − ничего не понятно. Так и уснул перед включенным компьютером…
А что было дальше – узнаете, попав на наш веб-квест «Умный мир».
Предстоит получить 5 ключевых слов за правильно выполненные задания на этапах. Затем из этих слов нужно будет составить фразу-напутствие, заполнить специальную форму и отправить организаторам. В случае успешного прохождения задания участник получает по электронной почте Сертификат.
Для начала работы скачайте Маршрутный лист. И продолжайте работать со своим личным файлом, а не общим шаблоном.
Этапы веб-квеста
Этапы веб-квеста
Город персептронов - "Персептрон" (упражнение-викторина "Персептрон"). Цель этапа: повторение теоретического материала по теме “Персептрон”.
Город соседей - коллекция "Метод k-ближайших соседей" (упражнения "найди пару" и кроссворд). Цель этапа: повторение теоретического материала по теме “Метод KNN”.
Город наивных - коллекция "Метод Байеса" (упражнения "поиск слова" и вставка слов). Цель этапа: повторение теоретического материала по теме "Метод наивного Байеса".
Город деревьев - коллекция "Дерево принятия решений" (упражнение вставка слов и "правильный порядок"). Цель этапа: закрепление знаний по теме “Дерево принятия решений”.
Город векторов - коллекция "Метод опорных векторов" (упражнение вставка слов). Цель этапа: закрепление знаний по теме "Метод опорных векторов".
Участники веб-квеста должны владеть начальными знаниями, умениями, навыками
Участники веб-квеста должны владеть начальными знаниями, умениями, навыками
теории вероятностей и математической статистики
линейной алгебры и аналитической геометрии
численных методов
алгоритмов и структур данных
работать в интернете и с google документами
Материалы и ресурсы, необходимые для проведения проекта
Материалы и ресурсы, необходимые для проведения проекта
Оборудование: телефон, компьютер, планшет с выходом в Интернет.
Программное обеспечение: браузеры, редакторы для работы с pdf документами.
Материалы на печатной основе: маршрутный лист, приглашение.
WEB-сервисы: https://learningapps.org/
Авторы веб-квеста
Авторы веб-квеста
Банюкевич Елена Викторовна - старший преподаватель кафедры современных технологий программирования
УО "Гродненский государственный университет имени Янки Купалы"
e-mail: сhebotalena@gmail.com
Использованные веб-сервисы
Для оформления сайта картинки были сгенерированы на сайтах: https://www.bing.com/images/create/ и https://www.artguru.ai/ru/
Приглашение, маршрутный лист, сертификат, мотивационное видео и логотип были созданы на сайте: https://www.canva.com/
Упражнения разработаны на сайте: https://learningapps.org/
Видео этапа 1: Неделя 8. Видеоролик 1. Персептрон Розенблатта -- URL: https://goo.su/HAuU9j (дата доступа: 03.05.2025).
Видео этапа 2: 12.2 Метод ближайших соседей - KNN. -- URL: https://goo.su/sW2jTKP (дата доступа: 03.05.2025).
Материалы для повторения на печатной основе
Хайкин, С. Нейронные сети : полный курс / С. Хайкин ; пер. с англ. и ред. Н.Н. Куссуль. – 2-е изд., испр. – М. : Издат. дом "Вильямс", 2017. -- 1103с.
Гафаров, Ф.М. Искусственные нейронные сети и приложения: учеб. пособие / Ф.М. Гафаров, А.Ф. Галимянов. – Казань: Изд-во Казан. ун-та, 2018. – 121 с.
Кэвин, П.М. Вероятностное машинное обучение. Дополнительные темы: основания, вывод / пер. с англ. А.А. Слинкина. – М.: ДМК Пресс, 2024. – 770 с.
Теобальд, О. Машинное обучение для абсолютных новичков. Вводный курс, изложенный простым языком / Оливер Теобальд; [пер. с англ. М.А. Райтмана]. -- Москва: Эксмо, 2024. -- 208 с.
Просиз, Дж. Прикладное машинное обучение и искусственный интеллект для инженеров: пер. с англ. -- Астана: АЛИСТ, 2024. -- 432 с.
Использован шаблон сайта веб-квеста.
Page updated
Google Sites
Report abuse