ivdon3@bk.ru
В настоящее время существует множество причин, почему обучение технологиям искусственного интеллекта (ИИ) может быть важным для сегодняшних студентов. Поэтому дисциплины, связанные с ИИ, вузы активно включают в образовательные программы бакалавриата и магистратуры. Важно научить студентов понимать, как работают такие технологии, и как их можно использовать для решения различных задач. В свою очередь, обучение немыслимо без демонстрации примеров решения различных задач. Важным же этапом в решении задачи машинного обучения вообще, в т.ч. задачи компьютерного зрения, является этап формирования обучающей выборки. Поэтому возникла идея написания программы, которая способна была бы генерировать датасеты по разнообразным тематикам для задач компьютерного зрения. Формат данных генерируемой выборки для обучения train.csv общепринят и выглядит следующим образом: каждая строка представляет собой описание одного изображения; первый столбец содержит метки классов, к которым принадлежит изображение; оставшиеся столбцы содержат пиксельные значения изображения, например, в виде плоского вектора, где каждое значение соответствует яркости соответствующего пикселя на изображении. Полученные датасеты можно использовать для организация проектной деятельности учащихся по искусственному интеллекту.
Ключевые слова: искусственный интеллект, машинное обучение, компьютерное зрение, нейронная сеть, обучающая выборка, датасет, C#, пиксель, субпиксельная обработка изображений, организация проектной деятельности учащихся
1.2.1 - Искусственный интеллект и машинное обучение , 1.2.2 - Математическое моделирование, численные методы и комплексы программ
В статье проведен обзор носимых устройств, повышающих качество распознавания пользователем объектов окружающего мира, раскрыт процесс разработки интеллектуального модуля распознавания объектов городской инфраструктуры для «звуковых очков» - устройства, предназначенного для незрячих пользователей. Охарактеризован функционал разрабатываемого модуля, его архитектура, описан процесс и результаты обучения нейросети для распознавания объектов, а также приведен алгоритм идентификации цвета светофоров. Приведены результаты тестирования разработанного программного модуля.
Ключевые слова: компьютерное зрение, нейронная сеть, умные очки, звуковые очки, инвалиды по зрению, YOLOv5, распознавание объектов
1.2.2 - Математическое моделирование, численные методы и комплексы программ , 2.3.1 - Системный анализ, управление и обработка информации
В данной работе рассматривается процесс разработки игры, наподобие поиска предметов, для мобильных устройств, работающих на базе ОС Android, с помощью MIT App Inventor. Разработан алгоритм игры, приведены блоки кода. Статья предназначена для школьников и студентов, увлекающихся программированием, и будет полезна для преподавателей информатики, при использовании на дополнительных занятиях или организации проектной и исследовательской деятельности школьников и студентов по информатике.
Ключевые слова: MIT App Inventor, мобильные приложения, обучение созданию мобильных приложений, дополнительное образование детей, поиск предметов
05.13.18 - Математическое моделирование, численные методы и комплексы программ
Описаны методология и технические приемы, используемые для создания мобильного приложения, работающего на базе ОС Android, для поиска междугородних автобусных пассажирских рейсов и попутных автомашин, с помощью API, предоставляемого компанией Яндекс. Разработан агрегатор, который по запросу пользователя выводит расписание автобусов и попутных рейсов. Описанная методология может оказаться полезной при проектировании и разработке современных мобильных приложений.
Ключевые слова: Java, Android, парсинг, Jsoup, API Яндекс