В этом разделе объясняется, почему проектирование искусственного интеллекта выбрано темой исследования и какую практическую задачу будет решать прототип. Здесь формулируются проблема, цель и задачи, обозначаются объект и предмет проекта, а также описываются методы: изучение источников, подготовка примеров, разработка и тестирование модели. В конце задаются границы работы: какой тип ИИ рассматривается и какие результаты можно получить на школьном уровне.

Раздел раскрывает, что в информатике называют искусственным интеллектом и чем обучаемые модели отличаются от систем, работающих только по заранее заданным правилам. Рассматриваются примеры применения ИИ в распознавании изображений, поиске информации, переводе и рекомендациях. Это необходимо, чтобы выбрать реалистичную задачу для прототипа и не приписывать технологии человеческое мышление или гарантированную безошибочность.

Здесь описываются обучение с учителем, обучение без учителя и обучение с подкреплением, а также типичные задачи, для которых используют каждый подход. Особое внимание уделяется классификации как доступной для учебного прототипа задаче: модель получает примеры с известными категориями и учится предсказывать категорию новых объектов. Раздел помогает обосновать выбор метода в практической части.

В разделе прослеживается путь от постановки задачи до проверки готовой модели: сбор данных, очистка, разметка, разделение примеров, обучение и оценивание. Объясняется, почему качество и представительность данных влияют на результат не меньше, чем выбор алгоритма. Также обозначаются требования к безопасной работе с информацией: проверка прав на использование источников и отказ от передачи личных данных в непроверенные сервисы.

Этот пункт знакомит с принципом настройки параметров модели по примерам и объясняет роль алгоритма в обработке входных данных. Для оценки классификатора рассматриваются тестовая выборка, доля верных предсказаний и анализ матрицы ошибок. Отдельно разбираются переобучение и ограничения одной общей метрики: модель может показывать высокий результат в среднем, но часто ошибаться на редкой категории.

В практическом разделе формулируется конкретная задача будущего прототипа, например определение категории изображения или тональности короткого текста. Указываются входные данные, возможные ответы модели и критерии проверки результата. Затем выбирается открытый или учебный набор примеров, проверяются его состав и качество, а данные распределяются на части для настройки и последующего независимого тестирования.

Раздел посвящён реализации учебного решения с помощью среды программирования или сервиса машинного обучения. Описываются выбранный инструмент, формат входных данных, категории ответов и основные действия по обучению модели. Важно зафиксировать настройки и последовательность шагов, чтобы можно было повторить опыт, а также не выдавать демонстрационный прототип за готовую систему для важных решений.

Здесь прототип проверяется на тестовых примерах, которые не использовались при его настройке, а предсказания сопоставляются с правильными ответами. Результаты представляются в удобном виде: таблицей, долей верных ответов и перечнем характерных ошибок. Анализ позволяет определить, какие данные или настройки нуждаются в улучшении, и обозначить ограничения модели, включая случаи, для которых её применять не следует.

В заключении сопоставляются полученные результаты с поставленной задачей и кратко оценивается, удалось ли создать и проверить учебный прототип. Отмечаются освоенные этапы проектирования ИИ, обнаруженные ошибки и факторы, повлиявшие на качество предсказаний. Также формулируются практические рекомендации: когда результат модели можно использовать как подсказку, почему его нужно проверять и как можно продолжить развитие проекта.

В этом разделе приводятся использованные учебники, справочные материалы, документация выбранного инструмента и источники данных. Для каждого материала указываются автор или организация, название, год публикации либо адрес страницы и дата обращения, если источник электронный. Список позволяет читателю проверить сведения об ИИ, воспроизвести этапы разработки и убедиться, что набор данных применялся с учётом условий доступа.