Il corso di formazione “Machine Learning per la didattica con Python” è stato progettato per fornire ai partecipanti una solida comprensione dei principi fondamentali e delle tecniche pratiche del Machine Learning.
Durante il corso, i partecipanti acquisiranno una comprensione approfondita dei principi fondamentali del Machine Learning e impareranno come applicare tali concetti nel contesto dell’insegnamento delle scienze e della matematica. Attraverso lezioni teoriche, esempi pratici e attività di laboratorio, i docenti saranno guidati nell’utilizzo del linguaggio di programmazione Python per implementare algoritmi di Machine Learning, consentendo loro di creare progetti e attività coinvolgenti per gli studenti.
I docenti impareranno anche come preparare i dati, valutare i modelli di Machine Learning e interpretare i risultati in modo da poter fornire agli studenti un feedback accurato e incoraggiante.
Durante il corso, i docenti avranno l’opportunità di lavorare su progetti pratici specifici per l’ambito scolastico, adattando gli algoritmi di Machine Learning alle discipline curricolari, come l’analisi dei dati sperimentali in fisica o la previsione dei trend matematici. Saranno forniti esempi di attività didattiche che integrano il Machine Learning per stimolare l’interesse degli studenti, sviluppare le competenze di problem solving e promuovere una comprensione più profonda dei concetti scientifici.
Alla fine del corso, i docenti saranno in grado di integrare il Machine Learning nei loro programmi di studio, utilizzando uno specifico linguaggio di programmazione e selezionando gli algoritmi di Machine Learning appropriati per le esigenze specifiche delle discipline scolastiche.
Formatore: Callea Giuseppe
ID PERCORSO: 158442
Data fine iscrizioni: 22/10/2023
Durata: 25 ore (5 lezioni di 3 ore, 5 ore di attività in asincrono, 5 ore di project work finale)
Tipologia scuola: Scuola secondaria
Destinatari: Docenti della scuola secondaria
Livello d’ingresso: B1 Sperimentatore/Intermedio/ Conosce e utilizza in modo efficace e responsabile
CALENDARIO
23/10/2023 dalle 15.00 alle 18.00
30/10/2023 dalle 15.00 alle 18.00
06/11/2023 dalle 15.00 alle 18.00
13/11/2023 dalle 15.00 alle 18.00
17/11/2023 dalle 15.00 alle 18.00
PROGRAMMA
- Introduzione al Machine Learning e concetti fondamentali
- Panoramica del linguaggio Python per il Machine Learning
- Configurazione dell’ambiente di sviluppo e delle librerie di Machine Learning
- Manipolazione dei dati: importazione, esplorazione e preparazione dei dati
- Apprendimento supervisionato: regressione lineare e regressione logistica
- Esempi pratici di applicazione della regressione lineare e logistica nell’ambito scolastico
OBIETTIVI (NEL DETTAGLIO)
- Comprendere i concetti fondamentali del Machine Learning: acquisire una conoscenza approfondita dei concetti chiave del Machine Learning, come ad esempio l’apprendimento supervisionato e non supervisionato, la valutazione dei modelli e l’ottimizzazione dei parametri
- Utilizzare il linguaggio di programmazione Python per implementare algoritmi di Machine Learning: imparare a utilizzare il linguaggio di programmazione Python per implementare algoritmi di Machine Learning, sfruttando le librerie di Machine Learning più diffuse
- Applicare algoritmi di Machine Learning per l’analisi dei dati: imparare ad applicare algoritmi di Machine Learning
- Valutare e interpretare i risultati dei modelli di Machine Learning
- Integrare il Machine Learning nell’insegnamento delle scienze e della matematica: acquisire competenze per progettare e sviluppare attività didattiche che integrano il Machine Learning nei programmi di studio delle discipline scientifiche e matematiche, stimolando l’interesse degli studenti e promuovendo una comprensione più profonda dei concetti
- Adattare gli algoritmi di Machine Learning alle esigenze specifiche dell’ambito scolastico: imparare a selezionare e adattare gli algoritmi di Machine Learning per soddisfare le esigenze specifiche delle discipline scolastiche, creando progetti e attività coinvolgenti per gli studenti
- Promuovere il pensiero critico e il problem-solving degli studenti: sviluppare strategie e attività didattiche che incoraggiano gli studenti a utilizzare il Machine Learning come strumento per affrontare problemi complessi, promuovendo il pensiero critico, la creatività e il problem-solving
- Collaborare e condividere buone pratiche: partecipare a discussioni e attività collaborative per condividere esperienze, idee e buone pratiche con altri docenti interessati all’integrazione del Machine Learning nell’insegnamento
0