Sessió 6

🎯 Objectius de la sessió 

✅ Comprendre com funciona l’aprenentatge automàtic aplicat al reconeixement de textos.
✅ Diferenciar entre classes i exemples dins del model de machine learning.
✅ Entrenar i provar un model d’IA amb l’aplicació LMlearning.
✅ Reflexionar sobre la fiabilitat dels models d’IA i la necessitat d’afegir dades diverses.
✅ Guardar el projecte i entregar-lo al Classroom.

📌 Desenvolupament de la sessió

1️⃣ Inici del projecte a LMlearning 💻

• L’alumnat accedeix a LMlearning a través de l’enllaç compartit al Classroom.

• Creació d’un projecte nou per treballar el reconeixement de textos.
  
  

2️⃣ Escriure el nom del projecte 📝

• Cada equip posa un nom representatiu al seu projecte (ex: DetectaResidus IA, EcoScan).
  
  

3️⃣ Definició de classes i exemples 🏷️

• Expliquem la diferència entre:

  • Classes: Categories generals dels residus (ex: plàstic, metall, paper).

  • Textos dins de cada classe: Exemples concrets de residus (ex: ampolla de vidre, llauna de refresc).
    
    

4️⃣ Entrenament del model d’IA 🔄

• Afegim textos a cada classe perquè la IA aprengui.

• Entrenem el model i analitzem les primeres prediccions.

• Reflexió: el model ha encertat? Què passa si afegim més dades?
  
  

5️⃣ Guardar el projecte a l’ordinador 💾

• Cada grup desa el seu model per no perdre la feina feta.

• Es comprova que el fitxer s’ha guardat correctament.
  
  

6️⃣ Afegir el fitxer al Classroom i entregar la tasca 📤

• L’alumnat puja el projecte a la tasca assignada dins de Classroom.

• Es revisa que tothom hagi entregat el treball correctament.
  
  

📌 Resultats esperats

🧠 Comprensió bàsica del funcionament del machine learning.
📊 Creació i entrenament d’un model de IA per classificar residus.
🔍 Reflexió sobre la fiabilitat de la IA i la necessitat de millorar les dades.
💾 Presa de consciència sobre la importància de desar i compartir el treball.
👥 Treball en equip per desenvolupar un model funcional i precís.