NNTrack – это среда визуального (с помощью блоков) моделирования архитектуры нейронных сетей, их обучения и экспорта для последующего использования на аппаратных модулях.
Программа NNTrack предназначена для обучения и подготовки будущих специалистов в области искусственного интеллекта, машинного обучения и робототехники. Приложение позволяет без необходимости программирования создавать, обучать и тестировать нейронные сети, что упрощает процесс создания нейронных сетей для начинающих исследователей, школьников и студентов.
Проект NNTrack отобран Агентством стратегических инициатив (АСИ) для поддержки в сфере развития кадрового потенциала. Проект направлена на подготовку будущих разработчиков нейронных сетей на базе программного решения NNTrack.
TelegramЧто делает NNTrack:
Визуальное моделирование
Вы строите модель, соединяя различные блоки на экране, как будто собираете пазл
Обучение модели
Вы настраиваете параметры обучения нейронной сети, а NNTrack берет на себя сложную задачу обучения модели на ваших данных
Тестирование модели
NNTrack позволяет тестировать обученные модели прямо в интерфейсе, обеспечивая удобство и эффективность работы
Экспорт модели
После обучения модель можно использовать в других приложениях, на специальном устройстве Артинтрек и на других отечественных платформах
Использование готовых нейронных сетей
Распознавание: поз, рукописных цифр, пола и возраста, 80 и 1000 объектов, эмоций, жестов, 5 и 35 точек лица, углов поворота головы, лиц, речи; Нахождение лиц
Сценарии использования
На компьютере
Создание, обучение и тестирование нейронной сети
Графический интерфейс
Тестирование нейронной сети с веб-камерой и изображениями
Работа с API
Передача в сторонние программы результатов работы нейронной сети
Можно создавать различные игры и симуляторы с нейронной сетью
С роботами
Стационарные роботы
Передача данных нейросети с компьютера на различные контроллеры по последовательному порту
Мобильные роботы
Могут автономно перемещаться и использовать нейронные сети без компьютера
В разработке
БПЛА
Использование нейронных сетей для обработки видеопотока с БПЛА
Игры с ИИ
Возможность управлять персонажем в играх с помощью нейронных сетей
Большие Данные
Возможность обработки больших данных
ТрекиКод (TrackyCode) + NNTrack
Обновление NNTrack и создание среды программирования ТрекиКод открыло новые возможности: теперь результаты работы нейросетей, распознающих объекты, можно напрямую использовать в ТрекиКод! Управляйте спрайтами, объектами и фонами с помощью реальных ИИ-моделей. Ученики смогут создавать интерактивные игры, анимации и обучающие проекты, используя нейронные сети, созданные в NNTrack.
Примеры применения:
- • Нейросеть распознаёт фрукты и овощи на изображении, а персонаж Треки правильно их сортирует.
- • Камера «видит» цифру, написанную учеником, и персонаж озвучивает её или выполняет соответствующее действие.
- • Изучение иностранных языков в процессе игры: персонаж озвучивает объект, распознанный нейронной сетью, на английском языке.
Совместимые наборы
Приложение NNTrack совместимо с контроллером Trackduino. Контроллер Trackduino есть в следующих наборах: Базовый, Базовый Расширенный, Базовый Технология, Стажёр A и Б, Малыш 1 и 2, Мой Робот.
Учебно-методические курсы
Курс: «Разработка и обучение свёрточных нейросетей в среде визуального моделирования NNTrack»
Курс: «Разработка и обучение свёрточных нейросетей в среде визуального моделирования NNTrack»
предоставит обучающимся возможность погрузиться в увлекательный мир глубокого обучения
практикуясь на различных датасетах, дети освоят весь цикл разработки: от проектирования архитектуры до анализа полученных результатов
Демо-занятие и рабочую программу курса вы можете найти по ссылке
Пример тем
Курс: «Изучения основ искусственного интеллекта»
Курс: «Изучения основ искусственного интеллекта»
обучающиеся познакомятся с такими понятиями: «мозг человека», «интеллект», «искусственный интеллект»
сформируют знания об истории возникновения ИИ (нейронные сети в том числе), значимости и перспективе использования нейронных сетей в современном мире и т.д.
Демо-занятие и рабочую программу курса вы можете найти по ссылке
Пример тем