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 ovšem soustředí jen hrstka technických středních škol. Přitom není na co čekat. Ve spolupráci s PRG.AI a za podpory Hlavního města Prahy se proto snažíme tento stav změnit.

Nabízíme dodání všeho potřebného pro zapojení výuky umělé inteligence na středních školách. Členstvím v AI akademii získáte přístup k neustále 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 učitele řádně proškolíme. Není žádný problém, pokud jsou v oblasti umělé inteligence nováčky.

Ve školním roce 2021/2022 již probíhá, nebo brzo začne probíhat, výuka podle našich materiálů na šesti středních školách pro více než 300 studentů (například Smíchovská SPŠ, SPŠ Ječná nebo SPŠSE Liberec) formou volitelných předmětů nebo přímo v rámci výuky informatiky. S dalšími školami jednáme o jejich zapojení. V létě 2021 jsme realizovali letní školu pro 15 nadšených zájemců z řad středoškoláků a první běh týdenního školení středoškolských učitelů. Další školení učitelů proběhnou začátkem roku 2022.

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

Pro učitele máme připraven praktický vzdělávací program, díky kterému snadno proniknou do tajů umělé inteligence a své znalosti si budou moci dále prohlubovat.

Členství v AI Akademii je určeno primárně pro gymnázia, střední průmyslové školy, střední odborné školy a technická lycea, zapojit se však může jakákoliv vzdělávací instituce.

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 schopní vysvětlit rozdíly mezi umělou inteligencí, strojovým učení 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 a jak výhodné může být rozhodování na základě dat a kdy naopak může vést k omylu (chyby v datech, bias). Na jednoduchém cvičení si vyzkoušejí základní přístupy k datové analýze.)
• Filosofie umělé inteligence (Žáci budou schopní argumentovat pro i proti použití umělé inteligence v různých oblastech a získají přehled o výzvách, problémech a především příležitostech, spojených s umělou inteligencí.)
• Typy strojového učení (Žáci budou schopní 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 a zároveň poznají základy práce s daty.)
• Regrese (Žáci budou schopní aplikovat základní regresní metody na jednoduché problémy s využitím knihovy ScikitLearn v Pythonu.)
• Klasifikace (Žáci budou schopní aplikovat základní klasifikační metody na jednoduché problémy s využitím knihovy ScikitLearn v Pythonu.)
• Neuronové sítě (Žáci budou schopní navrhnout jednoduché neuronové sítě pro klasifikační i regresní problémy v knihovně Tensorflow/python. 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.