AlphAI 課程總覽
| 類別 | 主題 | 簡介 | 時長 | 程度 |
|---|---|---|---|---|
| 基礎 | G1. AI 人工智能簡介 建議由這課開始 |
通過 AlphAI 學習 AI 自動化的 4個階段 : 1) Leading (遙控 Remote Control) 2. 編程 3. 監督式學習 (通過模仿) 4. 強化學習 ( "Trail and Error 反複試驗) | 1-4 小時 | 小學至大學 |
| G2. AI 人工智能的倫理 | 一系列說明 AI 引起的倫理問題（數據私隱、偏見等）的情景 |
2-3 小時 | 初中至大學 | |
| Python 編程 | P1. AlphAI 遙控(Remote Control) 的實際操控 由控制機械人到機器學習 |
Python編程：根據鍵盤上的按鍵向AlphAI 發送指令，然後組織 AlphAI 機械人比賽 |
2-3 小時 | 高中至大學 |
| P2. 相機編程的實際操作 | Python 編程：使用超聲波和攝像鏡頭對 AlphAI 進行編程以使它能透追過自己的決策運行，然後組織AlphAI 機器人比賽。 |
2-3 小時 | 高中至大學 | |
| Supervised Learning ( 監督式學習) | S1 . AlphAI 機械人比賽 建議通過實戰來發現「機器學習」原理 |
對於一個有多個 AlphAI 的班別來說，這是一項有趣的活動：學生們訓練AlphAI 在賽道上駕駛，然後組織一場比賽。 學生通過操作/訓練來學習監督式學習的原理和訓練數據質量的重要性。 |
2-3 小時 | 小學至高中 |
| S2. 人類-機器人的互動 (Human-Machine interaction) |
一項為學生的想像留出空間的有趣活動：創建課程或編排，AlphAI 對各種視覺信號（例如手勢）做出反應。 |
2-3 小時 | 小學至高中 | |
| S3. KNN 演算法的實際操作 理解第一個直觀演算法 |
以圖像及數字視覺化地呈現 KNN 演算法如何應用在避障上。 第二部份讓學生重新編寫演算法再套用在 AlphaAI 上。(增潤內容) |
1 小時 (第一部份) 2-3 小時 (第二部份) |
高中至大學 | |
| S4. 「顏色」KNN 演算法的實際操作 | 更進階的「KNN 演算法」，對圖像進行特定工作並對這些圖像預先進行編程。 | 3-4 小時 | 大學 | |
| S5. 探測「入侵者」的實際操作 詳細了理深度學習(Deep Learning) |
透過超音波(Ultra-sound)活動以數學理論來理解神經網絡(neural networks)的原理。這樣做的目的是理解為什麼我們需要中間層的神經元(Intermediate layers of neurons)。 |
2 小時 | 高中至大學 | |
| Reinforcement Learning (強化學習) | R1 以示例說明強化學習的原理（進階） | “發現強化學習”(Discovery Reinforcement Learning)教程的更高級版本，用戶在其中發現所涉及的方程式並操縱其參數 |
3 小時 | 大學 |
雖然有不少章節被 AlphAI 視為高中至大學程度的課程 , 但當中有不少概念跟 Demo 皆以淺白的形式說明 ,
對學生學習 AI 人工智能的概念，原理等還是有很大幫助的，我們亦會將那些內容節錄成中文版本供大家參考。
英文版 :
Google Drive 版本 :
網頁 : https://bit.ly/3axx4Om , 可在「Download」下載老師/學生版本的教案。