#7.1 Esplora il mondo del Machine Learning: un'avventura nel futuro del Coding
Percorso Formativo (Polo Transizione digitale - Taranto - TATF09000G)

242924

#7.1 Esplora il mondo del Machine Learning: un'avventura nel futuro del Coding

Online

11/04/2024

31/05/2024

24

80

Il percorso formativo è stato progettato per avvicinare i docenti (a partire dalla scuola Primaria sino alla Secondaria di secondo grado), o consolidare la loro formazione, verso le pratiche di uso dei dati (dataset), la loro esplorazione (anche grafica), per la definizione di modelli di Machine Learning, attraverso soluzioni block oriented di facile ed immediato utilizzo.
Saranno utilizzate piattaforme intuitive e di facile utilizzo con gli alunni per:
1. analizzare i dati (tipo, formato, valori mancanti, ecc.);
2. creare animazioni semplici in ambienti Coding (versioni di Scratch avanzate con estensioni/modelli per l’Intelligenza Artificiale);
3. addestrare un modello di Intelligenza Artificiale;
4. utilizzare un modello di Intelligenza Artificiale per creare animazioni;
5. valutare gli errori di apprendimento commessi dal modello ed apportare i miglioramenti.
Le attività saranno sviluppate con:
1. sintetici contenuti teorici (pillole digitali);
2. esercitazioni guidate con ambienti web based.
Il percorso prevede la consegna di 3 e-tivity (individuali e/o di gruppo).
Il docente formatore, per ogni e-tivity, metterà a disposizione una sua proposta di soluzione (che potrà essere studiata ed integrata dal docente corsista).

INTERO TERRITORIO NAZIONALE

Scuola primaria, Scuola secondaria I grado, Scuola secondaria II grado

Transizione digitale

Docenti

2. Risorse digitali

3. Pratiche di insegnamento e apprendimento

6. Favorire lo sviluppo delle competenze digitali degli studenti

B1. Sperimentatore/Intermedio/Conosce e utilizza in modo efficace e responsabile

24 ore (15 sincrone online + 9 ore asincrone per attività di lavoro autonomo).
INCONTRO 1: 11 Aprile 2024 (16:00 - 19:00):
Temi affrontati
➢ Parliamo dei dati: il data driven decision.
➢ Formato dei dati.
➢ Dati strutturati/non strutturati.
➢ Dataset e repository per dataset.
➢ Normalizzazione dei dati e missing value.
➢ Introduzione agli ambienti web based utilizzati nel corso: piattaforma per l'esplorazione dei dati, ambiente web based e block oriented per la definizione di un modello di machine learning (uso di blocchi, controlli ed eventi, movimenti, operatori e variabili), estensioni per AI e ML (machine learning, text recognition, hand detection, object detection, artificial intelligence).
➢ Documentazione a supporto.
INCONTRO 2: 18 Aprile 2024 (16:00 - 19:00):
Temi affrontati
➢ Incontro sincrono per il rinforzo di quanto trattato nell’incontro 1 e conclusione della e-tivity 1
INCONTRO 3: 2 maggio 2024 (16:00 - 19:00):
Temi affrontati
➢ Modelli di apprendimento: supervisionato, non supervisionato, con rinforzo.
➢ Addestrare un Modello: train e test set.
➢ Machine learning for kids: riconoscere cani e gatti, riconoscere rifiuti organici e non, i sopravvissuti del Titanic, riconoscere fake news.
➢ Ambiente coding integrato.
➢ Documentazione a supporto.
INCONTRO 4: 9 maggio 2024 (16:00 - 19:00):
Temi affrontati
➢ Addestriamo un Modello di Machine Learning: Classificazione e regressione, partitioning dei dati: train e test set, errori nella classificazione, errori nella regressione.
➢ Progetto guidato: un modello per riconoscere immagini (descrizione dettagliata del progetto, il set dei dati (immagini), definizione/esportazione del modello.
➢ Uso dell’ambiente a blocchi per testare il modello e realizzare semplici animazioni.
INCONTRO 5: 16 maggio 2024 (16:00 - 19:00):
Temi affrontati
➢ Momenti di ripasso/rinforzo di quanto trattato, finalizzati allo svolgimento delle 3 e-tivity assegnate.
➢ Socializzazione dei progetti presentati.
➢ Discussione ed ulteriori approfondimenti.
➢ Sviluppi futuri.

FRANCESCO PICCA

04/03/2024

04/04/2024