Название: Расширенный набор для экспериментов
Рекомендуемый возраст: 10–12 классы
Описание продукта: Расширенный набор для экспериментов отличается интегральным дизайном и разработан на базе системы Linux, предлагая готовое к использованию решение. Он поддерживает изучение искусственного интеллекта, обработку и анализ данных, а также управление данными. Оснащённый богатым набором сенсорных модулей, включая датчики освещённости, температуры и влажности, инфракрасные, ультразвуковые датчики и потенциометры, набор также поддерживает внешние устройства, такие как сервомоторы, цифровые индикаторы и LCD-дисплеи, что позволяет гибко управлять аппаратным обеспечением и реализовывать разнообразные экспериментальные сценарии.
Описание курса: Сопроводительная учебная программа обеспечивает полный путь обучения — от основ программирования на Python до применения искусственного интеллекта. На начальном этапе учащиеся начинают с синтаксиса Python и базовых экспериментов с аппаратным обеспечением, выполняя практические проекты, такие как управление сервомотором, инфракрасные охранные системы, детектирование света и мониторинг температуры и влажности. На среднем этапе они переходят к ультразвуковому измерению расстояния, IoT-коммуникациям, веб-скрапингу, обработке и визуализации данных, развивая навыки анализа данных и создания сетевых приложений. На продвинутом этапе учащиеся погружаются в машинное и глубокое обучение, изучая scikit-learn и нейронные сети для создания проектов, таких как распознавание речи, распознавание лиц, распознавание рукописных цифр и прогнозирование рекламы, в конечном итоге достигая бесшовной интеграции технологий ИИ и Интернета вещей.
Содержание курса
| № | Название урока | № | Название урока |
| Урок 1 | Базовый синтаксис Python | Урок 20 | Основы Python: Numpy |
| Урок 2 | Операторы в Python | Урок 21 | Основы Python: Pandas |
| Урок 3 | Условия и циклы | Урок 22 | Основы Python: Визуализация данных |
| Урок 4 | Строки и списки | Урок 23 | Основы Python: Веб-скрапинг |
| Урок 5 | Словари | Урок 24 | Основы машинного обучения |
| Урок 6 | Применение функций | Урок 25 | Библиотека scikit-learn |
| Урок 7 | Обработка файлов | Урок 26 | Алгоритм линейной регрессии |
| Урок 8 | Эксперимент со светодиодом | Урок 27 | Дерево решений |
| Урок 9 | Эксперимент с кнопкой | Урок 28 | Алгоритм k-ближайших соседей (KNN) |
| Урок 10 | Эксперимент с сервомотором | Урок 29 | Кластеризация K-средних |
| Урок 11 | Эксперимент с инфракрасной сигнализацией | Урок 30 | Распознавание речи |
| Урок 12 | Эксперимент с датчиком освещённости | Урок 31 | Применение распознавания изображений |
| Урок 13 | Эксперимент с датчиком температуры и влажности | Урок 32 | Применение распознавания лиц |
| Урок 14 | Эксперимент с потенциометром | Урок 33 | Применение распознавания текста |
| Урок 15 | Ультразвуковой эксперимент | Урок 34 | Нейронные сети и глубокое обучение |
| Урок 16 | Эксперимент с цифровым индикатором | Урок 35 | Нейронные сети и машинное обучение: Генератор древней поэзии |
| Урок 17 | Эксперимент с точечным матричным экраном | Урок 36 | Нейронные сети и машинное обучение: Прогнозирование рекламы |
| Урок 18 | Эксперимент с Интернетом вещей (IoT) | Урок 37 | Нейронные сети и машинное обучение: Распознавание жестов |
| Урок 19 | Эксперимент с интернетом | Урок 38 | Нейронные сети и машинное обучение: Распознавание рукописных цифр |
| Урок 39 | Нейронные сети и машинное обучение: Кластеризация изображений |