Trénování a ověřování modelu

Žáci natrénují jednoduchý model, ověří jeho predikce na dosud neviděných datech a hledají, jak nedostatky dat ovlivňují jeho výsledky.

Průvodce tématem Trénování a ověřování modelu v předmětu Informatika pro 8. třídu: co mají žáci zvládnout, na co navázat a kde nejčastěji chybují. K tomu příprava na hodinu, pracovní list nebo písemka, které ScioBot připraví na jedno kliknutí přesně pro tento ročník.

Připravit hodinu Všechny formáty

Klikněte a tvořte

Získejte přípravu zdarma

Vyberte formát. Jedním kliknutím otevřete tvorbu na téma Trénování a ověřování modelu (8. třída) — ScioBot ho připraví za vás.

Připravit hodinu

Další formáty na jedno kliknutí

Téma i ročník jsou už vyplněné. Nic nepíšete — rovnou tvoříte.

Žáci v 8. ročníku přejdou od popisu strojového učení k vlastnímu pokusu: na malé tabulce dat natrénují jednoduchý model, například rozhodovací strom nebo lineární regresi, a ověří, zda jeho predikce odpovídají skutečnosti. Výstup INF-INF-001-ZV9-004 zahrnuje trénování modelu i posouzení jeho úspěšnosti; proto žáci porovnávají predikce se skutečnými hodnotami na datech, která model při učení neviděl.

Při trénování model z příkladů odvozuje pravidla nebo přímku. Při vyhodnocování se predikce porovnávají se skutečností: u klasifikace lze zjistit podíl správných odpovědí, u číselných odhadů velikost odchylek. Důležité je také prohlédnout si konkrétní chyby. Žáci mohou zkoumat například nevyvážené třídy, chybějící skupiny v datech nebo údaj, který prozrazuje výsledek a při skutečném rozhodování by nebyl dostupný. Zkreslení může způsobit, že model některým skupinám předpovídá hůře.

Cílem je, aby žáci srozumitelně popsali postup: rozdělit data, natrénovat model, vyhodnotit jeho chyby a navrhnout, co upravit v datech nebo v zadání. Podle zvoleného nástroje mohou pracovat s jednoduchým modelem nebo krátkým skriptem; učitel jim s trénováním a vyhodnocením pomáhá. Žáci vysvětlí, co model zvládá a kde selhává.

Předpoklady

  • Princip strojového učení: příklady, trénování, predikce a rozdíl oproti ručně napsanému programu
  • Čtení tabulky: sloupec jako vlastnost a řádek jako jeden příklad
  • Podmínky a větvení jako základ rozhodovacího stromu

Klíčové pojmy

Trénovací a testovací data
Data se rozdělí na dvě části: z jedné se model učí, druhá slouží k ověření, zda jeho pravidla fungují i na dosud neviděných příkladech.
Rozhodovací strom
Model postupuje podle otázek na vlastnosti příkladu, například na jeho věk nebo teplotu, a na konci určí predikovanou třídu.
Lineární regrese
Model hledá přímku, která na základě číselných vlastností odhaduje číselný výsledek, například cenu nebo čas.
Vyhodnocení kvality
Predikce se porovnají se skutečností. U klasifikace lze sledovat podíl správných odpovědí, u číselného odhadu velikost odchylek; užitečné je prohlédnout si také konkrétní chyby.
Přeučení
Model se příliš přizpůsobí trénovacím datům, včetně jejich náhodných odchylek, a hůře předpovídá nové příklady. Může se to projevit výrazně lepším výsledkem na trénovacích než na testovacích datech.
Zkreslení v datech
Pokud jsou některé skupiny v datech málo zastoupené nebo jsou příklady chybně označené, mohou být predikce modelu pro různé skupiny různě přesné.
Únik informace
Do dat pro trénování se dostane údaj, který by při skutečném rozhodování nebyl znám, například budoucí výsledek. Model pak může vypadat úspěšněji, než ve skutečnosti je.

Časté miskoncepce

  • Častá chyba

    „Máme 95 % správně, model je výborný.“ V datech přitom tvoří 95 % příkladů jedna třída a model vždy předpovídá právě ji.

    Jak na to

    Porovnejte výsledek modelu s jednoduchým pravidlem „vždy předpověz nejčastější třídu“ a prohlédněte si chyby zvlášť pro každou třídu.

  • Častá chyba

    Žáci vyhodnotí model na stejných řádcích, na kterých se učil, a z dobrého výsledku usoudí, že správně předpoví i nové příklady.

    Jak na to

    Před trénováním odložte část řádků stranou. Model vyhodnoťte na nich a výsledek na trénovacích datech použijte jen k porovnání.

  • Častá chyba

    „Strom je spravedlivý, protože se učil z čísel.“ Žáci přehlédnou, že některá skupina v datech téměř chybí, například odpolední spoje nebo dívky v kroužku.

    Jak na to

    Prohlédněte si chyby zvlášť pro jednotlivé skupiny. Žáci určí, kde je málo příkladů nebo mnoho chyb, a navrhnou, jak data doplnit nebo zlepšit.

  • Častá chyba

    U regrese považují jednu přesnou predikci za důkaz, že přímka funguje, a nevšímají si velkých odchylek na krajích dat.

    Jak na to

    Najděte několik největších rozdílů mezi skutečností a predikcí a posuďte, zda přímka vystihuje vztah i u těchto příkladů.

Jak učit

2–3 hodiny

  1. Evokace: Ukažte dvě predikce pro stejný příklad: jednu od modelu a druhou podle pravidla „vždy předpověz nejčastější odpověď“. Zeptejte se, jak poznáme, která predikce je užitečnější.
  2. Uvědomění: S podporou učitele rozdělte malou tabulku na trénovací a testovací data, natrénujte strom nebo regresi a porovnejte predikce se skutečností. Prohlédněte si několik chyb a zvažte, zda je nezpůsobil některý ze sloupců.
  3. Reflexe: Každý tým jednou větou popíše, co model umí, kde chybuje a co by příště změnil v datech nebo v zadání.

Nápady na aktivity

  • Vytvořte malou školní tabulku, například o docházce a počasí s údajem, zda se výlet konal. Jedna polovina třídy sestaví rozhodovací strom na papír, druhá ověří jeho predikce na skrytých kartách a hledá chyby v datech.
  • Porovnejte dvě verze číselných dat: v jedné je mezi vlastnostmi i údaj, který prozrazuje výsledek, ve druhé tento údaj chybí. Žáci porovnají výsledky a vysvětlí, proč zdánlivě vysoká úspěšnost první verze neukazuje, jak by model fungoval v praxi.

Hodnocení

S podporou učitele žák rozdělí malou tabulku na trénovací a testovací data, natrénuje rozhodovací strom nebo regresi a uvede výsledek vyhodnocení na testovacích datech i jeden konkrétní omyl modelu.

Žák ústně nebo krátkým zápisem vysvětlí jeden příklad zkreslení v datech či predikci a navrhne, jak data nebo zadání upravit.

Zdroje

Co pro vás ScioBot připraví k tématu Trénování a ověřování modelu

Interaktivní aktivity, které žáci spustí na tabletu či tabuli, tisknutelné kartičky a hry pro celou třídu – každý formát na téma Trénování a ověřování modelu jedním klikem.

Základní materiály

Interaktivní aktivity 15

K tisku a rozstříhání 8

Hry pro celou třídu 4

Očekávané výstupy

  • INF-INF-001-ZV9-004 Natrénuje model strojového učení a vyhodnotí, jak dobře model funguje.

Učíte Trénování a ověřování modelu trochu jinak?

Popište ScioBotu vlastními slovy, co s žáky chcete zvládnout a kolik máte času. Materiál přizpůsobí vašemu ŠVP, třídě i žákům se speciálními vzdělávacími potřebami.

Napsat ScioBotu

Související témata