Августовские совещания и мероприятия нового 2022-2023 учебного года.
Результаты независимой оценки качества оказания услуг организациями
Горячая линия по вопросам оплаты труда работников образования.
Меры поддержки участников СВОВ школах округа стартовали тематические «УРОКИ ЦИФРЫ»
В рамках проходящего в настоящее время Всероссийского образовательного мероприятия «Урок цифры» с 25 февраля по 1 марта 2019 года во всех школах Чукотского автономного округа пройдет тематический урок «Искусственный интеллект и машинное обучение».
Урок адресован обучающимся 1-11 классов, направлен на развитие ключевых компетенций цифровой экономики у школьников, а также профориентацию для осуществления дальнейшей деятельности в сфере информационных технологий.
В тематическом уроке «Искусственный интеллект и машинное обучение» примут участие Сбербанк и Благотворительный фонд Сбербанка «Вклад в будущее». Урок «Искусственный интеллект и машинное обучение» разработан специалистами Сбербанка и прошел экспертизу Министерства просвещения России.
На официальном сайте «Урока цифры» урокцифры.рф размещены необходимые для подготовки урока материалы для преподавателей и онлайн-тренажер для обучающихся.
Ученики с 1-го по 8-й класс будут обучать робота трудиться в зоопарке. Ребятам предстоит наладить работу зоопарка, где большую часть роботы выполняют роботы. На начальном этапе роботы будут постоянно допускать какие-то ошибки, например, собакам будет доставаться корм для кошек, а игрушки для кошек попадать в секцию для волков. Это происходит из-за того, что робот не понимает кто где находится, а просто работает по алгоритму, который уже давно не обновлялся. Вместо того, чтобы перепрограммировать робота каждый раз, лучше научить его отличать зверей друг от друга. И здесь нам на помощь придет искусственный интеллект.
Ученики с 9-ого по 11-й класс познакомятся с моделью машинного обучения. Старшеклассники увидят основные этапы работы с искусственным интеллектом: научатся настраивать гиперпараметры нейронной сети, улучшать модели по мере прохождения, изменять результаты модели на тестовых данных и выбирать лучшие из них.
