Steven Lo

Machine Learning for Everyone

搬新家囉!
全新內容歡迎參考 「
輕鬆認識機器學習三大步驟 — 以辨識貓、狗為例 (2022更新版)
未來最新文章也將移至
https://simplelearn.tw/
歡迎海、內外讀者持續追蹤及關注我們的文章~~

機器學習是人工智慧的一個子領域。所謂機器學習,簡單來說,便是讓機器能從收集的資料中,經由訓練而學會特定模式(pattern),並找出一個適當的數學模型(model),進而和人一樣可以做出智慧性的預測判斷。

機器學習三大步驟

機器學習訓練模型的過程,會根據任務需要使用不同的演算法進行訓練,訓練過程會牽涉到許多數學原理與計算,對初學者來說可以暫時忽略,並不會影響了解機器學習的知識,等有需要時再行深入理解即可。而機器學習美妙之處便在於,只要有適當的資料,它的學習(訓練)就能自主完成。

毫無疑問,機器學習是人工智慧令人興奮的子集合之一。它可以從收集的資料中學習特定任務,了解什麼資訊可以讓機器發揮學習作用,以及將來如何使用它。了解什麼是機器學習之後,本文帶讀者實際體驗一下機器學習有趣的地方。

我們使用 CodingLab 無程式碼機器學習平台 – AI Playground ,來視覺化說明機器學習三大步驟。此平台是目前台灣唯一對中小學及初學者設計的機器學習教育平台,免安裝免設定,以及免費使用。同時有非常多的 AI 服務及模型可提供師生、初學者互動學習。

--

--

不得不知的數A數B及數甲數乙的規劃

108 課綱所帶來的影響不只是學習內涵及學習過程,更是考招制度的改變,而這當中讓許多同學及家長比較傷腦筋的就屬數學考科。尤其是高中階段的數學,有數A/數B及數甲/數乙,又有大學端在不同入學管道時(繁星推薦、申請入學及分發入學)所需參採的數學項目,對許多同學與家長來說一方面要學所選數學考科(數A/數B、數甲/數乙)中的專業知識,一方面也要考慮大學校系要的數學需求是什麼,應該是蠻頭大的問題。

為了讓多數同學與家長能快速瞭解 108 課綱中所規劃「數學領域」的重點,以期在高中數學的學習上,瞭解大學校系數學需求與產業所需,並藉此探索未來興趣方向。我們將以普通高中(以下簡稱普高)為例,帶大家快速瞭解整個重點。

有關「數學領域」的課程綱要、課程架構、表現類別、學習內容主題及各階段學習重點,讀者可參考下面這篇文章的說明,將有助於你瞭解本文的許多重點。

目錄

普通高中「數學領域」課程架構

普高為第五學習階段(10、11、12年級),其數學必修部分安排總學分數為16 學分必修課程,其中包括:

(一) 高中一年級(10 年級)8 學分。
(二) 高中二年級(11 年級)8 學分,分為A、B 兩類,學生擇㇐修習。
(三) 高中三年級(12 年級)加深加廣選修部分,安排8 學分的數學甲課程,與8 學分的數學乙課程,提供不同數學需求的同學選修。

普高「數學領域」課程架構

由上圖可以知道,11年級的數A及數B還是必修,只是難易度會有所不同。到12年級需要加深加廣時,則有數甲及數乙可以選擇。

繼續閱讀|回目錄

(1) 數A 與數 B 考科難易度

考慮高中學習階段的不同學習單元,其特性與不同大學校系學習銜接的需求,教育部在11年級規劃了數A及數B的必修選擇。而兩者在難易度及情境題的比例可參考下圖資訊。

--

--

108 課綱不得不知的「數學領域」學習重點

自 108 課綱開始實施以來,大家感受最大的不同就是素養。能夠將所學的知識與日常生活相結合並應用於其中,相信是素養最重要的精神。

而在這些不同領域的課程中,對許多人來說,數學會是一個需要花時間好好瞭解及學習的科目,尤其臺灣是一個以考試領導教學的教育,不考不學,要考才學的氛圍下,讓許多同學忽略在原課程架構設計中其實是可以藉此探索自己未來的興趣。

本文將快速帶大家認識12 年國教「數學領域」課程架構及學習重點,藉此來多瞭解自己的學習方向,並進而在高中學習數學時,可以根據自己的興趣及未來大學科系所需來選擇自己的必修(數A或數B)及選修(數甲或數乙)課程,現在就讓我們來認識「數學領域」課程架構及學習重點吧!

目錄

前言

許多同學到高中後,因大學入學端有非常多的科系要看數學成績的情況下,無論是11年級的數A或數B,12年級加深加廣的數甲或數乙的選擇,依舊會是以考招為導向的學習方式,而少了探索興趣的機會是比較可惜的。

也許有人會說,數學那麼枯燥怎麼可能會有興趣呢?學了微積分能做什麼呢?未來就業市場與數學有什麼關係呢?其實這些都是12年國教「數學領域」要帶給大家的理念與目標。就是希望在不同年齡、能力或興趣當中,皆能獲得足以結合理論與生活應用的數學素養。

例如在11年級數B中所學習的平面向量運算(正射影與內積,兩向量的平行與垂直判定,兩向量的夾角等),是可以應用在臉部辨識。

--

--

Google AI 讓藝術和音樂之間的關係更加真實

文章搬新家囉!
全新內容歡迎參考 「
Paint with Music|用機器學習驅動的繪畫音樂 (2022更新版)
未來最新文章也將移至
https://simplelearn.tw/
歡迎海、內外讀者持續追蹤及關注我們的文章~~

Paint with Music 是 Google 藝術與文化實驗室,為了讓藝術和音樂之間的關係更加真實,所創作的一個有趣的音樂實驗。它是一種互動體驗,連接了兩種主要的藝術表現形式:繪畫以及音樂創作

同時在機器學習的幫助下,Paint with Music 工具,可以將您的筆觸轉換為音符,而您的畫筆實際上就是幫助您創作音樂的工具。

現在就讓我們一起用音樂來繪圖吧!

首先,可以利用 google 搜尋 “paint with music”,然後進入 Google 藝術與文化的主頁面,接著點擊「啟動實驗」。

--

--

適合所有人的快速繪圖 (Google AutoDraw Tutorial),教你快速製作icons及海報!

文章搬新家囉!
全新內容歡迎參考 「
Google AutoDraw|用 AI 快速繪圖 (2022更新版)
未來最新文章也將移至
https://simplelearn.tw/
歡迎海、內外讀者持續追蹤及關注我們的文章~~

對許多人來說,在手機或電腦上繪圖可能既慢又困難,因此 Google 幫不擅於繪圖的人創建了AutoDraw,這是一種基於網頁( Web) 的繪圖工具,它利用 Google AutoDraw 的人工智慧,來幫助每個人快速創作繪圖作品。

大家可以先連至下面 AutoDraw 網站,我們將帶著大家快速瞭解運作流程及實際創作。

AutoDraw 的工作原理是什麼呢?

AutoDraw 主要是透過 AI 當中機器學習(Machine Learning)的方法,與許多才華橫溢的藝術家、設計師和插畫師所創作的繪圖相結合,

--

--

Machine Learning for Everyone | 機器學習基礎篇

搬新家囉!
全新內容歡迎參考 「
使機器變智慧的 7 件事 (2022 更新版)
未來最新文章也將移至
https://simplelearn.tw/
歡迎海、內外讀者持續追蹤及關注我們的文章~~

機器學習是人工智慧的一個技術分支,在過去的數十年裡,出現了許多不同的人工智慧分支,而機器學習是目前最廣泛使用和談論的部分。但其實機器學習已經存在好一段時間,一直到過去十年中才開始嶄露頭角,因為數據愈來愈多,運算能力越來越強等因素,讓大家愈來愈重視它。而這樣的技術讓機器可以進行學習,並且可以學會準確地做出許多預測。

想了解機器是如何學習,並進而能有智慧,那你可以先瞭解這 7 件事:

--

--

與全世界的人分享與協作你的作品

Google Colab 允許您將工作儲存到 Google 雲端硬碟 (Google Drive),也可以直接儲存至您的 GitHub 儲存庫 (Repository)。

儲存至 Google 雲端硬碟

若要儲存您的 Colab 筆記本到您自己的 Google 雲端硬碟,請從上方選單中選擇【檔案】→【在雲端硬碟中儲存複本】,系統將會產生一個原檔名的副本並儲存在雲端硬碟中,你可以將此副本重新命名為你要的名稱。

--

--

你的第一個 Colab 雲端筆記本

如果您以前使用過 Jupyter Notebook,您將很快學會使用 Google Colab。因為 Colab 是由 Google 在雲端運行並託管的 Jupyter Notebooks 環境,最重要的是它不需要設定就可以使用。它允許您透過瀏覽器編寫並執行 Python 程式碼,並且直接與您的 Google 帳戶整合,可將檔案直接存在Google 雲端硬碟。Colab 同時提供 GPU 及 TPU 的免費使用,可以無縫的與他人共享程式碼。

就讓我們開始建立並執行第一個 Colab 記事本。

建立 Colab 筆記本

在 Google 雲端硬碟中按滑鼠右鍵,點擊 Google Colaboratory 應用程式。

--

--