智慧.創新.共享
:::

和AI做朋友_人工智慧有意思(讓電腦自己學習)

5年級 6年級 科技 資訊教育 賢北國小 張志仁 2024-09-27 09:25:44 回上頁

課程內容

設計者 張志仁 教學時間  
領域名稱   適用年級 高年級
單元名稱   關鍵字  
資源檔案  
設計理念  
教學目標  
課程設計與內容 時間
第五章 讓電腦自己學習
5-1 非監督式學習
5-2 階層式分群
 
教學評量  
課程回饋  
學習成果  

前置詞

評量詞

引導詞

假設你是智慧鄉的村長,想要在鄉內開設兩間便利商店,方便村民購物,你會如何找出最適合的兩個地點呢?

學生是否能提出「階層式分群」作為解決方案?

我想要使用 [方法] 來找出最適合開便利商店的兩個地點,這個方法可以將資料分為不同的群體,並依據相似度來進行分類。

請介紹「階層式分群」的步驟,並以智慧鄉六個村莊為例,示範如何利用階層式分群來找到最適合開便利商店的兩個地點。

學生是否能正確說明「階層式分群」的步驟,並以智慧鄉的例子進行示範?

[方法] 的步驟是: 1. 將每個資料點視為獨立的一群,然後找出距離最近的兩群合併為同一群。 2. 重複步驟 1,直到得到需要的群數。 例如:智慧鄉有六個村莊 A、B、C、D、E 和 F,我們可以先將距離最近的兩個村莊 A 和 B 合併為一組,接著再找出距離最近的兩組,例如 D 和 E,將其合併為一組,以此類推,直到最後得到兩個群組。

若智慧鄉的村民希望多開幾間便利商店,你會如何利用「階層式分群」來找出更多適合的地點?

學生是否能運用「階層式分群」的步驟,找到更多適合的地點?

如果村民希望多開幾間便利商店,我們可以繼續將合併後的群組進行分類,直到得到需要的群組數量為止。例如,在合併成兩個群組後,我們可以再找出距離最近的兩個群組,將其合併為一組,最後就會得到三個群組,這三個群組的中心點就是最適合開便利商店的三個地點。

除了「階層式分群」,還有哪些非監督式學習方法可以用來分析資料?

學生是否能舉例說明其他非監督式學習方法?

除了 [方法],還有其他的非監督式學習方法可以用來分析資料,例如 [非監督式學習方法],它們都可以幫助我們從資料中找出隱藏的模式和關係。

請你舉例說明「非監督式學習」和「監督式學習」的差異。

學生是否能正確描述「非監督式學習」和「監督式學習」的差異?

[非監督式學習][監督式學習] 的差別在於: [非監督式學習] 不需要事先提供標籤資料,機器可以自行從資料中學習,而 [監督式學習] 則是需要提供標籤資料,機器才會學習。例如,我們教電腦辨認貓咪和狗,在 [監督式學習] 中,我們需要提供大量標記為「貓咪」或「狗」的照片,讓電腦學習,但在 [非監督式學習] 中,我們只需要提供大量的照片,讓電腦自行學習,找出照片中不同類型的動物。

封面照片

課程照片

:::
您好:
您目前為訪客,若是臺南市師生,請點擊下方圖示登入,以使用完整功能。
臺南市政府教育局 OpenID 登入