Решаемая задача
В современном мире растёт потребность в обучении детей практическим навыкам работы с технологиями искусственного интеллекта и программирования. Многие традиционные уроки программирования не включают работу с интерактивными приложениями, что снижает интерес учащихся. Задача этой практики — повысить интерес школьников к программированию, обучив их созданию приложений, управляемых жестами, используя Python и модели машинного обучения, созданные в Teachable Machine.
Цель:
Познакомить учащихся с основами машинного обучения и программирования на Python через создание интерактивного приложения, управляемого жестами, что способствует развитию навыков проектной работы, алгоритмического мышления и решению практических задач.
Описание практики
Предлагаемая практика представляет собой мастер-класс по созданию Python-приложения, которое реагирует на жесты пользователя, используя модель машинного обучения, обученную на платформе Teachable Machine. Практика включает несколько этапов:
- Введение в машинное обучение: Учащиеся знакомятся с основными концепциями машинного обучения и примерами его применения.
- Создание модели на Teachable Machine:Создание классов жестов (например, палец вверх, палец вниз, ладонь, указательный палец). Запись образцов для каждого жеста с использованием веб-камеры. Обучение модели и её экспорт для использования в Python.
- Настройка Python-среды: Установка необходимых библиотек (
tensorflow,opencv-python,pygame,pygetwindow). Настройка виртуальной среды для изоляции проекта. - Интеграция модели с Python-приложением: Захват видеопотока с веб-камеры с помощью OpenCV. Использование обученной модели для распознавания жестов. Реализация функций для выполнения действий по жестам (например, открытие картинки, сворачивание окна, воспроизведение музыки).
- Тестирование и доработка проекта: Учащиеся тестируют приложение и исправляют ошибки. Обсуждение идей для расширения функциональности приложения.
Ресурсы для реализации
Финансовые ресурсы:
1) При наличии собственного оборудования финансовые затраты минимальны.
2) Возможные затраты на подписку для облачных сервисов хранения данных или на платные обучающие ресурсы (по желанию).
Кадровые ресурсы:
1) Преподаватель с опытом работы в Python и базовыми знаниями машинного обучения.
2) Помощники (по необходимости) для поддержки во время проведения мастер-класса и решения технических проблем участников.
Технические ресурсы:
1) Для преподавателя:
· Компьютер с веб-камерой и установленными инструментами для демонстрации (Zoom, Google Meet).
· Презентации и демонстрационные материалы.
2) Для учащихся:
· Компьютер с веб-камерой.
· Установленный Python (версия 3.8-3.10).
· Виртуальная среда с библиотеками: tensorflow, opencv-python, pygame, pygetwindow.
· Доступ к интернету для использования Teachable Machine.
Программное обеспечение:
1) Teachable Machine для обучения модели.
2) IDE для Python (например, Visual Studio Code, PyCharm или Thonny).
3) Zoom/Google Meet для дистанционного проведения занятия.
