Teachable Machine

Лабораторная работа 1

1. Цель работы

Изучить процесс построения и обучения моделей машинного обучения для распознавания изображений с использованием платформы Teachable Machine. Научиться применять полученные модели для распознавания рукописных цифр и арифметических символов.

2. Формулировка задания

Вариант 25, буква "Ч" (порядковый номер – 25):

Задание 1. Распознавание рукописных цифр

1. Обучить модель в Teachable Machine на наборе «Handwritten Digits 0–9».
2. Количество эпох = N + 50 = 25 + 50 = 75 эпох.
3. Распознать две цифры, соответствующие букве "Ч":
   Согласно таблице — цифры 2 и 9.

Задание 2. Распознавание арифметических знаков

1. Скачать датасет «Basic arithmetics dataset» с Kaggle.
2. Создать проект по распознаванию следующих знаков:

• Деление (:)
• Левая скобка (()
• Минус (−)
• Плюс (+)
• Правая скобка ())
• Умножение (*)

1. Количество эпох = 70 − N = 70 − 25 = 45 эпох.
2. Распознать знак, соответствующий букве "Ч":
   Согласно таблице — умножение (*).

3. Описание выполнения заданий

Задание 1: Распознавание рукописных цифр

• В Teachable Machine был создан проект с 10 классами (цифры от 0 до 9).
• Использовался встроенный набор данных (Handwritten Digits).
• Модель обучалась в течение 75 эпох.
• После обучения были загружены изображения с цифрами 2 и 9.
• Результаты распознавания:

• Цифра 2 — успешно распознана.
• Цифра 9 — успешно распознана.

Приложены скриншоты интерфейса Teachable Machine:

[pic 1]

[pic 2]

[pic 3]

Ссылка на модель: https://teachablemachine.withgoogle.com/models/UPKfk1k8Z/ 

Задание 2: Распознавание арифметических знаков

• Создан новый проект в Teachable Machine с 6 классами (арифметические знаки).
• Использован набор с Kaggle: «Basic arithmetics dataset».
• Каждый знак представлен отдельной категорией.
• Обучение модели длилось 45 эпох.
• Для проверки загружен символ умножения (*).
• Результат: знак распознан корректно.

Приложены скриншоты:

[pic 4]

Ссылка на модель: https://teachablemachine.withgoogle.com/models/zoQEmkOiV/ 

4. Ответы на контрольные вопросы

1. Какие этапы включают процесс обучения модели в Teachable Machine?

• Создание проекта и классов.
• Сбор или загрузка данных.
• Настройка параметров (количество эпох, разделение выборки).
• Обучение модели.
• Тестирование/распознавание и экспорт модели.

2. Что такое эпоха в контексте машинного обучения?
Эпоха — это один полный проход по обучающему набору данных. Каждая эпоха позволяет модели немного корректировать свои параметры, чтобы улучшить точность.

3. Как параметры выборок (обучающей и тестирующей) влияют на качество модели?

• Слишком малая обучающая выборка может привести к недостаточному обучению (underfitting).
• Отсутствие тестовой выборки мешает объективно оценить качество модели.
• Правильный баланс (например, 80/20) помогает обучить и адекватно проверить модель.

4. Какие преимущества и ограничения имеет использование Teachable Machine?
Преимущества:

• Удобный интерфейс, не требует программирования.
• Быстрый запуск моделей.
• Поддержка разных типов данных (аудио, изображение, позы).

Ограничения:

• Ограниченная настройка параметров.
• Не подходит для сложных архитектур.
• Нет возможности вручную изменять веса модели или код.

5. Вывод

В ходе лабораторной работы я научился(ась) использовать Teachable Machine для распознавания изображений. Были обучены две модели: одна — для распознавания рукописных цифр, другая — для арифметических знаков. Обе модели успешно распознали требуемые символы. Работа показала, что визуальные инструменты, такие как Teachable Machine, могут быть эффективными для быстрого прототипирования и обучения моделей.