Изучение работы нейронной сети на примере распознавания рукописных цифр с использованием языка программирования Python 3.8 в углубленном курсе информатики
https://doi.org/10.32517/2221-1993-2021-20-10-19-27
Аннотация
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
Ключевые слова
Об авторах
Н. Н. СамылкинаРоссия
доктор пед. наук, доцент, профессор кафедры теории и методики обучения математике и информатике
И. А. Калинин
Россия
канд. пед. наук, доцент, начальник управления информатизации, доцент кафедры международной информационной безопасности
Список литературы
1. Базовая классификация: классифицируйте изображения одежды. https://www.tensorflow.org/tutorials/keras/classification
2. Калинин И. А., Самылкина Н. Н. Интеллектуальные алгоритмы и искусственный интеллект // Информатика. 2014. No 10. С. 38–47.
3. Калинин И. А., Самылкина Н. Н. Информатика. 11 класс. Углубленный уровень: учебник. 2-е изд., стереотип. М.: БИНОМ. Лаборатория знаний, 2020. 212 c.
4. Национальная программа «Цифровая экономика Российской Федерации». http://static.government.ru/media/files/9gFM4FHj4PsB79I5v7yLVuPgu4bvR7M0.pdf
5. Примерная 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.pdf
6. Самылкина Н. Н. Организация углубленного обучения информатике на основе интегративного подхода: монография. М.: МПГУ, 2020. 346 c.
7. 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: 10.32517/2221-1993-2019-18-7-32-39
8. Федеральный государственный образовательный стандарт среднего общего образования. https://fgos.ru/
9. Ясницкий Л. Н. Введение в искусственный интеллект: учебное пособие для студентов высших учебных заведений. 2-е изд., испр. М.: Академия, 2008. 176 с.
10. Ясницкий Л. Н. Искусственный интеллект. Элективный курс: учебное пособие. М.: БИНОМ. Лаборатория знаний, 2012. 197 с.
Рецензия
Для цитирования:
Самылкина Н.Н., Калинин И.А. Изучение работы нейронной сети на примере распознавания рукописных цифр с использованием языка программирования Python 3.8 в углубленном курсе информатики. Информатика в школе. 2021;(10):21-29. https://doi.org/10.32517/2221-1993-2021-20-10-19-27
For citation:
Samylkina N.N., Kalinin I.A. Exploring the operation of a neural network using the example of handwritten digits recognition in an advanced informatics course using the python 3.8 programming language. Informatics in school. 2021;(10):21-29. (In Russ.) https://doi.org/10.32517/2221-1993-2021-20-10-19-27