Výuka informatiky na středních školách pro 21. století

Umělá inteligence je stále používanějším nástrojem v nejrůznějších průmyslových, technologických i kreativních odvětvích. Na výuku umělé inteligence se v České republice však soustředí jen hrstka technických středních škol – přitom není na co čekat. Ve spolupráci s iniciativou prg.ai a za podpory hlavního města Prahy se proto snažíme tento stav změnit a nabízíme vše potřebné pro zapojení umělé inteligence do výuky na vaší střední škole.

Členstvím v AI akademii získáte přístup k pravidelně aktualizovaným podkladům pro plnohodnotnou výuku umělé inteligence s využitím vašeho učitelského sboru. Výukové materiály, které se skládají z prezentací, praktických cvičení a data setů, přizpůsobíme vašim specifickým požadavkům a vaše pedagogy řádně proškolíme. Není problém, pokud jsou v oblasti umělé inteligence nováčky. Členství v AI Akademii je bezplatné, jedinou podmínkou je však absolvování našeho školení učiteli, kteří podle materiálů budou učit. Minimální rozsah školení je kurz
Úvod do strojového učení. Školení je možno absolvovat prezenčně i online a jeho cenu je možno ho hradit z šablon.

Na rozdíl ostatních podobných snah v českém prostředí není cílem naučit děti umělou inteligenci „pouze“ používat, ale přímo ji vytvářet. Projekt běží od roku 2021 a podle jeho osnov a materiálů učí umělou inteligenci již desítky škol z celé České republiky, namátkou Smíchovská SPŠ, SPŠ Ječná nebo SPŠSE Liberec.

Členové AI akademie mají přístup ke kompletním a pravidelně aktualizovaným podkladům pro výuku umělé inteligence.

Pro učitele jsme připravili praktický vzdělávací program, díky němuž snadno proniknou do metod umělé inteligence a své znalosti si budou moci dále prohlubovat.

Členství v AI Akademii je určeno primárně gymnáziím, středním průmyslovým školám, středním odborným školám a technickým lyceím. Zapojit se však může jakákoli vzdělávací instituce.

Reakce účastníků Letní školy AI a školení učitelů

„Program je nabitý, ale jak teoreticky, tak prakticky srozumitelně podaný. Myslím, že pro naše studenty bude téma AI přínosné.“ (Libor Beldík, učitel ze SPŠE Žatec)

„Přišel jsem a skoro nevěděl, co to AI je, avšak odcházím osvícen vědomostmi.“ (Ondra Hajný, student 1. ročníku SPŠE v Úžlabině)

„Kurz byl opravdu na úrovni a rozhodně nelituji toho, že jsem týden v létě trávil tady.“ (Adam Hobza, student 1. ročníku Smíchovské SPŠ)

„Díky poznatkům z letní školy AI mám teď náskok oproti budoucí konkurenci v IT. Umožnila mi vidět svět jiným způsobem. Nikdy by mě nenapadlo, že se toho dozvím tolik.“ (Lukjans Papariga, student 1. ročníku Technického lycea na SSPŠ)

„Tato škola a její úžasný lektor Jiří Materna rozprášili moje mlhavé představy o umělé inteligenci a nyní si dokážu nejen představit, jak AI funguje, ale taky jak tyto znalosti použít prakticky v některých mých projektech.“ (Samuel Juraj Koprda, student 4. ročníku SPŠE v Úžlabině)

„Jsem velice rád, že jsem kurzem prošel. Jsem nadšený. Opravdu mě to posunulo a rozšířilo mi to obzory. Umělou inteligencí se do budoucna hodlám dále zabývat.“ (Lukáš Hadrava, student 1. ročníku Smíchovské SPŠ)

Doporučená osnova výuky

Uvádíme doporučenou osnovu výuky, která rozsahem odpovídá zhruba 55 školním hodinám teorie a praxe. Skutečný rozsah, hloubka a časová dotace výuky však vždy záleží na konkrétních požadavcích školy.

  • Úvod do umělé inteligence – žáci budou schopni vysvětlit rozdíly mezi umělou inteligencí, strojovým učením a dalšími oblastmi umělé inteligence. Ke každé oblasti poznají konkrétní příklady aplikací. Dále získají přehled o tom, jak se umělá inteligence vyvíjela a v jakém stavu se nachází dnes.
  • Data a informace – žáci budou rozumět rozdílu mezi daty a informacemi. Na příkladech si uvědomí, jak snadno může selhat intuice, jak výhodné může být rozhodování na základě dat a kdy naopak může vést k omylu (chyby v datech nebo jejich zaujatost). Na jednoduchém cvičení si vyzkoušejí základní přístupy k datové analýze.
  • Filosofie umělé inteligence – žáci budou schopni argumentovat pro i proti použití umělé inteligence v různých oblastech lidské činnosti a získají přehled o výzvách, problémech a především příležitostech spojených s umělou inteligencí.
  • Typy strojového učení – žáci budou schopni rozlišit základní typy strojového učení a spojit si je s konkrétními aplikacemi z běžného života. Získají motivaci pro detailnější studium jednotlivých metod.
  • Základy datové analýzy v jazyce Python – žáci se na praktických příkladech vycházejících z lokálních reálií blízkým jejich věkové kategorii naučí pracovat s jazykem Python. Zároveň poznají základy práce s daty.
  • Regrese – žáci budou schopni aplikovat základní regresní metody na jednoduché problémy s využitím knihovny ScikitLearn v Pythonu.
  • Klasifikace – žáci budou schopni aplikovat základní klasifikační metody na jednoduché problémy s využitím knihovny ScikitLearn v Pythonu.
  • Neuronové sítě – žáci budou schopni navrhnout jednoduché neuronové sítě pro klasifikační i regresní problémy v knihovně Tensorflow/Keras. Dále získají představu o tom, k čemu jsou neuronové sítě dobré a kde se dají použít.
  • Projekt – v rámci volitelné kapitoly budou nabídnuty data sety a vzorová řešení složitějších problémů vhodných pro samostatné studentské projekty.

Pro více informací a zájem o členství v AI akademii a školení učitelů nás prosím kontaktujte na info@mlcollege.com.

mlclogo
prgai-logo-color3x
Logo_Praha.svg