完成条件
不管他们是否意识到，机器学习已经被整合到学生们每天使用的许多应用程序中。从Netflix到自动修正工具，这种人工智能技术被用于快速处理数据，个性化用户体验，并使任务更容易。
“这个项目将有助于扩大学生在中学计算机科学课程中接触人工智能基础知识的机会。这个项目为围绕人工智能的文化偏见和数据集多样性的需求展开对话打开了大门。特别是在考虑到种族不平等和不公正的事件时，强调人工智能的重要性至关重要，因为它只取决于为机器学习提供的数据。这种强调将为丰富的讨论打开大门，并使学生具有文化相关性。”
——Susan Forget, STEM & PLTW教师，Sabin中学
4. 扩展
这里有两种方法可以扩展学生使用机器学习编程的经验:
1. 让学生单独工作或通过结对编程，使用迭代设计过程来定义自己的问题，并使用机器学习应用程序解决。学生应收集和准备数据集;在ML4K中训练机器学习模型;将该模型整合到Scratch、App Inventor或Python中的原始程序中;并讨论其解决方案的伦理考虑和社会影响。例如，学生可能会解决与COVID-19全球大流行有关的问题，如:
• 一款可以通过语音指令开灯的应用，这样你就不用触摸开关就能洗手了。
• 一个利用视频中的静止图像来监控人们在公共场所保持社交距离的情况的程序:保持6英尺的距离，限制聚会的人数。
• 一个分析人口和健康信息(年龄、身高、体重、原有状况等)和病毒检测呈阳性的人的COVID-19症状，从而基于他们的特定人口和健康信息预测其他感染该疾病的人呈现特定COVID-19症状的可能性。
2. 让学生比较和对比两个机器学习系统。使用ML4K中的训练数据集以及另一个机器学习图像识别系统，如Teachable machine或Amazon Rekognies(可通过AWS education免费访问)，训练图像分类器模型。用同一组测试图像测试每个模型。一种系统是否比另一种更容易训练?它们的产出是否相同?他们的自信水平相同吗?哪个系统最精确?