Blok Tabanlı Robotik Kodlama · Başlangıç · Kodlama deneyimi olmayan ya da Scratch kullanmış ortaokul öğrencileri ve yapay zekâya giriş yapmak isteyen öğretmenler için.
Yapay Zekâ ile Tanışıyorum: Görüntü ve Ses Tanıma
Kod yazmadan, tarayıcıda ve blok kodlamayla görüntü ve ses tanıyan yapay zekâ modelleri eğitiyoruz. Modellerimizi Scratch oyunlarına ve Arduino’ya bağlıyor, yapay zekânın neden yanılabileceğini deneylerle keşfediyoruz.
Derse başlaBu kursta neler öğreneceksin?
- Makine öğrenmesinin veri toplama, eğitme ve deneme adımlarını açıklar.
- Teachable Machine ile görüntü ve ses tanıyan modeller eğitir ve başarılarını tabloyla ölçer.
- Işık, açı ve arka planın model başarısına etkisini deneyle inceler.
- Eğittiği modelleri Scratch oyunlarına ve PictoBlox ile Arduino’ya bağlar.
- Yapay zekâdaki yanlılığın nedenlerini ve sonuçlarını tartışır, adil veri toplamanın yollarını önerir.
Neler gerekli?
- Kameralı ve mikrofonlu bir bilgisayar (Windows, macOS veya Linux)
- Güncel bir tarayıcı (Chrome önerilir) ve internet bağlantısı
- 6. ve 8. dersler için PictoBlox masaüstü uygulaması (ücretsiz; makine öğrenmesi ortamı web sürümünde yoktur)
- 6. ve 8. dersler için Arduino Uno ve USB kablosu, breadboard, 2 LED, 2 adet 220 Ω direnç, SG90 servo motor, jumper kablolar
- Karton kutu, renkli kartonlar, bant ve makas
- Önceden kodlama bilgisi gerekmez
Telefonunuz yüzünüzü nasıl tanıyor? Sesli asistan söylediğinizi nasıl anlıyor? Bu kursta bu soruların cevabını kendi yapay zekâ modellerimizi eğiterek buluyoruz. Hem de tek satır kod yazmadan!
Teachable Machine ile taş, kâğıt, makas işaretlerini ve alkış, şıklatma gibi sesleri tanıyan modeller eğitiyoruz. Bir bilim insanı gibi deney yapıp ışığın, açının ve arka planın modeli nasıl etkilediğini ölçüyoruz. Machine Learning for Kids ile sesimizle oynanan bir Scratch oyunu yapıyor, PictoBlox ile modelimizi Arduino’ya bağlayıp LED’leri ve servo motoru yönetiyoruz.
Kurs boyunca yapay zekânın neden yanılabileceğini de konuşuyoruz: Yanlılık nedir, adil bir model için nelere dikkat etmeliyiz? Son projede “aç” dediğinizde kapağını açan bir akıllı çöp kutusu yapıyoruz.
Kurs İçeriği:
- 1. Ders: Makine Öğrenmesi Nedir?
- 2. Ders: İlk Modelim: Taş, Kâğıt, Makas
- 3. Ders: İyi Veri, İyi Model: Işık ve Açı Deneyi
- 4. Ders: Sesleri Tanıyan Model
- 5. Ders: Modelimi Scratch Oyununa Bağlıyorum
- 6. Ders: Modelimi Karta Bağlıyorum: PictoBlox ile Arduino
- 7. Ders: Yapay Zekâ Neden Yanılır?
- 8. Ders: Mini Proje: Sesle Açılan Akıllı Çöp Kutusu
İçindekiler
- 1 Konu anlatımı ⏱ 40 dk Makine Öğrenmesi Nedir? Bilgisayarlar bir işi nasıl öğrenir? Bu derste kurallarla çalışan programlar ile örneklerden öğrenen programlar arasındaki farkı oyunlarla keşfediyor, makine öğrenmesinin üç adımını (veri toplama, eğitme, deneme) tanıyor ve günlük hayatımızdaki yapay zekâ örneklerini buluyoruz.
- 2 Etkinlik ⏱ 80 dk İlk Modelim: Taş, Kâğıt, Makas Teachable Machine ile kod yazmadan ilk görüntü tanıma modelimizi eğitiyoruz. Bilgisayarın kamerasıyla taş, kâğıt, makas el işaretlerinin ve boş görüntünün fotoğraflarını topluyor, modeli eğitiyor, canlı olarak deniyor ve kaç denemede kaç doğru tahmin yaptığını bir tabloya kaydediyoruz.
- 3 Etkinlik ⏱ 80 dk İyi Veri, İyi Model: Işık ve Açı Deneyi Bir bilim insanı gibi deney yapıyoruz: Yalnızca aydınlık ortamda ve önden çekilmiş fotoğraflarla eğitilen bir model, loş ışıkta, yandan ya da farklı bir arka planda ne kadar başarılı olur? Sonuçları tabloya yazıyor, çeşitli verilerle modeli yeniden eğitiyor ve iki modeli grafikle karşılaştırıyoruz.
- 4 Etkinlik ⏱ 80 dk Sesleri Tanıyan Model Bu kez modelimiz kulaklarını kullanıyor. Teachable Machine’in ses projesiyle alkış, parmak şıklatma ve masaya vurma seslerini ayırt eden bir model eğitiyoruz. Arka plan gürültüsünün neden ayrı bir sınıf olduğunu öğreniyor, sesin “resmi” olan spektrogramı tanıyor ve modelimizi bir deneme tablosuyla test ediyoruz.
- 5 Etkinlik ⏱ 80 dk Modelimi Scratch Oyununa Bağlıyorum Machine Learning for Kids sitesinde “sola”, “sağa” ve “zıpla” sesli komutlarını tanıyan bir model eğitiyor, bu modeli Scratch’e bağlıyoruz. Sonra kediyi sesimizle yönettiğimiz, gökten düşen elmaları topladığımız bir oyun yapıyoruz. Blok kodlarını adım adım birlikte kuruyoruz.
- 6 Etkinlik ⏱ 80 dk Modelimi Karta Bağlıyorum: PictoBlox ile Arduino Yapay zekâ modelimiz artık ekranın dışına çıkıyor. PictoBlox’ın makine öğrenmesi ortamında kırmızı ve yeşil kartları tanıyan bir görüntü modeli eğitiyor, bu modeli Arduino Uno’ya bağlı LED’lerle birleştiriyoruz. Model yeşil kartı görünce yeşil, kırmızı kartı görünce kırmızı LED yanıyor.
- 7 Etkinlik ⏱ 80 dk Yapay Zekâ Neden Yanılır? Yapay zekâ da yanılır; önemli olan nedenini bulmaktır. Üç küçük deneyle modellerin arka plana göre karar verebildiğini, dengesiz veriyle bir sınıfı kayırdığını ve yalnızca bir kişinin verisiyle eğitilince başkalarında zorlandığını gösteriyoruz. Ardından yanlılığın gerçek hayattaki sonuçlarını ve adil bir model için neler yapılabileceğini tartışıyoruz.
- 8 Proje ⏱ 120 dk Mini Proje: Sesle Açılan Akıllı Çöp Kutusu Kursun son projesinde öğrendiklerimizi birleştiriyoruz: “aç” dediğimizde kapağını açan, “kapat” dediğimizde ya da birkaç saniye sonra kendiliğinden kapanan karton bir akıllı çöp kutusu yapıyoruz. Sesli komut modelini PictoBlox’ta eğitiyor, kapağı Arduino’ya bağlı bir servo motorla hareket ettiriyor, projemizi test edip sunuyoruz.