“`html
Интеграция No-Code AI в не-техническое высшее образование:
Недавние достижения в области машинного обучения подчеркивают его способность создавать ценность в различных отраслях. Однако внедрение машинного обучения в не-технические академические программы, такие как социальные науки, сталкивается с проблемами из-за связи с техническими областями, например, информатикой. Для преодоления этого барьера в университетском курсе был предложен подход на основе случаев с использованием платформ No-Code AI, который ориентирован на студентов с различными образовательными фонами. Эти платформы упрощают процесс машинного обучения, позволяя пользователям создавать и развертывать модели без необходимости обширных знаний алгоритмов, что делает машинное обучение более доступным для студентов, не изучающих STEM-дисциплины.
Исследование “Легкого” ИИ в образовании:
Машинное обучение включает разработку моделей, которые компьютеры используют для выявления закономерностей в данных и делания прогнозов, являясь важной частью применения ИИ в различных отраслях. Однако разработка эффективных моделей является сложной задачей, требующей множества итераций и глубокого понимания данных. Для решения этой проблемы появились “легкие” платформы ИИ, также известные как No-Code AI, позволяющие лицам без технических навыков разрабатывать и развертывать модели машинного обучения. Эти платформы предоставляют удобные инструменты на основе облака, которые проводят пользователей через процесс машинного обучения с минимальным использованием кода.
Методология оценки No-Code AI в образовании:
Для исследования No-Code AI в образовании был использован групповой проектный подход, позволяющий студентам решать реальные проблемы и участвовать в совместных мероприятиях. Была применена обучающая структура, акцентирующаяся на проблемно-ориентированном обучении, активизации существующих знаний, демонстрации навыков, применении к практическим задачам и интеграции через рефлексию.
Внедрение No-Code AI в образование: кейс-исследование по обучению машинному обучению:
Образовательный модуль включал 3-часовой семинар по машинному обучению и платформе No-Code AI. Студенты изучали практическую обработку данных и решение проблем, применяя машинное обучение для анализа сварочных изображений. Метод No-Code улучшил осведомленность студентов о качестве данных и решении проблем, не фокусируясь на навыках программирования.
Заключительное обсуждение:
Это исследование рассматривает применение No-Code AI в образовании и его преимущества и вызовы. Исследование рекомендует проблемно-ориентированный подход для интеграции No-Code AI в высшее образование и предлагает руководство для преподавателей. No-Code AI помогает студентам проходить через процесс машинного обучения, но создает вызовы в выборе платформы и динамике группы. Исследование включает практические рекомендации для преподавателей и исследователей о том, как использовать развивающиеся инструменты No-Code для образовательных целей.
Проверьте отчет здесь.
Вся заслуга за это исследование принадлежит исследователям этого проекта.
Не забудьте подписаться на наш Twitter и присоединиться к нашему каналу в Telegram и группе в LinkedIn. Если вам нравится наша работа, вам понравится наша рассылка.
Не забудьте присоединиться к нашему подкасту.