infoschoolИнформатика в школеInformatics in school2221-1993Publishing House Education and Informatics10.32517/2221-1993-2021-20-10-19-27infoschool-597Research ArticleМЕТОДИЧЕСКАЯ КОПИЛКАTEACHING PRACTICESИзучение работы нейронной сети на примере распознавания рукописных цифр с использованием языка программирования Python 3.8 в углубленном курсе информатикиExploring the operation of a neural network using the example of handwritten digits recognition in an advanced informatics course using the python 3.8 programming languageСамылкинаН. Н.SamylkinaN. N.

доктор пед. наук, доцент, профессор кафедры теории и методики обучения математике и информатике

nsamylkina@yandex.ruКалининИ. А.KalininI. A.

канд. пед. наук, доцент, начальник управления информатизации, доцент кафедры международной информационной безопасности

kalininilya@mail.ruМосковский педагогический государственный университетРоссияMoscow Pedagogical State UniversityRussian FederationМосковский государственный лингвистический университетРоссияMoscow State Linguistic UniversityRussian Federation2021241220210102129Copyright © Самылкина Н.Н., Калинин И.А., 20212021Самылкина Н.Н., Калинин И.А.Samylkina N.N., Kalinin I.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://school.infojournal.ru/jour/article/view/597

В статье рассматривается возможность включения тем искусственного интеллекта в курс информатики на уровне среднего общего образования на демонстрационном примере распознавания рукописных цифр с использованием языка программирования Python 3.8 и пакета TensorFlow. Пошагово разбирается практический пример задачи классификации с использованием классического набора учебных примеров MNIST (Modified National Institute of Standards and Technology), предложенного Национальным институтом стандартов и технологий США. Большая часть необходимых для работы средств (интерпретатор языка, основные библиотеки, оболочка для работы) скачивается в виде единого комплекта распространения программного обеспечения (дистрибутива) Anaconda. Тренировка сети происходит разными методами. При обучении модели указываются способ оптимизации, функция потерь и метрика для оценки. Демонстрируется также обработка изображений сверточными сетями, содержащими специальные слои, которые «сворачивают»  изображение так, как это делает фильтр растрового изображения

The article discusses the possibility of including artificial intelligence topics in the informatics course at the level of secondary general education on the demonstration example of handwritten digits recognition using the Python 3.8 programming language and the TensorFlow package. A hands-on example of a classification problem using the classic MNIST (Modified National Institute of Standards and Technology) training example set is dealt with step-by-step.Most of the tools required for the work (language interpreter, basic libraries, and shell) are downloaded in the form of a single software distribution kit of Anaconda. The network is trained using different methods. When the model is trained, the optimization method, the loss function, and the metric for estimation are specified. Image processing by convolutional nets containing special layers, which "convolve" the image the way a bitmap filter does, is also demonstrated

искусственный интеллектнейронная сетьсверточная сетьPythonTensorFlowпреподавание информатикиartificial intelligenceneural networkconvolutional networkPythonTensorFlowteaching informaticsReferencesБазовая классификация: классифицируйте изображения одежды. https://www.tensorflow.org/tutorials/keras/classificationБазовая классификация: классифицируйте изображения одежды. https://www.tensorflow.org/tutorials/keras/classificationКалинин И. А., Самылкина Н. Н. Интеллектуальные алгоритмы и искусственный интеллект // Информатика. 2014. No 10. С. 38–47.Калинин И. А., Самылкина Н. Н. Интеллектуальные алгоритмы и искусственный интеллект // Информатика. 2014. No 10. С. 38–47.Калинин И. А., Самылкина Н. Н. Информатика. 11 класс. Углубленный уровень: учебник. 2-е изд., стереотип. М.: БИНОМ. Лаборатория знаний, 2020. 212 c.Калинин И. А., Самылкина Н. Н. Информатика. 11 класс. Углубленный уровень: учебник. 2-е изд., стереотип. М.: БИНОМ. Лаборатория знаний, 2020. 212 c.Национальная программа «Цифровая экономика Российской Федерации». http://static.government.ru/media/files/9gFM4FHj4PsB79I5v7yLVuPgu4bvR7M0.pdfНациональная программа «Цифровая экономика Российской Федерации». http://static.government.ru/media/files/9gFM4FHj4PsB79I5v7yLVuPgu4bvR7M0.pdfПримерная основная образовательная программа основного общего образования. Одобрена решением федерального учебно-методического объединения по общему образованию (протокол от 8 апреля 2015 г. No 1/15). http://fgosreestr.ru/wp-content/uploads/2017/03/primernaja-osnovnaja-obrazovatelnaja-programma-osnovogo-obshchego-obrazovanija.pdfПримерная основная образовательная программа основного общего образования. Одобрена решением федерального учебно-методического объединения по общему образованию (протокол от 8 апреля 2015 г. No 1/15). http://fgosreestr.ru/wp-content/uploads/2017/03/primernaja-osnovnaja-obrazovatelnaja-programma-osnovogo-obshchego-obrazovanija.pdfСамылкина Н. Н. Организация углубленного обучения информатике на основе интегративного подхода: монография. М.: МПГУ, 2020. 346 c.Самылкина Н. Н. Организация углубленного обучения информатике на основе интегративного подхода: монография. М.: МПГУ, 2020. 346 c.Самылкина Н. Н., Салахова А. А. Основы искусственного интеллекта в школьном курсе информатики: история вопроса и направления развития // Информатика в школе. 2019. No 7. С. 32–39. DOI: 10.32517/2221-1993-2019-18-7-32-39Самылкина Н. Н., Салахова А. А. Основы искусственного интеллекта в школьном курсе информатики: история вопроса и направления развития // Информатика в школе. 2019. No 7. С. 32–39. DOI: 10.32517/2221-1993-2019-18-7-32-39Федеральный государственный образовательный стандарт среднего общего образования. https://fgos.ru/Федеральный государственный образовательный стандарт среднего общего образования. https://fgos.ru/Ясницкий Л. Н. Введение в искусственный интеллект: учебное пособие для студентов высших учебных заведений. 2-е изд., испр. М.: Академия, 2008. 176 с.Ясницкий Л. Н. Введение в искусственный интеллект: учебное пособие для студентов высших учебных заведений. 2-е изд., испр. М.: Академия, 2008. 176 с.Ясницкий Л. Н. Искусственный интеллект. Элективный курс: учебное пособие. М.: БИНОМ. Лаборатория знаний, 2012. 197 с.Ясницкий Л. Н. Искусственный интеллект. Элективный курс: учебное пособие. М.: БИНОМ. Лаборатория знаний, 2012. 197 с.

The authors declare that there are no conflicts of interest present.