Урок цифры нейросети ответы

25 февраля в России стартовал очередной Урок Цифры 2019, на котором все желающие могут попробовать свои силы в изучении искусственного интеллекта и машинного обучения. Урок Цифры 2019 разделен на три части в зависимости от класса учащихся: 1-4 класс, 5-8 класс и 9-11 класс. Ответы на предыдущие две подгруппы младших классов мы уже дали, а в сегодняшней статье мы разберем прохождение 9-11 класса.

Задания для 9-11 класса не такие уж и простые и Урок Цифры 2019 предлагает ученикам не просто обучить искусственный интеллект различать животных, а и углубиться в вопрос принципа работы машинного обучения и нейросетей. Ученикам предлагается настройка гиперпараметров нейросети, улучшение ее работы за счет увеличения веса того или иного нейрона, увеличения/уменьшения слоев нейросетей, выбора типа нейронов, скорости обучения.

• 1 Час Кода 2019 — прохождение 9, 10, 11 класс
• 2 Урок Цифры 2019 9-11 класс — ответы, прохождение
• 3 Урок Цифры 2019 9-11 класс — как получить сертификат

На этом уроке цифры детей обучают азам информационной безопасности.

Дети еще не совсем понимают, какой вред может быть нанесен человеку или группе людей, если доступ к информации получает не тот, кому она предназначена. Это может произойти самыми разными способами, и сегодня на тренажёре мы столкнёмся с примерами подобных ситуаций. Специалисты по информационной безопасности как раз занимаются тем, чтобы доступ к информации был только у нужных людей. Этому направлению уже больше четырёх тысяч лет, именно к тому времени относятся археологические находки первых устройств шифрования. Компьютерная информационная безопасность зародилась в 80-ые годы прошлого века — именно тогда были сформулированы три принципа защиты информации:

●    «Конфиденциальность — доступ к информации имеют только определённые лица.

●    Целостность — данные не изменялись в процессе передачи или хранения.

●    Доступность — те, кому информация предназначена, в любой момент могут получить к ней доступ.

Итак, вы определились в роли кого хотите пройти тестирование, может вы больше математик, нежели биолог, а может творческая личность и художник, мы предлагаем вам ответы на все уровни:

Урок цифры 2019 продолжается. Новый этап, новые задания, новые знание. В этот раз ученикам предстоит разобраться с облачными технологиями. Со 2 по 15 декабря ученики будут получать новые знания. В прохождении нового этапа могут принять участия ученики всех классов от 1 до 11-го. В процессе интерактивной игры ученики узнают: что такое сеть, что входит в понятие облачные технологии и как они работают, что было до появления Интернета, как он развивался, в чём состоит магия облаков и как надёжно хранить собранные данные. Интересно? Тогда скорее заходи на сайт Урок Цифры 2019 и получай новые знания.

Игра Урок цифры 2019 по теме сети и облачные технологии встречает нас красочным комиксом, после которого начинается сама игра. Впереди нас ждут 10 увлекательных уровней.

Задание 1. Давайте подключим провод к роутеру. Подъедь к выделенной клетке. Используй команду move(двигаться вперёд)

Для прохождение первого уровня в окне справа вам нужно набрать следующую комбинацию!

2 уровня: урок цифры 2019 сети и облачные технологии 1-4

Задание 2. Нам нужно доехать до сервера и подключить провод, который мы тянем от квартиры.

Для прохождение второго уровня в окне справа вам нужно набрать следующую комбинацию!

Урок цифры 2019 — ответы для 1,2,3, 4 класса по теме сети и облачные технологии — уровень 3

Для прохождение третьего уровня в окне справа вам нужно набрать следующую комбинацию!

Урок цифры 2019 — ответы на 1-4 класс сети и облачные технологии — уровень 4

Для прохождение четвертого уровня в окне справа вам нужно набрать следующую комбинацию!

Урок цифры 2019 — ответы для 1,2,3, 4 класса по теме сети и облачные технологии — уровень 5

Для прохождение пятого уровня в окне справа вам нужно набрать следующую комбинацию!

Урок цифры 2019 сети и облачные технологии 1-4 класс —

Прохождение 6 уровня

Для прохождение шестого уровня в окне справа вам нужно набрать следующую комбинацию!

Урок цифры 2019 — ответы для 1,2,3, 4 класса по теме сети и облачные технологии — уровень 7

Для прохождение седьмого уровня в окне справа вам нужно набрать следующую комбинацию!

Урок цифры 2019 — ответы на 1-4 класс сети и облачные технологии — уровень 8

Для прохождение восьмого уровня в окне справа вам нужно набрать следующую комбинацию!

Урок цифры 2019 — 1-4 класс по теме сети и облачные технологии — прохождение 9 уровня

Для прохождение девятого уровня в окне справа вам нужно набрать следующую комбинацию!

Урок цифры 2019 — 1-4 класс по теме сети и облачные технологии — прохождение 10 уровня

Для прохождение десятого уровня в окне справа вам нужно набрать следующую комбинацию!

03.03.2022

© depositphotos.com

48% россиян доверяют технологиям искусственного интеллекта. Таковы результаты опроса ВЦИОМ. К технологиям искусственного интеллекта относится машинное обучение, которое позволяет автоматизировать процессы во многих сферах жизни. Так, нейросети сегодня широко используют в медицине, промышленности, безопасности, образовании и бизнесе.

Как нейросети распознают опасный для детей контент

Нейронные сети обобщают статистические закономерности в данных, которые формируют цифровое окружение детей и подростков. Благодаря математическим алгоритмам они позволяют выделять деструктивные по своему содержанию тексты и изображения из открытых источников, к которым проявляет интерес молодёжь.

Как обучают искусственный интеллект

Нейронные сети – это один из видов моделей машинного обучения. На первом этапе происходит сбор и разметка информации, формируется так называемая обучающая выборка в соответствии с поставленной задачей. Например, необходимо распознать, присутствует ли в тексте деструктивный контент. Нейронная сеть работает только с числами, и она по сути является набором математических операций. Поэтому текст сначала переводится в характеризующий его набор чисел.

Затем происходит обучение нейронной сети – последовательно на вход подаётся обучающая выборка. Математические операции внутри нейронной сети меняются таким образом, чтобы как можно точнее характеризовать тексты из предоставленной выборки. Происходит статистическое обобщение данных о тональности контента и его деструктивном содержании. После этого идёт проверка корректности выполненной задачи: производится валидация (процесс проверки информации различных типов по критериям корректности и полезности для конкретного применения) данных, которые нейронная сеть не видела. Если качество соответствует требованиям, то эта модель машинного обучения в дальнейшем используется для обработки потока собранной информации. Также периодически проводится дообучение нейронных сетей в связи с появлением новых направлений, субкультур и трендов.

Преимущества использования нейросетей

По сравнению с другими моделями машинного обучения нейронные сети показывают самое высокое качество выполнения задач по обработке естественного языка и компьютерного зрения. Например, обработка изображений в современных нейронных сетях устойчива к масштабированию, поворотам, зашумлению и другим изменениям исходного объекта. Также современные нейросети на основе механизма внимания умеют оценивать слова без отрыва от контекста. Они способны распознавать разные значения одного и тоже же слова. Другие техники оценки важности слов в контексте документа не всегда дают такие высокие результаты. Главное преимущество нейронных сетей – это автоматизация оценки контента, что особенно важно в работе с колоссальным объёмом данных. Применение этой модели позволяет из миллионов текстов или изображений находить только те, которые важны для защиты молодёжи от деструктивной информации.

Сложности в применении машинного обучения

Нейронные сети и другие модели машинного обучения не дают стопроцентной точности. Нельзя принимать решения только на основе проведённого нейросетями анализа. Эти модели – помощники человека, но они также могут ошибаться. Ещё одна сложность касается получения качественной разметки большого объёма данных для обучения нейронных сетей. Это длительный и трудоёмкий процесс: разметка делается вручную или полуавтоматически с последующей ручной проверкой.

Перспективы использования нейросетей для защиты детей

Машинное обучение всё глубже проникает во все сферы жизни как большой помощник человека. Особенно оно важно для выявления негативного контента в цифровом пространстве и защиты подростков, так как это позволяет автоматизировать процесс поиска. Каждый год сети будут становиться всё более совершенными: разработчики постоянно расширяют охват анализируемого нейросетями деструктивного контента, повышают точность моделей, включают в работу различные типы данных. Всё это в результате повысит эффективность защиты подростков от негативной информации.

С 26 сентября по 16 октября в школах по всей стране будет проходить «Урок цифры» по искусственному интеллекту в стартапах. Стратегический партнёр и разработчик его содержания — Благотворительный фонд Сбербанка «Вклад в будущее» при экспертной поддержке Сбера. Мероприятие ежегодно проводится АНО «Цифровой экономикой», Минцифры России и Минпросвещения России.

«Урок цифры» призван привлечь внимание детей к сфере искусственного интеллекта, предоставить им возможность реализовать свои идеи, продемонстрировать, какие задачи может решать искусственный интеллект посредством технологий компьютерного зрения, обработки естественного языка и аналитики больших данных.

В ходе «Урока цифры» дети познакомятся с понятием «технологические стартапы» и на практике узнают об основных этапах их создания. Участники смогут освоить разработанный урок в формате видеолекции, которая построена таким образом, чтобы занятия были доступными и интересными для школьников любого возраста: 1–4 классов, 5–7 классов, 8–11 классов. Для закрепления знаний на практике у ребят будет возможность пройти игровой тренажёр. Специальная мобильная версия разработана для выполнения заданий дома, потребуется только телефон и доступ к интернету. Материалы урока будут сопровождаться методическими рекомендациями для педагогов по проведению основного варианта урока. Также в них будут предложены альтернативные сценарии проведения занятий с учётом разной технической оснащенности классов.

«В условиях активной цифровой трансформации государство делает серьёзную ставку на цифровые кадры и создаёт для детей возможность с раннего возраста начинать знакомиться с миром ИТ. Получаемые навыки помогут им не только освоить престижную и высокооплачиваемую профессию, но и развить креативность, логическое мышление и коммуникативные навыки. Одновременно с этим скоро стартует образовательный проект Минцифры «Код будущего». Школьники со всей страны смогут бесплатно пройти двухлетние ИТ-курсы и освоить современные языки программирования».

Андрей Горобец Директор Департамента цифровой трансформации и больших данных Минпросвещения России

«Мир цифровых технологий увлекает ребят всех возрастов, поэтому особенно важно, что «Урок цифры» как просветительский проект подходит школьникам с 1 по 11 класс. Все учебные материалы имеют свой уровень сложности, в зависимости от полученных навыков. Развитие цифровых компетенций становится неотъемлемой частью учебного процесса, позволяет сделать занятия более увлекательными и даже задуматься сегодняшним школьникам о будущей траектории профессионального развития».

В рамках «Урока цифры» для всех желающих узнать больше о технопредпринимательстве, будет организована серия онлайн-вебинаров от экспертов молодёжных акселераторов Сбера и Sber AI.

Для дополнительной подготовки педагогов к «Уроку цифры» 21 сентября на сайте проекта пройдет дистанционное обучающее мероприятие с разработчиками Урока. Они помогут педагогам разобраться в методических материалах, больше узнать о технологическом предпринимательстве и передать знания о запуске собственных стартапов школьникам.

«Урок цифры» — ежегодная всероссийская акция, которая проводится в партнёрстве с Благотворительным фондом Сбербанка «Вклад в будущее» и Сбером в четвёртый раз. В прошлом году в рамках проекта десятки тысяч педагогов воспользовались материалами и провели занятия «Искусственный интеллект в образовании». «Урок цифры» прошли более 3,5 млн раз школьники с 1-го по 11-й класс, педагоги и родители по всему миру. Проект длился 20 дней и охватил Россию и 127 стран мира.

Справка

Проект «Урок цифры» реализуется в поддержку федерального проекта «Кадры для цифровой экономики». Занятия на тематических тренажерах проекта проводятся в виде увлекательных онлайн-игр для трех возрастных групп: учащихся младшей, средней и старшей школы. Методические материалы уроков остаются в доступе на сайте проекта и охватывают широкий круг тематик: алгоритмы, кодирование, командная разработка, безопасность в Интернете, управление проектами, искусственный интеллект, машинное обучение, персональные помощники, сети и облачные технологии, большие данные, беспилотный транспорт, нейросети и коммуникации, приватность в цифровом мире.

Инициаторы «Урока цифры» — Министерство просвещения РФ, Министерство цифрового развития, связи и массовых коммуникаций РФ и АНО «Цифровая экономика». Задачами проекта являются развитие у школьников цифровых компетенций и ранняя профориентация: уроки помогают детям сориентироваться в мире профессий, связанных с компьютерными технологиями и программированием. Партнёрами проекта в 2021/22 учебном году выступают «Лаборатория Касперского», Благотворительный фонд Сбербанка «Вклад в будущее», фирма «1С», компании Яндекс, VK, Росатом.

Дмитрий Тер-Степанов врио генерального директора АНО «Цифровая экономика»

«Изучение искусственного интеллекта прочно вошло в нашу повседневную реальность. Эта технология в будущем будет помогать людям решать самые привычные задачи. Включение педагогами урока Благотворителього фонда Сбербанка «Вклад в будущее» в образовательную программу поможет школьникам претворить свои смелые идеи в жизнь, придумать уникальный проект или новый сервис. Учебный материал рассчитан на ребят любого школьного возраста, поэтому станет полезным и нужным инструментом для педагогов, сделает занятия нагляднее и увлекательнее».

Александр Ведяхин Первый заместитель Председателя Правления Сбербанка

«Искусственный интеллект — одно из самых динамично развивающихся технологических направлений. Сегодня он уже применяется в любом виде деятельности, а компетенции в сфере ИИ востребованы во всех отраслях, и в будущем их значение будет только возрастать. Проект “Урок цифры” позволяет нам вместе с педагогами по всей стране показывать нашим детям, что ИИ — будущее, в котором знание инструментов анализа данных и машинного обучения — это важное преимущество».

01.06.2022

© pexels.com

Машинное обучение (machine learning, ML) является самым перспективным направлением искусственного интеллекта. По данным аналитического альманаха МФТИ, одно из главных событий в области искусственного интеллекта в мире в 2021 году – заявление учёных из Стэнфорда о становлении новой парадигмы в области ML: крупные корпорации будут создавать гигантские модели, которые другие компании будут дообучать и использовать для решения своих задач.

Что такое машинное обучение?

Machine learning – это область прикладной математики, которая позволяет обучать компьютерные модели для выявления общих закономерностей в данных. Модели машинного обучения на основе большого количества примеров самостоятельно учатся различать полученную информацию и использовать её для решения задач. Machine learning качественным образом отличается от детерминированных алгоритмов, которые включают в себя фиксированный набор предопределённых шагов. Машинное обучение сейчас представляет собой быстро развивающуюся отрасль. Это связано с увеличением вычислительных мощностей и накоплением знаний, появлением совокупности научно обоснованных и эффективных подходов.

Как связаны между собой машинное обучение, нейросети и искусственный интеллект?

Машинное обучение – это область, в которой исследуются и применяются модели, обучающиеся на входных данных. Оно является одним из направлений искусственного интеллекта.

Нейронные сети – одно из семейств моделей машинного обучения.

Искусственный интеллект – группа методов с использованием различных алгоритмов, в том числе на основе машинного обучения, направленных на создание интеллектуальных машин. Сильный искусственный интеллект способен решать повседневные задачи человека, а слабый – выполнять лишь узконаправленные задачи, например, различать разнообразные объекты, объединять в группы похожие изображения. При работе с такими моделями человек передаёт им часть знаний и тем самым ускоряет собственную работу.

Основные направления в machine learning

• Обучение с учителем (supervised learning)

Для анализа используются размеченные данные, все объекты заранее промаркированы. Например, для обучения модели представлены фотографии с кошками и собаками с соответствующими метками. Задача – научиться различать этих животных.

• Обучение без учителя (unsupervised learning)

При обработке массивов информации нет описания или меток объектов, алгоритм должен самостоятельно выявлять закономерности, взаимосвязи и зависимости в данных. Обучение без учителя применяется для поиска похожих текстов, изображений и документов, визуализации и выявления аномалий.

• Обучение с подкреплением (reinforcement learning)

Машина ищет оптимальные действия для выполнения поставленной задачи в различных условиях. Например, модель космического корабля совершает посадку. На основании информации о меняющемся окружении необходимо адаптировать способ действия. Оптимизированные шаги и есть результат обучения.

Какие задачи решает машинное обучение?

Машинное обучение помогает в решении экономических и социально значимых проблем. Основные классы задач, решаемых с помощью machine learning:

• Регрессия – это прогнозирование числового значения на основе выборки объектов с различными признаками. Например, оценка платёжеспособности заёмщика, ожидаемого дохода компании или цены квартиры на рынке недвижимости.

• Классификация – отнесение объектов на основе имеющихся параметров к одному из предопределённых классов. В рамках работы Центра изучения и сетевого мониторинга молодёжи именно качественная классификация помогает выявить деструктивный контент среди текстовых или визуальных объектов. Ежедневно благодаря машинному обучению анализируется более миллиона изображений и текстов.

• Кластеризация – объединение похожих данных в группы (кластеры). Например, поиск сообществ, похожих по контенту, или объединение схожих по смыслу постов в социальной сети.

• Прогнозирование временного ряда – работа с данными, полученными в определённый период времени, и предсказание на их основе значений в задаваемый исследуемый период. Решение этой задачи позволяет спрогнозировать сейсмическую активность или изменение стоимости ценных бумаг.

Также существуют вспомогательные задачи, которые можно решить с помощью machine learning – распознавание текста на изображениях, детекция символов, идентификация речи и так далее.

Машинное обучение и анализ данных

По мнению доктора физико-математических наук, профессора МФТИ, специалиста в области машинного обучения Константина Воронцова, интеллектуальный анализ данных в целом основывается на подходах и методах машинного обучения. ML занимается построением математических моделей для обобщения информации, а анализ данных как прикладная дисциплина позволяет решать конкретные практические задачи. Модели помогают исследовать и обрабатывать гигантские потоки информации, выявлять закономерности.

В каких сферах применяют machine learning?

Машинное обучение активно используется во многих отраслях экономики. Например, в бизнесе широко применяются модели для предсказания поведения клиентов, создания рекомендательных систем, кластеризации аудитории для настройки показов рекламы (объединение людей в группы по схожим интересам, возрасту или социальному положению). Например, такой метод, как анализ временных рядов, необходим для глубокого понимания происходящих бизнес-процессов, в частности, динамики закупок и продаж товаров, посещаемости сайта и охвата пользователей.

В медицине machine learning помогает анализировать данные различных исследований состояния здоровья пациента. Умные системы на базе ML могут по рентгеновскому снимку выявлять патологии или предсказывать вероятность наличия какого-либо заболевания по совокупности результатов анализов.

В промышленности с помощью моделей машинного обучения внедряется автоматизация технологических процессов. Это позволяет снижать затраты на выпуск продукции и увеличивать производительность.

В сельском хозяйстве с использованием подходов машинного обучения были запущены первые беспилотные комбайны. Автопилот помогает управлять транспортом в то время, когда комбайнёр следит за процессом жатвы.

ML также позволяет обеспечивать безопасность в реальном мире и цифровом пространстве. Например, машинное обучение помогает автоматически вычислять мошеннические транзакции среди многочисленных банковских операций, контролировать заданный периметр и использовать системы биометрического распознавания.

Машинное обучение широко применяется в рамках работы Центра изучения и сетевого мониторинга молодёжи. Цифровое пространство – непрерывно обновляемая среда, которая ежесекундно пополняется полезным, нейтральным и деструктивным контентом. В целях мониторинга и анализа негативных явлений в Интернете специалисты Центра разрабатывают или адаптируют существующие модели машинного обучения. ML значительно упрощает поиск потенциально опасной для пользователей информации среди большого объёма сетевых данных.

Перспективы развития машинного обучения: будет ли искусственный интеллект умнее человека?

Machine learning в перспективе освободит человека от выполнения рутинных операций и сделает его труд более эффективным. Благодаря этому жизнь станет легче, а компьютеры – ещё умнее. Несмотря на большие успехи в области искусственного интеллекта, современное машинное обучение и другие подходы пока не могут заменить человеческий интеллект. Модели занимаются статистическим обобщением свойств объектов, но помимо общих характеристик также существуют особенности, которые можно определить только методом «ручного» анализа. На данный момент это единственная возможность выявлять единичные (уникальные) признаки, распознавать сложные объекты и новые явления во всей их полноте.

У машинного обучения огромные перспективы, капиталовложения в ML постоянно растут. Это те технологии, которые поменяют мир точно так же, как когда-то его изменило изобретение полупроводников или лазера. Сегодня исследовательское сообщество и инженеры стремятся облегчить повседневную жизнь с помощью machine learning и расширить горизонты человеческого знания.

Дополнительные материалы:

Нейросети и дети: как технологии защищают от цифровых угроз?

Решения для теста «Художник»

Ответы на вопросы   (верные   утверждения   выделены жирным) для учеников 5-11-х классов:

Задание №1

1. Определить настроение  человека по фотографии может только человек.
2. Точность   работы   современных   алгоритмов   распознавания эмоций не уступает человеку.

Задание №2

1. Увидел рекламу нового устройства, быстрее покупай, будешь в классе самым модным.
2. Не покупай товары непроверенных производителей.

 Задание №3

1. Вводить данные банковской карточки при регистрации и оплате на сомнительных сайтах может быть опасно.
2. Вводить данные банковской карточки при регистрации и оплате на незащищенных сайтах всегда безопасно.

Задание №4

1. Используй везде один и тот же пароль — так точно его не забудешь.
2. Используй разные пароли на всех сайтах и приложениях на телефоне, где хранится важная информация.

Ответы на задания  (верные   утверждения   выделены жирным) для учеников 1-4-х классов:

Задание №1

1. Определить настроение человека по фотографии может только человек.
2. Современные технологии могут определить эмоции человека по фотографии или видео.

 Задание №2

1. Увидел рекламу нового устройства, быстрее покупай, будешь в классе самым модным.
2. Не покупай товары непроверенных производителей на неофициальных сайтах.

 Задание №3

1. Используй везде один и тот же пароль — так точно его не забудешь.
2. Используй разные пароли на всех сайтах приложениях на телефоне, где хранится важная информация.

Ура, Урок цифры про кибер безопасность успешно пройден, сертификат у вас на почте!

Урок Цифры 2019 9-11 класс — как получить сертификат

Если правильно решить все три задачи, ответ на которые мы вам предоставили, то вам выдадут сертификат о прохождении Урока Цифры 2019. Его можно как распечатать, так и поделиться им в социальных сетях, тем самым похваставшись перед друзьями, какой вы умный!

Источник: www.stevsky.ru

Ответы для учеников 1-4-х классов (верные утверждения выделены жирным)

Задание №1

1.  Gu_7Y8-wv надежный пароль.

2. Gu_7Y8-wv ненадежный пароль.

Задание №2

1. Можно использовать любые Wi-Fi сети и без пароля, они все равно безопасные!

2.     Неизвестные Wi-Fi сети без пароля лучше не использовать — через них злоумышленники могут украсть твои данные.

Задание №3

1. Если столкнулся с опасностью в сети и не знаешь, что делать — главное, не рассказывай родителям, вдруг получится самому справиться с ситуацией!

2.     Если столкнулся с опасностью в сети, расскажи обо всём родителям и обратись за помощью к профессионалам!

 Задание №1

1. Биоинформатика —   это   информатика,  которую  ведет   учитель биологии.
2.  Биоинформатика   —    это    наука    на    стыке    математики, программирования и биологии.

 Задание №2

1. Нет смысла читать отзывы, у меня свое мнение.
2. В отзывах на проверенных сайтах можно найти много полезной информации

 Задание №3

1. Когда подключаешь новое устройство, пароль производителя лучше не менять — так его точно не забудешь.
2. При подключении нового устройства придумай для него новый пароль.

 Задание №4

1. Если тебе показалось, что от имени друга тебе пишет мошенник, лучше перестраховаться и сразу позвонить другу по телефону.
2. Если тебе показалось, что от имени друга тебе пишет мошенник, лучше сразу напрямую задать ему вопрос, мошенник ли он.

Ответы для учеников 1-4-х классов (верные утверждения выделены жирным):

 Задание №1

1. Если сайт красиво выглядит, то он точно настоящий и не опасный.
2.  Cайты   мошенников  часто   почти   ничем  не   отличаются  от настоящих — но адрес точно будет другой!

 Задание №2

1. В отзывах на проверенных сайтах можно найти много полезной информации.
2. Нет смысла читать отзывы, у меня своё мнение.

 Задание №3

1.     Если тебе показалось, что от имени друга тебе пишет мошенник, лучше сразу позвонить другу по телефону.

2. Если тебе показалось, что от имени друга тебе пишет мошенник, лучше сразу напрямую задать ему вопрос, мошенник ли он.

Как это будет?

Участвовать могут даже начинающие программисты

Открытый тренировочный этап для подготовки к олимпиаде

Разборы задач и методическая поддержка участников

Уровень сложности задач возрастает от этапа к этапу

Решение задач доступно на множестве языков программирования

Поддержка участников на протяжении всей олимпиады

Приветствия организаторов олимпиады

Методическая комиссияи члены жюри

председатель методической комиссии

доктор педагогических наук, профессор, академик Российской академии образования

Григорьев
Сергей Георгиевич

доктор технических наук, профессор, член-корреспондент Российской академии образования

Авдюшенко
Александр Юрьевич

кандидат физико-математических наук, доцент, ФГБОУ ВО «СПбГУ»

Алексеев
Михаил Николаевич

кандидат педагогических наук, доцент ФГБОУ ВО «ЧелГУ»

Горбаченко
Владимир Иванович

доктор технических наук, профессор, ФГБОУ ВПО «ПГУ»

директор ЦРИТО, директор Высшей школы программной инженерии, ФГАОУ ВО «МФТИ НИУ»

научный руководитель методической комиссии

Гордиенко
Оксана Викторовна

доктор педагогических наук, доцент, директор Института развития цифрового образования ФГБОУ ВО «МПГУ»

доктор педагогических наук, профессор, академик Российской академии образования

Кленин
Александр Сергеевич

технический директор Центра НТИ по нейротехнологиям виртуальной и дополненной реальности, ФГАОУ ВО «ДВФУ»

Корчажкина
Ольга Максимовна

кандидат технических наук, Федеральный исследовательский центр «Информатика и управление» РАН

кандидат филологических наук, декан факультета цифровых трансформаций ИТМО

Кудинов
Виталий Алексеевич

доктор педагогических наук, профессор, ФГБОУ ВО «КГУ»

Мильке
Виталий Эмильянович

PhD in Computer Science and Machine Learning, профессор, ФГБОУ ВО «МГТУ им. Н.Э. Баумана»

заместитель руководителя Аналитического центра при Правительстве Российской Федерации

доктор физико-математических наук, доцент, Сколковский институт науки и технологий

доктор педагогических наук, профессор, ФГБОУ ВО «КГПУ им. В.П. Астафьева»

кандидат физико-математических наук, лауреат премии Правительства Москвы молодым ученым

доктор технических наук, профессор, Институт общественных наук РАНХиГС

кандидат физико-математических наук, тренер ЦРИТО, ФГАОУ ВО «МФТИ НИУ»

Аналитический центр при Правительстве Российской Федерации

Созыкин
Андрей Владимирович

кандидат технических наук, ФГАОУ ВО «УрФУ им. первого Президента России Б.Н. Ельцина»

руководитель направления «Программирование» образовательной платформы Учи.ру, ООО «Учи.ру»

Авдюшенко
Александр Юрьевич

кандидат физико-математических наук, доцент, ФГБОУ ВО «СПбГУ»

Алексеев
Михаил Николаевич

кандидат педагогических наук, доцент ФГБОУ ВО «ЧелГУ»

Горбаченко
Владимир Иванович

доктор технических наук, профессор, ФГБОУ ВПО «ПГУ»

Отправляй заявку уже сейчас!

Организационный комитет

Афанасьев Дмитрий Владимирович

заместитель Министра науки и высшего образования Российской Федерации — сопредседатель

заместитель Министра цифрового развития, связи и массовых коммуникаций Российской Федерации — сопредседатель

Горобец Андрей Валерьевич

директор Департамента цифровой трансформации и больших данных Минпросвещения России — сопредседатель

заведующая лабораторией управления инновационными проектами и интеллектуальной собственностью ФГБНУ «Институт стратегии развития образования Российской академии образования» — ответственный секретарь

Абасмирзоев Заур Шидибегович

директор департамента исследований и разработок АНО «Диалог»

Анопченко Алексей Иванович

проректор по цифровой трансформации ФГБОУ ВО «Российская академия народного хозяйства и государственной службы при Президенте Российской Федерации»

Антонов Игорь Константинович

советник руководителя по информационным технологиям Фонда «Талант и успех», генеральный директор ООО «Сириус. Информационные системы»

заместитель Министра просвещения Российской Федерации — председатель

Васильева Татьяна Викторовна

Бабич Александр Вячеславович

первый проректор по молодежной политике и организации приема ФГБОУ ВО «Санкт-Петербургский государственный университет»

Бабич Александр Вячеславович

первый проректор по молодежной политике и организации приема ФГБОУ ВО «Санкт-Петербургский государственный университет»

Башев Вячеслав Владимирович

проректор ФГБОУ ВО «Национальный исследовательский университет «Высшая школа экономики»

Васильев Владимир Николаевич

ректор ФГАОУ ВО «Национальный исследовательский университет ИТМО»

президент ФГБУ «Российская академия образования»

Горячкина Юлия Викторовна

заместитель директора по направлению «Кадры для цифровой экономики» АНО «Цифровая экономика»

Зеленова Анастасия Евгеньевна

руководитель Департамента социальной и образовательной политики Фонда «Сколково»

директор по образовательной деятельности ФГАОУ ВО «Уральский федеральный университет имени первого Президента России Б.Н. Ельцина»

Кожевников Сергей Михайлович

директор ФГАУ «Федеральный институт цифровой трансформации в сфере образования»

заведующая лабораторией управления инновационными проектами и интеллектуальной собственностью ФГБНУ «Институт стратегии развития образования Российской академии образования» — ответственный секретарь

Абасмирзоев Заур Шидибегович

директор департамента исследований и разработок АНО «Диалог»

Анопченко Алексей Иванович

проректор по цифровой трансформации ФГБОУ ВО «Российская академия народного хозяйства и государственной службы при Президенте Российской Федерации»

Антонов Игорь Константинович

советник руководителя по информационным технологиям Фонда «Талант и успех», генеральный директор ООО «Сириус. Информационные системы»

Кузьмин
Павел Владимирович

и.о. ректора ФГАОУ ДПО «Академия реализации государственной политики и профессионального развития работников образования Министерства просвещения Российской Федерации»

Лубков Алексей Владимирович

ректор ФГБОУ ВО «Московский педагогический государственный университет»

Марданов Сергей Александрович

директор по связям с университетами, VK

Маркелова Инна Валерьевна

руководитель направлений Ассоциации «Альянс в сфере искусственного интеллекта»

Растворов Дмитрий Александрович

директор по продвижению образовательных инициатив в органах власти, «Яндекс»

Рожкова Лариса Евгеньевна

директор специализированного учебно-научного центра ФГАОУ ВО «Уральский федеральный университет имени первого Президента России Б.Н. Ельцина»

директор по направлению «Цифровая трансформация отраслей и компаний» автономной некоммерческой организации «Цифровая экономика»

Федоров Максим Валериевич

ректор АНОО ВО «Научно-технологический университет «Сириус»

Шевченко Инна Константиновна

ректор ФГАОУ ВО «Южный федеральный университет»

начальник управления дополнительного образования и профориентации ФГАОУ ВО «Уральский федеральный университет имени первого Президента России Б.Н. Ельцина»

Урок Цифры 2019 9-11 класс — ответы, прохождение

В начале урока необходимо указать город, в котором вы проживаете, потом класс обучения (9, 10 или 11), выбрать количество учеников, после чего появляется видео с лекцией (смотрите ее в конце статьи). Смотреть лекцию нужно обязательно, так как в ней рассказываются базовые принципы работы нейросетей и нейронов.

Можно пропустить лекцию и сразу приступить к решению задач, но тогда вы все будете делать в полном непонимании происходящего. В самих же задачах имеются все необходимые подсказки, если вы вдруг забыли, кто за что отвечает. Итак, приступаем к решению уровней.

Час кода 2019 9-11 класс — ответы и прохождение 1-го уровня

На первом уровне задача по отделению оранжевых точек от зеленых не очень сложная. Вариантов решений, повторимся, существует множество и наше решение — одно их нескольких десятков. Самое главное, это добиться необходимой точности определения точек в зависимости от цвета с погрешностью не более 5%. Одни виды нейронов и их количество могут решить задачу быстро, другие медленно, одни разделяют цветные кружки очень точно, другие же наоборот — с большой погрешность. Большую роль играет и скорость обучения — чем она выше, тем меньше точности, чем она ниже, те точность лучше. В легких задачах можно выставлять высокую скорость обучения, а в сложных только маленькую, иначе нейросеть не сможет качественно определить цвета и задача не будет решена.

Вот наш пример решения: выбирает тип нейрона Tanh, добавляем 5 нейровнов — готово. Кроме того, ввиду легкости задачи мы поставили достаточно быструю скорость обучения — 1. Наша нейросеть справилась с задачей невероятно быстро и весьма точно.

Урок Цифры 2019 9-11 класс — ответы и прохождение 2-го уровня

Перед началом прохождения отметим, что выставить все по максимуму не получится — чем больше, тем лучше в нейросетями не работает, нет прямой зависимости. Поэтому нужно опытным путем проверять, какие нейроны и в каком количестве лучше всего справляются с задачей.

Второй уровень оказался также не слишком сложным и процесс фильтрации кружочков по цветам осуществился весьма быстро. Чтобы решить задачу, мы решили оставить тот же вид нейронов Tanh, а для большей точности выстроили 2 слоя нейронной сети по 4 нейрона в каждой. Чтобы нейроны обучались качественно, скорость обучения мы выставили на 0,3. В итоге нейросеть качественно выделила зеленые точки с минимальной погрешностью мы задача оказалась решенной.

Час Кода 2019 9-11 класс — ответы и прохождение 3-го уровня

Третий уровень стал самым сложным. На примере мы решили показать, как разные типы нейронов, их количество, количество слоев нейросети и скорость обучения влияют на результат.

В первом случае мы выставили среднюю скорость обучения 0,01 для типа нейронов ReLU. Поставили также 4 слоя нейронной сети, где в первом слое разместили 6 нейронов, во втором 5 нейронов, а в последних дух по 4 нейрона. Задача решилась относительно быстро, но если посмотреть на график, то нейросеть очень сильно колебалась с отбором тех или иных кружков разного цвета. Ошибку в 5% нам достичь удалось, но все равно результат оказался нестабильным — погрешность прыгала от 7% до 5%, а это не очень хорошо.

Во втором случае мы решили снизить скорость обучения нейронов, но оставить прежний их тип — ReLU. Количество слоев нейронной сети было решено оставить прежним, а вот самих нейронов прибавилось: в первом, втором и третьем слое их стало по 8, а в четвертом слое осталось 4 нейрона. Задача решалась долго, но зато нейросеть очень точно справилась с ней и по тренировочным данным ошибка составила всего 0.75%.

В третьем случае мы также решили не менять тип нейронов ReLU, поскольку именно они смогли преодолеть ошибку в 5% — другие типы нейронов зависали на отметке в 6-5,5% погрешности (очень близко, но задача оставалась нерешенной). Конструкция же нейросети при этом также не особо поменялась: в трех слоях осталось по 8 нейронов, а в последнем слое мы решили добавить одни нейрон и их стало 5 штук. Как видно, по времени задача решилась в 2 раза быстрее — вот вам банальная оптимизация.

Повторимся, что количество — на значит качество. Ведь нейросети не дают точные данные и при большом их количестве погрешность может только увеличиваться, а не уменьшаться. Тут важно соблюдать принцип «золотой середины»!.

Для школьников пройдет «Урок цифры» по искусственному интеллекту и машинному обучению

28 сентября 2021

В рамках образовательного проекта АНО «Цифровая экономика», Минцифры и Минпросвещения России с 27 сентября по 10 октября проходит «Урок цифры» по искусственному интеллекту и машинному обучению. Стратегический партнер и разработчик его содержания — Благотворительный фонд Сбербанка «Вклад в будущее».

«Урок цифры» состоит из двух частей: теоретической и практической. Материалы урока сопровождены методическими рекомендациями для педагогов по проведению основного варианта урока. Также в них предложены альтернативные сценарии проведения занятий с учетом разной технической оснащенности классов. Содержание и сопроводительные рекомендации к «Уроку цифры» по искусственному интеллекту и машинному обучению разработаны таким образом, чтобы занятия были доступными и интересными для школьников любого возраста.

Проект «Урок цифры» реализуется в поддержку федерального проекта «Кадры для цифровой экономики». Занятия на тематических тренажерах проекта проводятся в виде увлекательных онлайн-игр для трех возрастных групп: учащихся младшей, основной и старшей школы. Методические материалы уроков остаются в доступе на сайте проекта и охватывают широкий круг тематик: алгоритмы, кодирование, командная разработка, безопасность в Интернете, управление проектами, искусственный интеллект, машинное обучение, персональные помощники, сети и облачные технологии, большие данные, беспилотный транспорт, нейросети и коммуникации, приватность в цифровом мире.

Инициаторы «Урока цифры» — Министерство просвещения РФ, Министерство цифрового развития, связи и массовых коммуникаций РФ и АНО «Цифровая экономика». Задачами проекта являются развитие у школьников цифровых компетенций и ранняя профориентация: уроки помогают детям сориентироваться в мире профессий, связанных с компьютерными технологиями и программированием. Партнерами проекта в 2021/22 учебном году выступают «Лаборатория Касперского», Благотворительный фонд Сбербанка «Вклад в будущее», фирма «1 С», компании Яндекс, Mail.ru Group, Росатом.

Технологический партнер — международная школа программирования «Алгоритмика».

6+

Еще по теме:

Мини игра Баше

Игрок ходит первым. Нужно так построить последовательность ходов, чтобы взять последнюю спичку. В каждый ход можно брать от одной до трёх спичек. Выигрышная стратегия — оставлять компьютеру спички в количестве кратном 4. В этом случае, когда останется всего 4 спички, сколько бы ни взял компьютер, игрок забирает оставшиеся.

Поддержка участников олимпиады

Мы собрали для вас материалы, которые помогут подготовиться к решению олимпиадных задач

По всем вопросам организации и проведения олимпиады пишите на olimp@edsoo.ru

Вступайте в сообщество, задавайте вопросы организаторам и общайтесь друг с другом

Участники Олимпиады – обучающиеся 8-11 классов, мотивированные к углубленному изучению информатики и математики, владеющие основами программирования на одном из общедоступных языков программирования.

Участие в олимпиаде может принять обучающийся 8—11 классов любой образовательной организации.

В разделе “Регистрация” на сайте подробно описан алгоритм регистрации для педагогов и участников.

Задания Олимпиады направлены на поиск нестандартных решений в области разработки и применения интеллектуальных алгоритмов и моделей обработки больших данных.

Отборочный этап состоит из задач на логику, алгоритмических задач и задач по искусственному интеллекту начального уровня, которые отлично подойдут для начинающих программистов.

На основном этапе участников снова ждут алгоритмические задачи и задачи по искусственному интеллекту. Готовьтесь! Уровень сложности на этом этапе возрастает!

Заключительный этап предусматривает задачи, связанные исключительно с искусственным интеллектом. Отличный вызов для самых опытных участников!

Во-первых, знания – без них никуда. Во-вторых – правильно подготовленное рабочее место. Список требований к характеристикам компьютеров и программному обеспечению мы опубликовали в отдельном документе – с ним можно ознакомиться по ссылке. Обращаем внимание, что список является достаточным, но ты можешь использовать то ПО, в котором тебе привычнее работать.

Участники Олимпиады – обучающиеся 8-11 классов, мотивированные к углубленному изучению информатики и математики, владеющие основами программирования на одном из общедоступных языков программирования.

Участие в олимпиаде может принять обучающийся 8—11 классов любой образовательной организации.

В разделе “Регистрация” на сайте подробно описан алгоритм регистрации для педагогов и участников.

Задания Олимпиады направлены на поиск нестандартных решений в области разработки и применения интеллектуальных алгоритмов и моделей обработки больших данных.

Отборочный этап состоит из задач на логику, алгоритмических задач и задач по искусственному интеллекту начального уровня, которые отлично подойдут для начинающих программистов.

На основном этапе участников снова ждут алгоритмические задачи и задачи по искусственному интеллекту. Готовьтесь! Уровень сложности на этом этапе возрастает!

Заключительный этап предусматривает задачи, связанные исключительно с искусственным интеллектом. Отличный вызов для самых опытных участников!

Во-первых, знания – без них никуда. Во-вторых – правильно подготовленное рабочее место. Список требований к характеристикам компьютеров и программному обеспечению мы опубликовали в отдельном документе – с ним можно ознакомиться по ссылке. Обращаем внимание, что список является достаточным, но ты можешь использовать то ПО, в котором тебе привычнее работать.

Ответы на тесты для учеников 5-11-х классов (верные утверждения выделены жирным)

Тест № 1

1.     Gu_7Y8-wv более надёжный пароль, чем qwerty123.

2. Gu_7Y8-wv менее надёжный пароль, чем

Тест №2

1. Можно использовать любые Wi-Fi сети и без пароля, они все равно безопасные!

2.     Неизвестные Wi-Fi сети без пароля лучше не использовать — через них злоумышленники могут украсть твои данные.

Тест №3

1. Если сайт красиво выглядит, то он точно настоящий и не опасный.

2.     Cайты мошенников часто почти ничем не отличаются от настоящих — но адрес точно будет другой!

Тест №4

1. Если столкнулся с опасностью в сети и не знаешь, что делать — главное, не рассказывай родителям, вдруг получится самому справиться с ситуацией!

2.  Если столкнулся с опасностью в сети, расскажи обо всём родителям и обратись за помощью к профессионалам!