خانه تکنولوژی
معرفی تکنولوژی روز دنیاخانه تکنولوژی
معرفی تکنولوژی روز دنیاآنچه واقعاً دانش آموزان از علوم رایانه می آموزند
آنچه واقعاً دانش آموزان از علوم رایانه می آموزند
وقتی دانش آموزان CS مطالعه می کنند ، بسیار بیشتر از یک زبان برنامه نویسی جدید ، مانند این پنج مهارت ارزشمند ، یاد می گیرند.
عکس توسط Fotis Fotopoulos در Unsplash در ژانویه سال 2016 ، رئیس جمهور اوباما یک "علوم کامپیوتر برای همه ”ابتکار برای کمک به افزایش در دسترس بودن دوره های علوم کامپیوتر در مدارس دولتی ایالات متحده. این در پاسخ به تعداد روزافزون مشاغل STEM در محاسبات و همچنین شکاف بین این تقاضا و تعداد دانش آموزانی که با مدرک CS فارغ التحصیل شده اند بود.
از آن زمان ، مدیران منطقه و مدارس در سراسر کشور و جهان گامی در جهت افزودن کلاسهای CS بیشتر به برنامه درسی خود و همچنین درخواست از معلمان برای یافتن راههای خلاقانه برای جاسازی دروس برنامه نویسی در موضوعات مربوطه خود برداشته است. ظهور کرده اند از نگرانی ها مبنی بر اینکه هوش مصنوعی در نهایت می تواند نیاز برنامه نویسان انسانی را جایگزین کند (مانند اتوماسیون ممکن است در نهایت جایگزین کار دستی شود) تا انتقاد از آموزش برنامه نویسی بدون آموزش مهارت های تفکر انتقادی ، برخی از محققان و مربیان از آموزش برنامه نویسی صرفاً به دلیل مد روز بودن محتاط هستند. < /p>
من به عنوان یک معلم علوم متوسطه و CS ، از کشف کلاس جدید اصول علوم کامپیوتر AP CollegeBoard بسیار هیجان زده شدم. این دوره نه تنها برای ارائه مهارت های اساسی برنامه نویسی به دانش آموزان بلکه برای معرفی مفاهیم گسترده تر و چندرشته ای ، از جمله راه هایی برای اندیشیدن در مورد فناوری و چگونگی تأثیر آن بر جامعه ، طراحی شده است.
این مدل آموزش CS است که من معتقدم که ما باید دانش آموزان خود را در معرض مهارتهایی قرار دهیم که به آنها اجازه می دهد در دنیایی که به سرعت در حال تغییر است رشد کنند-از جمله شیوه های تفکر ، پرسش و همکاری با یکدیگر ، همانطور که معلمان همیشه این کار را انجام داده اند.
وقتی دانش آموزان علوم کامپیوتر می خوانند ، خیلی بیشتر از یک زبان برنامه نویسی جدید یاد می گیرند. در اینجا 5 مهارت ارزشمند وجود دارد که دانش آموزان از یک درس CS با طراحی متفکرانه کسب می کنند:
تفکر محاسباتی
تفکر محاسباتی یک رویکرد و مهارت فوق العاده مفید برای دانش آموزان و متخصصان در هر زمینه است ، نه فقط کسانی که کامپیوتر دارند تجزیه چیزی که به نظر می رسد یک مشکل بزرگ به قطعات کوچکتر است که می توان گام به گام با آنها مقابله کرد ، مهارتی است که دانش آموزان از اولین درس برنامه نویسی خود تمرین خواهند کرد. برنامه شما برای انجام چه وظایفی اساسی نیاز دارد؟ همه ورودی ها ، دارایی ها و فعل و انفعالات مورد نیاز برای کارکرد آن چیست؟
عکس کریس رید در Unsplash همانطور که دانش آموزان یاد می گیرند برنامه ها ، صفحات وب یا برنامه ها را با کد بسازند ، آنها همچنین یاد می گیرند که الگوهای تکراری را تشخیص داده و از آنها استفاده کنند. (و اگر شباهت هایی را بین یک مانع کنونی و مشکلی که قبلاً حل کرده اید تشخیص دهید ، از رویکرد گذشته خود چه می توانید یاد بگیرید؟) جمع آوری داده ها در بازنمایی هایی که انسان ها به راحتی می توانند درک کنند و با آنها ارتباط برقرار کنند ، یک مهارت بسیار جستجو شده است ، مهم نیست. هادی پرتوی ، مدیرعامل Code.org در پاسخ به این سال که آیا CS باید برای هر دانش آموز اجباری باشد ، پاسخ داد:
اگرچه به نظر می رسد اصطلاح فنی باشد ، یک الگوریتم به سادگی لیستی از مراحل یا قوانین است که هنگام حل یک مشکل ، چه به اندازه پیچیدگی محاسبه مسیر موشک و چه به سادگی ترتیب صحیح مواد اولیه ای که در خمیر کوکی خود می ریزید. یا یک برنامه کامپیوتری برای مطابقت با آنچه می خواهند انجام دهند ، آنها در حال یادگیری روش مهمی برای حل مشکلات هستند که به آنها در هر جنبه ای از زندگی کمک می کند-نه فقط در کلاس های درس STEM.
تفکر بصری
وقتی مبتکران آموزش و پرورش شروع به افزودن "A" به STEAM (علم ، فناوری ، مهندسی ، هنر+طراحی و ریاضی) کردند ، من هیجان زده شدم. دانش آموزان مقطع راهنمایی من عاشق درس های برنامه نویسی بودند ، از روز اول "Hour of Code" هنگامی که سعی کردند موانا را با خیال راحت با موانع موجود در مسیر ساخت برنامه های Android خود با AppInventor MIT راهنمایی کنند.
اما بخشی که دانش آموزان بیشتر منتظر آن هستند؟ دیدن آنچه که آنها ایجاد کرده اند زنده می شود. وقتی آنها کاراکترهای Frozen را می بینند که الگوهای دانه برفی را ایجاد می کنند که مطابق با دستورالعمل هایی است که در کد نوشته اند ، چه در هر مرحله بگذرند یا نه ، هیجان زده می شوند.
درس CS به دانش آموزان اجازه می دهد تا رابطه بین کد را ببینند. آنها می نویسند و نتایج بصری خیره کننده ای که تولید می کنند ، خواه به آنها آموزش می دهید که چگونه یک وب سایت جدید را قالب بندی کنند ، ظاهر وبلاگ را شخصی سازی کنند یا با Scratch متحرک سازی کنند.
کار گروهی
برای چند سالی بود که من از برنامه آموزشی CS Lead Project the Way در کلاس راهنمایی استفاده کردم. یکی از جنبه های مورد علاقه من در برنامه درسی ، چه در طول آموزش و چه در کلاس درس ، این بود که دائماً از دانش آموزان می خواست که مشکلات ، برنامه و طراحی را به صورت دو نفره حل کنند.
عکس توسط Val Vesa در Unsplash در ابتدا ، این عمل با شکایات و ناامیدی های زیادی روبرو شد. (واکنش ها از "آنها کوتی دارند" گرفته تا "شما لپ تاپ کافی دارید تا هر یک از ما بتوانیم برنامه خود را بنویسیم!") هرچند با گذشت زمان ، حتی برنامه نویسان ستاره من متوجه شدند که همه افراد مشارکت ارزشمندی برای اشتراک گذاری دارند. برنامه نویسی یک فرایند پیچیده است که اغلب نیاز به چندین جفت چشم دارد تا خطاهای کوچک را اسکن کرده یا الگوهای گریز را تشخیص دهند. مهندسان نرم افزار حرفه ای دائماً در برنامه ریزی پروژه ، اولویت بندی وظایف و اجرای کد به صورت مشارکتی کار می کنند.
دانش آموزان سرسخت ممکن است فعالیتهای چند درس اول CS خود را به تنهایی قابل مدیریت بدانند ، اما زمانی که با انجام پروژه ای چند مرحله ای ، آنها از ارزش کار تیمی مطلع خواهند شد. پس از همه ، این پروژه نیاز به تحقیق در مورد نیازها و مطلوبیت کاربران بالقوه (برای جذابیت بخشیدن به یک برنامه یا برنامه و استفاده آسان از آن) ، طراحی بصری رابط کاربری آن و ایجاد یک طرح کلی (یا شبه کد) برای کد پیچیده ای که در نهایت باعث ایجاد برنامه اجرا شود. وقتی دانش آموز کد خود را ویرایش می کند30 بار (و از چند همکلاسی خواسته بود یک جفت چشم تازه ارائه دهند) اما هنوز نمی توانند بفهمند که چرا برنامه آنها به درستی کار نمی کند ، ناامیدی محسوس است.
برای ما به عنوان معلمان مهم است که از ارائه راه حل فوراً خودداری کنید ، حتی اگر وسوسه انگیز باشد. به نظر من هدایت دانش آموزان به این مفهوم که ما در آن روز در درس های علمی مبتنی بر پرس و جو در حال بررسی آن هستیم و این امر در آموزش CS نیز صادق است بسیار مingثر است. ممکن است دانش آموزان بتوانند برای مشاهده راه حل های ممکن ، میانبر و معادلات ریاضی را به Wolfram Alpha وارد کنند ، اما وقتی چیزی را از ابتدا ایجاد می کنند ، یافتن "پاسخ درست" دشوارتر است.
به عنوان مربی ، شما می توانید دانش آموزان را با سوالات راهنمایی کنید و با یادآوری این نکته که در نهایت حل یک مشکل در پایان یک راه طولانی پشتکار و مقابله با مانع از راهکارهای خلاقانه متعدد ، چقدر مفید است ، انگیزه آنها را حفظ کنید.
اگر از اینکه می خواهید برخی از درس های CS را در برنامه درسی خود قرار دهید ، الهام می گیرید ، در اینجا چند روش عالی برای شروع یا افزایش مهارت خود آورده شده است!
معرفی گرافیک TensorFlow: گرافیک کامپیوتری با یادگیری عمیق همراه است
معرفی گرافیک TensorFlow: گرافیک کامپیوتری با یادگیری عمیق همراه است
ارسال شده توسط ژولین والنتین و سوفین بوعزیز
مخزن Github: https://github.com/tensorflow/graphics
در چند سال گذشته شاهد افزایش گرافیک های متمایز جدید بوده ایم لایه هایی که می توانند در معماری شبکه عصبی وارد شوند. از ترانسفورماتورهای فضایی گرفته تا پردازنده های گرافیکی متمایز ، این لایه های جدید از دانش به دست آمده در طول سال های بینایی رایانه و تحقیقات گرافیکی برای ایجاد معماری های جدید و کارآمدتر شبکه استفاده می کنند. مدل سازی صریح مقدمات و محدودیت های هندسی در شبکه های عصبی ، راه را برای معماری هایی باز می کند که می توان به طور قوی ، کارآمد و مهمتر از همه ، به شیوه ای تحت نظارت خود آموزش دید. به اشیاء سه بعدی و موقعیت مطلق آنها در صحنه ، توصیف موادی که از آنها ساخته شده است ، چراغ ها و دوربین نیاز دارد. این توصیف صحنه سپس توسط یک ارائه کننده تفسیر می شود تا تصویری مصنوعی ایجاد شود.
< /img> در مقایسه ، یک سیستم بینایی کامپیوتری از یک تصویر شروع می کند و سعی می کند پارامترهای صحنه را استنباط کند. این امکان پیش بینی اجسام موجود در صحنه ، موادی که از آنها ساخته شده است و موقعیت و جهت سه بعدی آنها را می دهد.
آموزش سیستم های یادگیری ماشین قادر به حل این وظایف پیچیده بینایی سه بعدی اغلب به حجم زیادی داده نیاز دارد. از آنجا که برچسب زدن داده ها یک فرایند پرهزینه و پیچیده است ، مهم است که سازوکارهایی برای طراحی مدل های یادگیری ماشین وجود داشته باشد که بتوانند جهان سه بعدی را در حالی که بدون نظارت زیاد آموزش دیده اند درک کنند. ترکیب بینایی رایانه ای و تکنیک های گرافیکی رایانه ای ، فرصتی منحصر به فرد برای استفاده از حجم وسیعی از داده های بدون برچسب به آسانی در اختیار شما قرار می دهد. همانطور که در تصویر زیر نشان داده شده است ، به عنوان مثال ، می توان با استفاده از تجزیه و تحلیل سنتز در جایی که سیستم بینایی پارامترهای صحنه را استخراج می کند و سیستم گرافیکی بر اساس آنها تصویر را باز می گرداند ، به این مهم دست یافت. اگر رندر با تصویر اصلی مطابقت داشته باشد ، سیستم بینایی پارامترهای صحنه را به طور دقیق استخراج کرده است. در این راه اندازی ، بینایی رایانه ای و گرافیک رایانه ای دست به دست هم داده و یک سیستم یادگیری ماشینی واحد شبیه به رمزگذار خودکار تشکیل می دهند که می تواند به صورت خودآموز آموزش داده شود.
لایه های گرافیکی متفاوت
در ادامه ، برخی از قابلیت های موجود در گرافیک TensorFlow این تور جامع نیست. برای کسب اطلاعات بیشتر از Github ما دیدن کنید تا امکانات جدیدی را که TensorFlow Graphics در اختیار شما قرار می دهد ، بیابید. در تصویر زیر ، فرمالیسم زاویه محور برای چرخاندن یک مکعب استفاده شده است. محور چرخش به سمت بالا است و زاویه آن مثبت است و مکعب را در جهت خلاف جهت عقربه های ساعت می چرخاند. در این مثال Colab ، ما نشان می دهیم که چگونه فرمالیسم های چرخشی را می توان در یک شبکه عصبی آموزش داد که برای پیش بینی چرخش و ترجمه یک شی مشاهده شده آموزش دیده است. این وظیفه هسته اصلی بسیاری از برنامه ها از جمله روبات هایی است که بر تعامل با محیط خود تمرکز می کنند. در این سناریوها ، گرفتن اشیاء (به عنوان مثال توسط دسته آنها) با بازوی روباتیک نیاز به برآورد دقیق موقعیت این اجسام نسبت به بازو دارد.
مدل سازی دوربین ها
مدل های دوربین نقش بسزایی در بینایی کامپیوتر دارندبر ظاهر اجسام سه بعدی که بر روی صفحه تصویر نمایش داده می شود تأثیر می گذارد. همانطور که در زیر مشاهده می شود ، به نظر می رسد که مکعب در حال بزرگ شدن و پایین آمدن است ، در حالی که در واقعیت این تغییرات فقط به دلیل تغییر در فاصله کانونی است. این مثال Colab را برای جزئیات بیشتر در مورد مدل های دوربین و یک مثال مشخص از نحوه استفاده از آنها در TensorFlow امتحان کنید.
مواد
مدل های مواد نحوه تعامل نور با اجسام را مشخص می کنند تا ظاهر منحصر به فرد خود را به آنها بدهند. به عنوان مثال ، برخی از مواد مانند گچ نور را به طور یکنواخت در همه جهات منعکس می کنند ، در حالی که برخی دیگر مانند آینه ها کاملاً دیدنی هستند. در این دفترچه تعاملی Colab ، نحوه تولید رندرهای زیر را با استفاده از Tensorflow Graphics خواهید آموخت. همچنین این فرصت را خواهید داشت که با پارامترهای مواد و نور بازی کنید تا حس خوبی از نحوه تعامل آنها ایجاد شود. پیش بینی دقیق خواص مواد برای بسیاری از وظایف اساسی است. به عنوان مثال ، می تواند به کاربران این امکان را بدهد که مبلمان مجازی را در محیط خود رها کرده و قطعات را بصورت واقع بینانه با فضای داخلی خود ترکیب کرده و به کاربران درک دقیقی از ظاهر آن مبلمان بدهند.
هندسه-پیچیدگی های سه بعدی و یکپارچه سازی
در سال های اخیر ، سنسورهای خروجی سه بعدی داده ها به شکل ابرهای نقطه ای یا مشبک در حال تبدیل شدن به بخشی از زندگی روزمره ما هستند ، از سنسورهای عمق تلفن های هوشمند گرفته تا لیدارهای اتومبیل خودران. با توجه به ساختار نامنظم آنها ، پیوندهای روی این نمایش ها به طور قابل توجهی در مقایسه با تصاویری که ساختار شبکه معمولی را ارائه می دهند ، بسیار سخت تر است. TensorFlow Graphics دارای دو لایه کانولوشن سه بعدی و یک لایه جمع آوری سه بعدی است که به عنوان مثال به شبکه ها اجازه می دهد تا طبقه بندی بخش های معنایی را روی مشها انجام دهند ، همانطور که در زیر نشان داده شده و در این دفترچه Colab نشان داده شده است.
TensorBoard 3d
اشکال زدایی بصری یک راه عالی برای ارزیابی اینکه آیا یک آزمایش در حال انجام است یا خیر در جهت درست برای این منظور ، TensorFlow Graphics دارای یک افزونه TensorBoard است تا بصورت تعاملی مشهای سه بعدی و ابرهای نقطه ای را تجسم کند.
شروع کنید
اولین نسخه پشتیبانی از TensorFlow Graphics با TensorFlow 1.13.1 و بالاتر سازگار است. با مراجعه به https://www.tensorflow.org/graphics API و دستورالعمل های نصب کتابخانه را خواهید یافت .
تقدیرنامه
ایجاد گرافیک TensorFlow یک کار گروهی بود. تشکر ویژه از جم کسکین ، پاول پیدلیپنسکی ، آمیش ماکادیا و آونش سود که همگی سهم قابل توجهی داشتند.
الگوهای ضد الگو و پیامدهای غیرمنتظره در طراحی خطوط دوچرخه
الگوهای ضد الگو و پیامدهای غیرمنتظره در طراحی خطوط دوچرخه
هدف مسیرهای دوچرخه سواری ارائه رفتار و حرکات قابل پیش بینی بین دوچرخه سواران و رانندگان است. خوب انجام شده است ، آنها افرادی را که خود را "دوچرخه سوار" نمی دانند ، به عنوان بخشی از زندگی روزمره خود از وسایل نقلیه فعال استفاده می کنند تا از آنها محافظت و نگرانی های خود را در مورد ترافیک سواری برطرف کنند. بد انجام می شود ، آنها باعث ناامیدی بین افرادی می شوند که با ماشین رانندگی می کنند ، دوچرخه سواری می کنند. در موارد خاص ، طراحی های ضعیف منجر به آسیب و مرگ می شود.
وسایل نقلیه پارک شده و طراحی مسیر نامناسب دوچرخه سواری دوچرخه سوار را منحرف می کند > آناتومی خط دوچرخه
خطوط دوچرخه در طراحی از رنگ ساده گرفته تا خطوط دوچرخه محافظت شده که از یقه ، مهار یا سایر مبلمان خیابانی استفاده می کند. ایجاد یک جداسازی فیزیکی بین خطوط دوچرخه سواری ، عابران پیاده و وسایل نقلیه.
مانند طراحی هر چیزی ، باید به همه ذینفعان ، از جمله تأثیرات رفتاری یک طرح توجه شود.
یک خط دوچرخه محافظت شده در ونکوور ، قبل از میلاد-
Uber x táxis: o Brasil entra na guerra؛ o Explica متوسط
Uber x táxis: o Brasil entra na guerra؛ o Explica متوسط
Os motoristas de táxi do Rio de Janeiro fizeram uma manifestação no dia de hoje. O alvo foi o Uber، o aplicativo de caronas pagas que vem motivando até mesmo guerras campais em vários países، com motoristas ameaçados e carros queimados.
Não sabe o que é o Uber؟ Não sabe o que pensar sobre ele؟ Selecionamos alguns textos.
Tem menor، não؟
por Gustavo de Almeida، 23 de julho · 5 min de leitura Sim، isso mesmo: o cara contrata um motorista special para um serviço qualquer، mas os taxistas konsiderram que ele deveria ter pedido um táxi.
Uber está para a Economia colaborativa assim como orgia está para a virgindade
در ابراهیم سزار ، 3 د ژولو · 6 دقیقه در دقیقه با انجام کارهایی که در Uber pela cidade de São Paulo انجام می شود ، به عنوان redes sociais foram tomadas de assalto por gritos de desespero dos cidadãos que não entendem como podemos ter uma medida tão retrógrada. در نظر بگیرید که چگونه می توانید از آن استفاده کنید.
Como o Carro Autônomo do Uber Vai Destruir 10 Milhões de Empregos e Redefinir a Economia em 2025
por Zack Kanter، 29 de maio · 6 دقیقه de leitura O mais excitante serão as novas invenções، descobertas ea criação de indústrias inteiras que ainda não podemos nem imaginar.
Por que eu não vou assinar o abaixo-assinado a favour do Uber
por Bia Granja، 8 de julho · 5 min de leitura Você deixaria de usar um app super popular e útil se soubesse que a empresa faz coisas muito moralmente questionáveis؟
Waze se junta ao Uber contra o Crime organizado
por Leandro Demori، 7 de julho · 3 min de leitura Os aplicativos são fightidos por taxistas porque provocam uma revolução no mercado legal. Há mais em jogo: eles também ameaçam destruir o poder de grupos de Crime organizado، que controlam milhares de taxis em todo o mundo.
از طریق پست الکترونیکی به صورت رسمی به رسانه ها بروید بدون برزیل Nós a editamos para conversar com nossos escritores e leitores ، و também para divulgar as melhores histórias em português. به عنوان یک تجربه متوسط ، می توانید به عنوان برچسب های جالب توجه آنها را انتخاب کنید. Sugerimos esta e esta para cameçar. Você também pode seguir as publicações que mais gostar: uma lista delas، aqui. Mais sugestões conforme seu perfil no Medium؟ Clique aqui. (e se você quiser parar de receber este e-mail، sem galho، clique no لغو اشتراک abaixo)
ویرایشگر معتبر com nosso بدون توییتر (demori) یا بدون متوسط (demori). والئو!
بسیار قدرتمند.
بسیار قدرتمند.
همانطور که به تازگی متوجه شدم خواهر شوهرم پدرش را در یک تصادف با دوچرخه از دست داده است. تصادف راننده کامیون با تلفن باعث حواس پرتی او شد.
من هیچ کلمه ای برای درک احساس او ندارم ، اما من در قلب خود می دانم ، می توانم وقتی او در آنجا است از جایی عاشقانه برای او باشم. آماده است ... زیرا شادی در اطراف من است .... حتی اگر من "احساس" شادی نمی کنم.
از شما برای نوشتن متشکرم.
از شما بودن شما متشکرم. < /p>
بدانید که در طول این روز شادی با شماست. ممکن است احساس خوشحالی نکنید ، اما اصل شادی با شما ، در اطراف شما ، و شما و نتیجه شما است.