Ответы в Час Кода 2019 год 9-11 класс

25 февраля в России стартовал очередной Урок Цифры 2019, на котором все желающие могут попробовать свои силы в изучении искусственного интеллекта и машинного обучения. Урок Цифры 2019 разделен на три части в зависимости от класса учащихся: 1-4 класс, 5-8 класс и 9-11 класс. Ответы на предыдущие две подгруппы младших классов мы уже дали, а в сегодняшней статье мы разберем прохождение 9-11 класса.

Задания для 9-11 класса не такие уж и простые и Урок Цифры 2019 предлагает ученикам не просто обучить искусственный интеллект различать животных, а и углубиться в вопрос принципа работы машинного обучения и нейросетей. Ученикам предлагается настройка гиперпараметров нейросети, улучшение ее работы за счет увеличения веса того или иного нейрона, увеличения/уменьшения слоев нейросетей, выбора типа нейронов, скорости обучения.

Час Кода 2019 — прохождение 9, 10, 11 класс

Стоит сказать, что идеальной схемы нет — все достигается экспериментальным путем. Можно выбрать разные алгоритмы работы, разные нейроны и их количество, главное, чтобы был достигнут правильный результат!

Урок Цифры 2019 9-11 класс — ответы, прохождение

В начале урока необходимо указать город, в котором вы проживаете, потом класс обучения (9, 10 или 11), выбрать количество учеников, после чего появляется видео с лекцией (смотрите ее в конце статьи). Смотреть лекцию нужно обязательно, так как в ней рассказываются базовые принципы работы нейросетей и нейронов.

Можно пропустить лекцию и сразу приступить к решению задач, но тогда вы все будете делать в полном непонимании происходящего. В самих же задачах имеются все необходимые подсказки, если вы вдруг забыли, кто за что отвечает. Итак, приступаем к решению уровней.

Час кода 2019 9-11 класс — ответы и прохождение 1-го уровня

На первом уровне задача по отделению оранжевых точек от зеленых не очень сложная. Вариантов решений, повторимся, существует множество и наше решение — одно их нескольких десятков. Самое главное, это добиться необходимой точности определения точек в зависимости от цвета с погрешностью не более 5%. Одни виды нейронов и их количество могут решить задачу быстро, другие медленно, одни разделяют цветные кружки очень точно, другие же наоборот — с большой погрешность. Большую роль играет и скорость обучения — чем она выше, тем меньше точности, чем она ниже, те точность лучше. В легких задачах можно выставлять высокую скорость обучения, а в сложных только маленькую, иначе нейросеть не сможет качественно определить цвета и задача не будет решена.

Вот наш пример решения: выбирает тип нейрона Tanh, добавляем 5 нейровнов — готово. Кроме того, ввиду легкости задачи мы поставили достаточно быструю скорость обучения — 1. Наша нейросеть справилась с задачей невероятно быстро и весьма точно.

 

Урок Цифры 2019 9-11 класс — ответы и прохождение 2-го уровня

Перед началом прохождения отметим, что выставить все по максимуму не получится — чем больше, тем лучше в нейросетями не работает, нет прямой зависимости. Поэтому нужно опытным путем проверять, какие нейроны и в каком количестве лучше всего справляются с задачей.

Второй уровень оказался также не слишком сложным и процесс фильтрации кружочков по цветам осуществился весьма быстро. Чтобы решить задачу, мы решили оставить тот же вид нейронов Tanh, а для большей точности выстроили 2 слоя нейронной сети по 4 нейрона в каждой. Чтобы нейроны обучались качественно, скорость обучения мы выставили на 0,3. В итоге нейросеть качественно выделила зеленые точки с минимальной погрешностью мы задача оказалась решенной.

 

Час Кода 2019 9-11 класс — ответы и прохождение 3-го уровня

Третий уровень стал самым сложным. На примере мы решили показать, как разные типы нейронов, их количество, количество слоев нейросети и скорость обучения влияют на результат.

В первом случае мы выставили среднюю скорость обучения 0,01 для типа нейронов ReLU. Поставили также 4 слоя нейронной сети, где в первом слое разместили 6 нейронов, во втором 5 нейронов, а в последних дух по 4 нейрона. Задача решилась относительно быстро, но если посмотреть на график, то нейросеть очень сильно колебалась с отбором тех или иных кружков разного цвета. Ошибку в 5% нам достичь удалось, но все равно результат оказался нестабильным — погрешность прыгала от 7% до 5%, а это не очень хорошо.

 

Во втором случае мы решили снизить скорость обучения нейронов, но оставить прежний их тип — ReLU. Количество слоев нейронной сети было решено оставить прежним, а вот самих нейронов прибавилось: в первом, втором и третьем слое их стало по 8, а в четвертом слое осталось 4 нейрона. Задача решалась долго, но зато нейросеть очень точно справилась с ней и по тренировочным данным ошибка составила всего 0.75%.

 

 

В третьем случае мы также решили не менять тип нейронов ReLU, поскольку именно они смогли преодолеть ошибку в 5% — другие типы нейронов зависали на отметке в 6-5,5% погрешности (очень близко, но задача оставалась нерешенной). Конструкция же нейросети при этом также не особо поменялась: в трех слоях осталось по 8 нейронов, а в последнем слое мы решили добавить одни нейрон и их стало 5 штук. Как видно, по времени задача решилась в 2 раза быстрее — вот вам банальная оптимизация.

 

Повторимся, что количество — на значит качество. Ведь нейросети не дают точные данные и при большом их количестве погрешность может только увеличиваться, а не уменьшаться. Тут важно соблюдать принцип «золотой середины»!.

Урок Цифры 2019 9-11 класс — как получить сертификат

Если правильно решить все три задачи, ответ на которые мы вам предоставили, то вам выдадут сертификат о прохождении Урока Цифры 2019. Его можно как распечатать, так и поделиться им в социальных сетях, тем самым похваставшись перед друзьями, какой вы умный!

Источник: www.stevsky.ru