2
Пояснительная записка
Актуальность и назначение программы
Общая характеристика курса. Факультативный курс «Искусственный
интеллект» предназначен для преподавания в 10-11 классах. Этот курс направлен на
продолжение формирования знаний учащихся старших классов о системах
искусственного интеллекта как одной из наиболее перспективной и развивающейся
областей научного и технологического знания.
Искусственный интеллект – стратегически важное направление, которое в
Национальной программе «Цифровая экономика Российской Федерации» обозначено
в качестве одной из сквозных цифровых технологий, обеспечивающих ускоренное
развитие приоритетных отраслей экономики и социальной сферы. Принятая в 2019 г.
Национальная стратегия развития искусственного интеллекта ставит задачи
совершенствования системы подготовки кадров в этом направлении, а также
разработки и внедрения модулей по искусственному интеллекту в образовательные
программы всех уровней, включая среднее общее образование. На решение данной
задачи и направлен настоящий курс.
Структурно данный курс включает два взаимосвязанных модуля (раздела)
Массивы в Python и Машинное обучение. Первый модуль (раздел) связан с
актуализацией и дальнейшим развитием знаний и умений по основам
программирования на Python. Сформированные у учащихся знания и умения по этому
модулю (разделу) будут в дальнейшем использованы при изучении второго модуля
(раздела), освоение которого направлено на развитие представлений о многообразии
подходов в разработке искусственного интеллекта, их возможностях и ограничениях;
на формирование знаний о машинном обучении и умений проектирования и
реализации модели машинного обучения на Python. При изучении этих модулей
(разделов) учащиеся не только узнают о специфике основных задач машинного
обучения, но и научатся выявлять и формулировать данные задачи в соответствии с
реальными потребностями в различных сферах жизни человека. Этому будет
способствовать решение практико-ориентированных задач, в том числе и
непосредственно связанных со школьной жизнью, с изучением других учебных
дисциплин. В ходе освоения учебного материала курса у учащихся формируется
устойчивый интерес к системам искусственного интеллекта и закладывается база для
продолжения их изучения в рамках внеурочной деятельности или дополнительного
образования, или самообразования в этом направлении, например, самостоятельного
освоения курса с использованием образовательных онлайн ресурсов.
Курс «Искусственный интеллект» носит междисциплинарный и комплексный
характер. С одной стороны, в нем синтезируются знания и умения учащихся,
полученные ими на уроках математики, информатики, физики, биологии (решение
задач с физическим и биологическим содержанием). С другой стороны, в структуре
этого курса отчетливо выделяются и теоретическая и практическая составляющие.
Учащиеся знакомятся с областями применения и базовыми понятиями курса, а в ходе
дидактических игр и выполнения практических и проектных заданий получают опыт
активной, творческой индивидуальной, групповой и коллективной деятельности по
3
осмыслению ключевых задач машинного обучения и основных подходов в
применении машинного обучения для создания интеллектуальных систем.
Цель и задачи курса «Искусственный интеллект».
Целью изучения факультативного курса «Искусственный интеллект» является
развитие у учащихся устойчивого интереса к освоению данной области знаний и
формирование представления о многообразии подходов в разработке искусственного
интеллекта, об их возможностях и ограничениях, приобретение базовых знаний и
умений в сферах науки о данных, машинного обучения и многообразии сфер их
применения, а также формирование цифровой грамотности, развитие компетенций в
области искусственного интеллекта, востребованных на отечественном рынке труда с
учетом динамично развивающейся сферы ИИ.
Задачи курса: формирование у учащихся представлений о многообразии
подходов в разработке искусственного интеллекта, их возможностях и ограничениях
(обучение с учителем, обучение без учителя, нейросети); о машинном обучении,
сферах его применения; приобретение умений по решению задач МО (регрессия,
классификация, кластеризация), анализу данных и визуализации (на языке
программирования Python с использованием библиотек Pandas, Matplotlib, NumPy,
Seaborn); умений проектировать и реализовывать модели машинного обучения;
развитие коммуникационных навыков, умений работы в команде, самостоятельной
работы и организационной культуры.
Целевая аудитория. Учащиеся 10-11 классов общеобразовательных школ.
Место курса «Искусственный интеллект» в учебном плане. Курс реализуется
на факультативных занятиях в 10 классе (1 ч в неделю) и в 11 классе (1 ч в неделю).
Реализация программы и формы проведения занятий
Реализация программы предполагает использование форм работы, которые
предусматривают активность и самостоятельность обучающихся, сочетание
индивидуальной и групповой работы, деловые игры. Вовлеченность школьников в
данную внеурочную деятельность позволит обеспечить их самоопределение,
расширить зоны поиска своих интересов в различных сферах прикладных знаний,
переосмыслить свои связи с окружающими, свое место среди других людей. В целом
реализация программы вносит вклад в нравственное и социальное формирование
личности.
Взаимосвязь с рабочей программой воспитания
Программа факультативного курса «Искусственный интеллект» разработана с
учетом рабочей программы воспитания.
Согласно программе воспитания, у современного школьника должны быть
сформированы ценности Родины, человека, природы, семьи, дружбы, сотрудничества,
знания, здоровья, труда, культуры и красоты. Эти ценности находят свое отражение в
содержании занятий по основным направлениям функциональной грамотности,
вносящим вклад в воспитание гражданское, патриотическое, духовно-нравственное,
эстетическое, экологическое, трудовое, воспитание ценностей научного познания,
формирование культуры здорового образа жизни, эмоционального благополучия.
Реализация курса «Искусственный интеллект» способствует осуществлению главной
цели воспитания – полноценному личностному развитию школьников и созданию
условий для их позитивной социализации.
4
Содержание факультативного курса «Искусственный интеллект»
Технологии искусственного интеллекта прочно вошли в нашу жизнь и очевидно,
что с течением времени степень этого проникновения будет лишь увеличиваться.
Использование интернет-поиска, голосовых помощников, сервисов распознавания
изображений, онлайн игр является частью нашей повсеместной действительности.
Задача состоит в том, чтобы помочь учащемуся занять по отношению к этим
технологиям позицию не пассивного пользователя, а активного творца и создателя,
понимающего суть технологий искусственного интеллекта и способного создавать
свои, оригинальные решения. Очевидно, что уже в ближайшем будущем от того,
насколько грамотно выпускник школы сможет конструировать собственную среду
жизни и профессиональной деятельности, в том числе, интегрируя в нее технологии
искусственного интеллекта, будет зависеть его успешность и конкурентоспособность.
Поэтому столь важно освоение технологий искусственного интеллекта, хотя бы и на
базовом уровне.
Курс «Искусственный интеллект» органично интегрируется с предметами,
которые изучаются учащимися старшей школы. Естественным образом выглядит
интеграция с дисциплинами предметной области «Математика и информатика».
Развитие логического и алгоритмического мышления, осуществляемое на уроках по
этим дисциплинам, служит задаче формирования прочной базы, на которой в
дальнейшем может происходить становление специалиста по искусственному
интеллекту.
Результаты освоения факультативного курса
«Искусственный интеллект»
Занятия в рамках программы направлены на обеспечение достижений
обучающимися следующих
личностных,
метапредметных и предметных
образовательных результатов. Они формируются во всех направлениях
функциональной грамотности, при этом направление формирования имеет
приоритетное значение.
ЛИЧНОСТНЫЕ РЕЗУЛЬТАТЫ
Формирование у учащегося мировоззрения, соответствующего современному уровню
развития науки и общества.
Формирование у учащегося интереса к достижениям науки и технологии в области
искусственного интеллекта
Формирование у учащегося установки на осмысленное и безопасное взаимодействие с
технологиями и устройствами, реализованными на основе принципов искусственного
интеллекта.
Приобретение опыта творческой деятельности, опирающейся на использование
современных информационных технологий, в том числе искусственного интеллекта.
5
МЕТАПРЕДМЕТНЫЕ РЕЗУЛЬТАТЫ
Познавательные УУД:
Умение работать с информацией, анализировать и структурировать полученные
знания и синтезировать новые, устанавливать причинно-следственные связи.
Умения объяснять явления, процессы, связи и отношения, выявляемые в ходе
познавательной и исследовательской деятельности.
Умение делать выводы на основе критического анализа разных точек зрения,
подтверждать их собственной аргументацией или самостоятельно полученными
данными.
Умение анализировать/рефлексировать опыт исследования (теоретического,
эмпирического) на основе предложенной ситуации, поставленной цели;
Умение строить рассуждение на основе сравнения предметов и явлений.
Регулятивные УУД:
Умение обосновывать целевые ориентиры и приоритеты ссылками на ценности,
указывая и обосновывая логику.
Умение планировать необходимые действия в соответствии
познавательной задачей и составлять алгоритм их выполнения.
с
учебной
и
Умение описывать свой опыт, оформляя его для передачи другим людям в виде
технологии решения практических задач определенного класса.
Умение выбирать из предложенных вариантов и самостоятельно искать
средства/ресурсы для решения задачи/достижения цели в ходе исследовательской
деятельности.
Умение принимать решение в игровой и учебной ситуации и нести за него
ответственность.
Коммуникативные УУД
Умение взаимодействовать в команде, умением вступать в диалог и вести его.
Умение соблюдать нормы публичной речи,
регламент в монологе и дискуссии в соответствии с коммуникативной задачей.
Умение определять свои действия и действия партнеров для продуктивной
коммуникации.
Умение приходить к консенсусу в дискуссии или командной работе.
ПРЕДМЕТНЫЕ РЕЗУЛЬТАТЫ
Иметь представления о многообразии подходов в разработке искусственного
интеллекта, их возможностях и ограничениях; о машинном обучении и сферах его
применения;
Уметь объяснять разницу между машинным обучением с учителем и без учителя.
6
Выявлять и формулировать задачи машинного обучения для различных сфер жизни
человека и в соответствии с реальными потребностями.
Иметь представления о создании модели классификации на сервисе Teachable
Machine.
Иметь представления о недообученных и переобученных моделях машинного
обучения, уметь выявлять проблемы по характерным признакам и знать способы
борьбы с переобучением и недообучением моделей.
Получить практический опыт тестирования готовой модели машинного обучения
Иметь представления о сущности работы модели логистической регрессии и
возможностях ее применения для классификации объектов; об использовании
деревьев решений в машинном обучении.
Уметь создавать модели линейной регрессии на Python с помощью библиотек pandas,
numpy и sklearn
Уметь проектировать и реализовывать модели машинного обучения на Python с
помощью инструментов библиотеки sklearn.
Тематическое планирование с указанием форм организации
и видов деятельности
10 класс
№
Тема
1
Колво
часов
Основы 8
языка
програ
ммиров
ания
Python
Основное
содержание
Линейный
алгоритм, блоксхема.
Математические
операторы,
оператор
присваивания,
функции print(),
input(), float().
Этапы решения
задач на
компьютере.
Модель,
алгоритм,
формализация,
Основные виды
деятельности
Аналитическая:
анализ движения
беспилотного
автомобиля;
анализ
алгоритма
движения
беспилотного
автомобиля;
анализ
этапов
решения задачи
на
движение
беспилотного
автомобиля.
Коммуникационн
ая: ответы на
вопросы
учителя, в том
числе
проблемные
(обсуждение по
блок-схеме
этапов решения
Формы
проведения
занятий
Беседа, работа
в группах,
планирование
работы.
Игры и
упражнения,
помогающие
объединить
участников
программы,
которые будут
посещать
занятия.
Тестирование.
Цифровые
образовательные
ресурсы
Библиотека ЦОК.
РЭШ.
https://fipi.ru/oge/otkryt
yy-bank-zadaniyoge#!/tab/173942232-3
7
линейный и
2
Этапы
решени
я задачи
на
компью
тере
1
задачи на ПК).
Практическая:
разветвляющийся
решения задачи
алгоритмы.
на
движение
беспилотного
Условный
автомобиля,
в
оператор в Python, том
числе
составление
полный и
алгоритма,
неполный
написание кода;
составление
условные
описания
операторы.
каждого
этапа
решения задачи
на ПК (по блоксхемам)
Рефлексивная:
заполнение листа
рефлексии в
конце урока
Линейный
Аналитическая:
анализ движения
алгоритм, блокбеспилотного
схема.
автомобиля;
анализ
Математические
алгоритма
операторы,
движения
беспилотного
оператор
автомобиля;
присваивания,
анализ
этапов
решения задачи
функции print(),
на
движение
input(), float().
беспилотного
автомобиля.
Этапы решения
Коммуникационн
задач на
ая: ответы на
вопросы
компьютере.
учителя, в том
Модель,
числе
проблемные
алгоритм,
(обсуждение по
формализация,
блок-схеме
этапов решения
линейный и
задачи на ПК).
разветвляющийся Практическая:
решения задачи
алгоритмы.
на
движение
Условный
беспилотного
автомобиля,
в
оператор в Python,
том
числе
полный и
составление
алгоритма,
неполный
написание кода;
Работа
индивидуально или в парах.
Обсуждение
результатов
выполнения
заданий
Библиотека ЦОК.
РЭШ.
https://fipi.ru/oge/otkryt
yy-bank-zadaniyoge#!/tab/173942232-3
8
условные
3
Решени
е задач
на
компью
тере
4
Одноме 3
рные
массивы
в Python
списки.
Создани
е
списков
и вывод
элемент
ов
1
составление
описания
операторы.
каждого
этапа
решения задачи
на ПК (по блоксхемам)
Рефлексивная:
заполнение листа
рефлексии в
конце урока
Повторение
Практическая:
презентация
основных базовых
выполненного
понятий Python,
домашнего
задания; участие
изученных ранее.
в викторине на
повторение
базовых понятий
Python.
Рефлексивная:
заполнение листа
рефлексии в
конце урока
Создание списков Аналитическая:
анализ
и
и вывод
комментировани
элементов.
е
каждого
элемента
Список, массив,
термина
элементы списка, «списки»;
написание кода.
индекс элемента
Практическая:
списка. Методы
написание
программы для
.append и .sort,
хранения
и
положительные и обработки
данных
об
отрицательные
оценках
по
индексы, срезы.
истории
за
текущую
четверть;
выполнение
заданий в Jupyter
Notebook
по
созданию списка
subjects
с
элементами.
Коммуникационн
ая: ответы на
вопросы
учителя, участие
в
групповом
обсуждении при
Работа
индивидуально или в парах.
Обсуждение
результатов
выполнения
заданий
Библиотека ЦОК.
РЭШ.
https://fipi.ru/oge/otkryt
yy-bank-zadaniyoge#!/tab/173942232-3
Работа
индивидуально или в парах.
Обсуждение
результатов
выполнения
заданий
Библиотека ЦОК.
РЭШ.
https://fipi.ru/oge/otkryt
yy-bank-zadaniyoge#!/tab/173942232-3
9
5
Исследо 6
вание и
генерац
ия
списков.
Вычисл
ение
суммы
элемент
ов
списка
Вычисление
суммы элементов
списка. Методы
.append и .sort,
функции min(),
max() и метод
.count.
Суммирование
элементов списка,
цикл с заданным
числом
повторений,
оператор for.
Генерация списка,
операторы for и if.
6
Словари 4
и их
описани
е. Поиск
по
словарю
Поиск по
словарю. Списки,
генерация
списков,
суммирование
элементов списка,
выполнении
заданий.
Рефлексивная:
заполнение листа
рефлексии в
конце урока
Аналитическая:
анализ заданий и
вопросов;
написание кода
при
решении
задач.
Практическая:
выполнение
в
парах
/микрогруппах
заданий,
в
которых
необходимо
применить
команды,
изученные дома
написание кода
для
решения
задачи
суммирования
элементов
списка; решение
задач (написание
кода)
на
генерацию
списков.
Коммуникационн
ая: ответы на
вопросы
учителя, участие
в
групповом
обсуждении при
выполнении
заданий.
Рефлексивная:
заполнение листа
рефлексии в
конце урока
Экспертная:
взаимопроверка
выполненных
домашних
заданий, поиск
ошибок и их
обоснование.
Аналитическая:
анализ
Работа
индивидуально или в парах.
Обсуждение
результатов
выполнения
заданий
Библиотека ЦОК.
РЭШ.
https://fipi.ru/oge/otkryt
yy-bank-zadaniyoge#!/tab/173942232-3
Работа
индивидуально или в парах.
Обсуждение
результатов
выполнения
заданий
Библиотека ЦОК.
РЭШ.
https://fipi.ru/oge/otkryt
yy-bank-zadaniyoge#!/tab/173942232-3
10
функция len(),
7
Перебор 4
элементо
в словаря
выполненных
домашних
сложение
заданий; заданий
списков. Словари, по
созданию
словарей
с
элементы словаря,
заданными
ключ и значение,
условиями.
Практическая:
вывод элементов
обсуждение
словаря, поиск
ошибок,
допущенных
в
элементов в
выполненных
словаре.
домашних
заданиях;
просмотр
и
обсуждение
видеоролика
«Словари»;
самостоятельное
выполнение
заданий
на
создание словаря
results
с
предметами
и
четвертными
оценками
и
словаря
для
поиска отзывов
по
фильмам;
просмотр
видеоролика «По
словарю можно
быстро искать» и
выполнение
задания
по
видеоролику.
Коммуникационн
ая: ответы на
вопросы
учителя, участие
в
групповом
обсуждении при
выполнении
заданий.
Рефлексивная:
заполнение листа
рефлексии в
конце урока
Словарь,
Экспертная:
взаимопроверка
список,
выполненных
операторы for и if, домашних
заданий
Работа
индивидуально или в парах.
Обсуждение
результатов
выполнения
Библиотека ЦОК.
РЭШ.
https://fipi.ru/oge/otkryt
yy-bank-zadaniyoge#!/tab/173942232-3
11
элемент словаря,
ключ, значение,
перебор словаря
по ключам,
перебор словаря
по значениям,
методы .keys,
.values, .items,
операторы for и if.
заданий
Аналитическая:
анализ
выполненных
домашних
заданий (анализ
кода),
поиск
ошибок и их
обоснование.
Практическая:
обсуждение
ошибок,
допущенных
в
выполненных
домашних
заданиях
(написание
кода); просмотр
и
обсуждение
видеоинструкци
и с анализом
примеров
«Перебор
элементов
словаря»;
самостоятельное
выполнение
заданий;
выполнение
заданий
на
применение
методов
keys,
.values,
.items;
выполнение
практической
работы в группе
(два задания).
Коммуникационн
ая: ответы на
вопросы
учителя, участие
во фронтальной
беседе
(уточнение
понятий «ключ»,
«значение»,
«элемент
словаря»,
а
также выявление
отличий словаря
и
списка)
и
групповом
обсуждении при
выполнении
12
8
Решени
е задач
с
использ
ованием
списков
и
словаре
й
9
Повторе 1
ние.
Итогова
я работа
"Массив
ыв
Python"
1
0
Резевр
5
1
заданий.
Рефлексивная:
заполнение листа
рефлексии в
конце урока
Список, срез,
Аналитическая
при выполнении
положительная и
заданий
отрицательная
Практическая
при выполнении
индексация
всех
заданий
элементов списка, (индивидуально
и
в
метод .append.
микрогруппах).
Генерация списка, Коммуникационн
ая: ответы на
операторы for и if.
вопросы
Словарь,
учителя, участие
во фронтальном
элементы словаря,
опросе
и
ключи и значения, групповом
обсуждении при
вложенные
выполнении
словари, метод
заданий.
Рефлексивная:
.items.
заполнение листа
рефлексии в
конце урока
Основные
Аналитическая
при выполнении
понятия: списки и
заданий
словари».
итоговой
контрольной
работы.
Практическая
при выполнении
заданий
итоговой
контрольной
работы.
Рефлексивная:
заполнение листа
рефлексии в
конце урока
Работа
индивидуально или в парах.
Обсуждение
результатов
выполнения
заданий
Библиотека ЦОК.
РЭШ.
https://fipi.ru/oge/otkryt
yy-bank-zadaniyoge#!/tab/173942232-3
Работа
индивидуально или в парах.
Обсуждение
результатов
выполнения
заданий
Библиотека ЦОК.
РЭШ.
https://fipi.ru/oge/otkryt
yy-bank-zadaniyoge#!/tab/173942232-3
13
11 класс
№
Тема
Колво
часов
Основное
содержание
1
Понятие 4
и виды
машинн
ого
обучени
я
Искусственный
интеллект,
подход,
основанный на
правилах,
машинное
обучение, история
развития ИИ в
играх, сферы
применения
машинного
обучения;
обучение с
учителем,
обучение без
учителя, задача
регрессии, задача
классификации,
задача
кластеризации,
отбор данных для
модели
машинного
обучения
2
Анализ
и
визуали
зация
данных
Машинное
обучение с
учителем,
машинное
обучение без
учителя, задача
регрессии, задача
классификации,
задача
кластеризации;
библиотеки
pandas и
matplotlib, чтение
табличных
данных,
статистические
показатели,
2
Основные виды
деятельности
Формы
проведения
занятий
Цифровые
образовательные
ресурсы
Аналитическая
при
сравнительном
анализе
подходов:
обучение
с
учителем
и
обучение
без
учителя;
при
ответах
на
вопросы
и
фронтальном
обсуждении
вопросов
по
презентации.
Практическая
при выполнении
заданий
практической
работы.
Коммуникационн
ая: ответы на
вопросы
учителя, участие
во фронтальном
обсуждении при
выполнении
заданий.
Рефлексивная:
заполнение листа
рефлексии в
конце урока
Аналитическая:
при
поиске
ответов
на
вопросы в ходе
обсуждения
выполненного
домашнего
задания,
при
выполнении
заданий
практической
работы.
Практическая:
при обсуждении
выполненного
домашнего
задания;
при
Беседа, работа
в группах,
планирование
работы.
Игры и
упражнения,
помогающие
объединить
участников
программы,
которые будут
посещать
занятия.
Тестирование.
Библиотека ЦОК.
РЭШ.
https://fipi.ru/oge/otkryt
yy-bank-zadaniyoge#!/tab/173942232-3
Работа
индивидуально или в парах.
Обсуждение
результатов
выполнения
заданий
Библиотека ЦОК.
РЭШ.
https://fipi.ru/oge/otkryt
yy-bank-zadaniyoge#!/tab/173942232-3
14
построение
диаграмм
3
Библиот 2
еки
машинн
ого
обучени
я
Машинное
обучение с
учителем и без
учителя, его
преимущества,
постановка цели и
задач, анализ
данных,
обучающая и
тренировочная
выборки, задача
регрессии, задача
классификации,
тестовая и
тренировочная
выборка,
переобучение,
недообучение,
оптимальная
модель, кроссвалидация;
библиотека
sklearn, этапы
построения
модели
машинного
обучения на
Python
фронтальном
опросе и беседе,
при выполнении
заданий
практической
работы.
Коммуникационн
ая: ответы на
вопросы
учителя, участие
во фронтальном
обсуждении
выполнении
заданий.
Рефлексивная:
заполнение листа
рефлексии в
конце урока
Аналитическая:
ответы
на
вопросы (анализ
вопросов и поиск
ответов)
фронтальной
беседы; анализ
графиков
моделей
машинного
обучения
при
выполнении
задания
«Проблемы
в
обучении
модели».
Практическая:
поиск ответов на
вопросы
фронтальной
беседы
и
вопросы учителя
в ходе урока.
Коммуникационн
ая: участие во
фронтальной
беседе
по
материала
предыдущего
урока; участие в
обсуждении при
выполнении
задания
в
микрогруппе по
анализу
Работа
индивидуально или в парах.
Обсуждение
результатов
выполнения
заданий
Библиотека ЦОК.
РЭШ.
https://fipi.ru/oge/otkryt
yy-bank-zadaniyoge#!/tab/173942232-3
15
4
Линейн
ая
регресс
ия
2
графиков
машинного
обучения».
Рефлексивная:
заполнение листа
рефлексии в
конце урока
Понятие
Аналитическая:
линейной
анализ
работы
регрессии,
модели линейной
целевая функция, регрессии
линейное
(подбор
уравнение,
коэффициентов
гомоскедастичнос линейного
ть данных;
уравнения
с
создание модели
несколькими
линейной
переменными);
регрессии на
анализ
задач,
Python с помощью представленных
библиотек pandas, учителем, выбор
numpy и sklearn
из них задач
регрессии;
задание
на
анализ графиков
и выбор из них
того,
который
соответствует
модели линейной
регрессии;
анализ точечных
графика и выбор
среди них набора
данных,
подходящих для
решения задачи
линейной
регрессии;
создание модели
машинного
обучения
на
Python.
Практическая:
решение задач на
выбор
(из
представленных
учителем задач)
задач регрессии;
на выбор набора
данных
(по
графикам),
подходящих для
решения задачи
линейной
Работа
индивидуально или в парах.
Обсуждение
результатов
выполнения
заданий
Библиотека ЦОК.
РЭШ.
https://fipi.ru/oge/otkryt
yy-bank-zadaniyoge#!/tab/173942232-3
16
5
Нелине
йные
зависим
ости
5
регрессии;
создание модели
машинного
обучения
на
Python - модель
предсказания цен
на квартиры, в
зависимости от
различных
параметров.
Коммуникационн
ая: участие во
фронтальном
обсуждении
основных
вопросы темы линейная
функция
и
линейное
уравнение,
которые
уже
изучались
в
курсе
математики;
обсуждение
задач
по
графикам.
Рефлексивная:
заполнение листа
рефлексии в
конце урока
Создание,
Аналитическая:
обучение и оценка создание модели
модели линейной линейной
регрессии,
регрессии
на
визуализация
основании
данных на Python; простой таблицы
нелинейный
с данными о
функции, графики зарплатах
функций;
сотрудников,
полиномиальное
находящихся на
преобразование
разных
линейной
должностях;
регрессии
написание кода.
Практическая:
решение задач на
создание модели
линейной
регрессии,
ответы
на
вопросы учителя
(повторение
материала
Работа
индивидуально или в парах.
Обсуждение
результатов
выполнения
заданий
Библиотека ЦОК.
РЭШ.
https://fipi.ru/oge/otkryt
yy-bank-zadaniyoge#!/tab/173942232-3
17
6
3
Класси
фикация
.
Логисти
ческая
регресс
ия
математики);
выполнение
задания
на
полиномиальную
регрессию,
написание кода
для предсказания
значения новой
моделью
и
построение
графиков
исходных
данных
и
модели.
Коммуникационн
ая: участие во
фронтальном
обсуждении,
ответы
на
вопросы
учителя.
Рефлексивная:
заполнение листа
рефлексии в
конце урока
Классификация,
Аналитическая:
логистическая
поиск ответов на
регрессия,
проблемные
линейный
вопросы
и
классификатор,
решение задач на
гиперплоскость,
этапе 2 урока;
бинарная
Практическая:
классификация,
ответы
на
мультиклассовая
вопросы, подбор
классификация;
примеров задач
линейное
классификации;
уравнение,
ответы
на
коэффициенты
проблемные
линейного
вопросы
при
уравнения,
объяснении
расположение
нового
точки
материала;
относительно
решение задач на
прямой, отступ
закрепление
объекта; создание, нового
обучение и оценка материала
по
модели
теме; участие во
логистической
фронтальной
регрессии
работе на этапе 3
урока.
Коммуникационн
ая: участие в
обсуждении
Работа
индивидуально или в парах.
Обсуждение
результатов
выполнения
заданий
Библиотека ЦОК.
РЭШ.
https://fipi.ru/oge/otkryt
yy-bank-zadaniyoge#!/tab/173942232-3
18
7
Классифи 3
кация.
Логистич
еская
регрессия
Матрица ошибок,
метрики качества
логистической
регрессии, модель
логистической
регрессии на
Python
теста и основных
понятий темы;
ответы
на
вопросы
учителя;
Рефлексивная:
заполнение листа
рефлексии в
конце урока
Аналитическая:
поиск ответов на
вопросы учителя
при обсуждении
метрик качества
логистической
регрессии;
самостоятельное
составление
модели
логистической
регрессии
для
предсказания
вероятности
в
ближайшие
10
лет ишемической
болезни сердца
по
различным
признакам.
Практическая:
ответы
на
вопросы
учителя;
самостоятельное
составление
модели
логистической
регрессии
для
предсказания
вероятности
в
ближайшие
10
лет ишемической
болезни сердца
по
различным
признакам
Коммуникационн
ая: участие во
фронтальном
обсуждении
метрик качества
логистической
регрессии;
Рефлексивная:
заполнение листа
Работа
индивидуально или в парах.
Обсуждение
результатов
выполнения
заданий
Библиотека ЦОК.
РЭШ.
https://fipi.ru/oge/otkryt
yy-bank-zadaniyoge#!/tab/173942232-3
19
8
Деревья
решени
й. Часть
1
5
Дерево решений,
элементы
деревьев: корень,
листья; глубина
дерева, жадный
алгоритм, атрибут
разбиения;
энтропия,
формула
Шеннона,
вероятность,
критерий Джини
9
Деревья
решени
й. Часть
2
3
Элементы
деревьев: корень,
листья; глубина
дерева, жадный
алгоритм, атрибут
разбиения;
энтропия,
формула
Шеннона,
вероятность,
критерий Джини
рефлексии в
конце урока
Аналитическая:
поиск ответов на
вопросы учителя
при обсуждении
нового типа
алгоритма, поиск
ответов на
проблемные
вопросы и
решение задач
Практическая:
самостоятельная
работа с
алгоритмом
дерева решений
Коммуникационн
ая:
участие во
фронтальном
обсуждении.
Рефлексивная:
заполнение листа
рефлексии в
конце урока
Аналитическая:
составления
алгоритма
принятия
решений
(на
примере игры);
анализ учебных
примеров дерева
решений;
Практическая:
участие в игре на
анализ
алгоритма
принятия
решений
с
помощью
деревьев;
исследование
критериев
эффективности
разбиения
на
примерах.
Коммуникационн
ая: обсуждение
при выполнении
заданий
в
микрогруппе;
Работа
индивидуально или в парах.
Обсуждение
результатов
выполнения
заданий
Библиотека ЦОК.
РЭШ.
https://fipi.ru/oge/otkryt
yy-bank-zadaniyoge#!/tab/173942232-3
Работа
индивидуально или в парах.
Обсуждение
результатов
выполнения
заданий
Библиотека ЦОК.
РЭШ.
https://fipi.ru/oge/otkryt
yy-bank-zadaniyoge#!/tab/173942232-3
20
10 Проект
5
«Решен
ие
задачи
классиф
икации»
Машинное
обучение
с
учителем, задача
классификации,
метрики оценки
качества
классификации;
этапы разработки
модели
машинного
обучения, анализ
данных, создание
и
обучение
модели,
оценка
эффективности
работы модели
ответы
на
вопросы
учителя, участие
во фронтальном
обсуждении.
Рефлексивная:
заполнение листа
рефлексии в
конце урока
Аналитическая:
при выборе
методов решения
задачи
Практическая:
при выполнении
практического
задания по
созданию модели
машинного
обучения
Рефлексивная:
при подведении
итогов
выполнения
работы,
заполнения листа
рефлексии
Работа
индивидуально или в парах.
Обсуждение
результатов
выполнения
заданий
Библиотека ЦОК.
РЭШ.
https://fipi.ru/oge/otkryt
yy-bank-zadaniyoge#!/tab/173942232-3
Поурочное планирование
10 класс
Планируемая
дата
проведения
№
занятия
06.09.23
1
13.09.23
2
20.09.23
27.09.23
04.10.23
11.10.23
18.10.23
25.10.23
08.11.23
15.11.23
22.11.23
3
4
5
6
7
8
9
10
11
Тема занятия
Техника безопасности в кабинете информатики.
Парадигмы программирования. Языки
программирования. Стандартный инструментарий
программиста. Особенности языка Python.
Типы данных в программировании. Динамическая
типизация. Простые типы данных языка Python.
Задачи на элементарные действия с числами.
Алгоритмы с ветвящейся структурой.
Реализация ветвления на языке Python.
Программирование диалога с компьютерам.
Полный и неполный условный оператор.
Программирование циклов
Примеры решения задач с циклом.
Примеры решения задач с циклом.
Одномерные массивы в Python - списки. Создание
Коррекция
21
29.11.23
06.12.23
13.12.23
20.12.23
27.12.23
10.01.24
17.01.24
24.01.24
31.01.24
07.02.24
14.02.24
21.02.24
28.02.24
06.03.24
13.03.24
20.03.24
03.04.24
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
10.04.24
29
17.04.24
30
24.04.24
31
08.05.24
32
15.05.24
22.05.24
11 класс
33
34
Планируемая
дата
проведения
№
занятия
06.09.23
1
13.09.23
2
20.09.23
3
27.09.23
4
04.10.23
11.10.23
5
6
списков и вывод элементов.
Списки.
Срезы списков.
Списки: примеры решения задач.
Исследование и генерация списков.
Вычисление суммы элементов списка.
Матрицы.
Матрицы.
Кортежи.
Кортежи.
Словари и их описание. Поиск по словарю
Множества в языке Python.
Стиль программирования.
Перебор элементов словаря
Отладка программ.
Отладка программ.
Отладка программ.
Решение задач с использованием списков и
словарей.
Решение задач с использованием списков и
словарей.
Решение задач с использованием списков и
словарей..
Решение задач с использованием списков и
словарей.
Решение задач с использованием списков и
словарей.
Повторение. Итоговая работа "Массивы в Python"
Резерв (1 час)
Тема занятия
Техника безопасности в кабинете информатики.
Понятие и виды машинного обучения.
Искусственный интеллект, подход, основанный на
правилах, машинное обучение.
История развития ИИ в играх, сферы применения
машинного обучения.
Задача регрессии, задача классификации, задача
кластеризации, отбор данных для модели машинного
обучения.
Анализ и визуализация данных.
Задача регрессии, задача классификации, задача
кластеризации.
Коррекция
22
18.10.23
25.10.23
08.11.23
15.11.23
7
8
9
10
22.11.23
29.11.23
11
12
06.12.23
13.12.23
20.12.23
13
14
15
27.12.23
10.01.24
17.01.24
16
17
18
24.01.24
19
31.01.24
20
07.02.24
21
14.02.24
22
21.02.24
23
28.02.24
24
06.03.24
13.03.24
20.03.24
25
26
27
03.04.24
10.04.24
17.04.24
28
29
30
24.04.24
08.05.24
15.05.24
22.05.24
31
32
33
34
Библиотеки машинного обучения pandas.
Библиотеки машинного обучения matplotlib
Понятие линейной регрессии.
Создание модели линейной регрессии на Python с
помощью библиотек pandas, numpy и sklearn.
Нелинейные зависимости.
Создание, обучение и оценка модели линейной
регрессии.
Визуализация данных на Python.
Нелинейный функции, графики функций.
Полиномиальное преобразование линейной
регрессии.
Классификация. Логистическая регрессия.
Классификация. Логистическая регрессия
Классификация, логистическая регрессия, линейный
классификатор, гиперплоскость, бинарная
классификация, мультиклассовая классификация.
Линейное уравнение, коэффициенты линейного
уравнения, расположение точки относительно
прямой, отступ объекта.
Создание, обучение и оценка модели логистической
регрессии.
Матрица ошибок, метрики качества логистической
регрессии, модель логистической регрессии на
Python.
Дерево решений часть 1: элементы деревьев: корень,
листья.
Дерево решений часть 1: глубина дерева, жадный
алгоритм, атрибут разбиения.
Дерево решений часть 1: энтропия, формула
Шеннона.
Дерево решений часть 1: вероятность.
Дерево решений Часть 1, критерий Джини.
Деревья решений. Часть 2: Методы решения
проблемы переобучения деревьев.
Модели дерева решений.
Реализация дерева решения на Python.
Проект «Решение задачи классификации».
Машинное обучение с учителем, задача
классификации.
Метрики оценки качества классификации.
Этапы разработки модели машинного обучения.
Анализ данных, создание и обучение модели.
Оценка эффективности работы модели.
23
Используемая литература
1.
2.
3.
4.
https://resh.edu.ru/
https://start.1t.ru/c/index.html
https://fipi.ru/oge/otkrytyy-bank-zadaniy-oge#!/tab/173942232-3
Библиотека ЦОК
