Во введении объясняется, почему школьникам полезно знакомиться с машинным обучением на практических примерах, и обозначается роль Teachable Machine в таком знакомстве. Здесь формулируются проблема, цель и задачи проекта, указываются аудитория и предполагаемый продукт — подборка учебных заданий с инструкциями.

В теоретическом разделе раскрывается, что такое машинное обучение и чем оно отличается от набора заранее заданных правил. Объясняется связь между примерами, классами и результатом распознавания, а также вводятся понятия обучающих и проверочных данных. Это поможет ученикам понимать, что модель выявляет закономерности, а не обладает человеческим пониманием.

В этом пункте описываются назначение веб-инструмента и доступные типы проектов: изображения, звук и позы. Рассматриваются основные действия пользователя — создание классов, добавление примеров, запуск обучения и проверка результата. Описание интерфейса связывает теорию с практикой и помогает определить, какие функции подходят для школьных заданий.

Раздел посвящён подготовке примеров, от которых зависит качество распознавания. Рассматривается, почему важны разнообразие данных, сопоставимое представление классов и тестирование на новых примерах; приводятся типичные причины ошибок, связанные с фоном, освещением и условиями записи. Отдельно обозначаются ограничения модели и правила безопасного обращения с изображениями и звуками.

Здесь задаются критерии, по которым подбираются примеры заданий: понятная учебная цель, доступные материалы, выполнимые действия и возможность проверить результат. Обосновывается последовательность от постановки задачи к сбору данных, обучению и анализу ошибок. Эти принципы нужны, чтобы упражнения знакомили с устройством модели, а не сводились к нажатию кнопок.

В практической части приводится инструкция по созданию проекта с двумя или несколькими классами изображений, например разных школьных предметов. Указываются порядок сбора примеров, запуск обучения и проверка на объектах, не использованных ранее. Ученики фиксируют удачные и ошибочные ответы, после чего обсуждают, какие признаки могли повлиять на решение модели.

Пункт предлагает варианты упражнений с аудиоданными и позами: различение звуковых сигналов или простых положений тела перед камерой. Для каждого варианта описываются необходимые примеры, условия записи и способ проверки. Ученики сравнивают, как меняется результат при изменении шума, расстояния или положения, и отмечают, какие ограничения возникли.

В разделе описывается, как проверить понятность инструкций и работоспособность подготовленных упражнений на тестовых примерах. Предлагается записывать результаты распознавания, находить повторяющиеся ошибки и связывать их с составом данных или условиями проверки. Анализ позволяет уточнить задания и сформулировать рекомендации для учителя по обсуждению качества и ограничений модели.

В заключении кратко соотносятся полученные материалы с целью и задачами проекта: отмечается, какие задания подготовлены и какие этапы работы с моделью они охватывают. Обобщаются наблюдения о влиянии обучающих примеров и проверки на новых данных. Также обозначаются условия применения подборки на уроке и возможные направления дальнейшего развития заданий.

В списке литературы приводятся источники, использованные для проверки сведений о машинном обучении и функциях Teachable Machine. В первую очередь указываются официальные страницы инструмента и материалы разработчиков, а также подходящие учебные и справочные ресурсы. Для интернет-источников необходимо записать название страницы, адрес и дату обращения, чтобы читатель мог проверить информацию.