Cel mai bun serviciu de monitorizare a actelor publicate in Monitorul Oficial
┌──────────────────────────────────────┐
│1. Implementarea algoritmilor în │
│limbajul Python │
│2. Elaborarea creativă de soluţii │
│informatice care vizează aspecte │
│sociale, culturale şi personale, │
│utilizând algoritmi care au la bază │
│învăţarea automată │
└──────────────────────────────────────┘
┌──────────────────────────────────────┐
│Clasa a XI-a/Clasa a XII-a │
├──────────────────────────────────────┤
│1.1. Utilizarea unui mediu de │
│dezvoltare pentru limbajul Python │
├──────────────────────────────────────┤
│- folosirea interpretorului de comenzi│
│din mediul de dezvoltare utilizat │
│pentru executarea unor scripturi │
│Python model, modificarea lor conform │
│unor cerinţe şi crearea unor secvenţe │
│noi de cod │
├──────────────────────────────────────┤
│- familiarizarea cu funcţionalităţile │
│mediului de dezvoltare pentru editarea│
│codului, de exemplu indentarea │
│codului, sugestii de completare, │
│ajutor contextual │
├──────────────────────────────────────┤
│- familiarizarea cu funcţionalităţile │
│mediului de dezvoltare pentru │
│executarea codului, de exemplu │
│semnalarea erorilor sau depanarea │
│secvenţelor de cod │
├──────────────────────────────────────┤
│1.2. Elaborarea unor scripturi Python │
│care prelucrează tipuri de date de │
│bază │
├──────────────────────────────────────┤
│- recunoaşterea rolului unor elemente │
│prezente în sintaxa instrucţiunilor │
│limbajului Python prin analogia dintre│
│o secvenţă de instrucţiuni Python şi │
│secvenţa corespunzătoare scrisă │
│într-un limbaj de programare studiat │
│sau în pseudocod │
├──────────────────────────────────────┤
│- modificarea unor secvenţe de │
│instrucţiuni pentru a pune în evidenţă│
│rolul elementelor componente (de │
│exemplu, parcurgerea valorilor │
│naturale dintr-un interval în ordine │
│crescătoare/descrescătoare, cu un │
│anumit pas) │
├──────────────────────────────────────┤
│- exersarea operaţiilor de │
│intrare-ieşire prin apelul funcţiilor │
│specifice, pentru diferite tipuri de │
│date şi formate ale acestora │
├──────────────────────────────────────┤
│- rezolvarea unor probleme ce │
│utilizează tipurile de date de bază şi│
│operatorii specifici limbajului Python│
├──────────────────────────────────────┤
│1.3. Elaborarea unor scripturi Python │
│care prelucrează tipuri de date │
│structurate │
├──────────────────────────────────────┤
│- prezentarea datelor structurate │
│(tablouri, liste, dicţionare, tupluri)│
│prin analogie cu alte limbaje de │
│programare studiate şi prin exemple │
│concrete, cum ar fi: folosirea unui │
│dicţionar pentru a memora o agendă │
│telefonică, a unui tablou pentru │
│înregistrarea măsurătorilor unui │
│senzor, memorarea dimensiunilor unei │
│imagini într-un tuplu sau stocarea │
│numelor elevilor înscrişi la un │
│concurs într-o listă │
├──────────────────────────────────────┤
│- crearea, iniţializarea, conversia şi│
│utilizarea unor date structurate, de │
│exemplu pentru a ordona date sau a │
│căuta valori │
├──────────────────────────────────────┤
│1.4. Definirea şi apelarea funcţiilor │
│în Python │
├──────────────────────────────────────┤
│- prezentarea structurii unei funcţii │
│în Python (antet, parametri, mecanisme│
│de transmitere a parametrilor şi │
│returnare a valorilor) │
├──────────────────────────────────────┤
│- utilizarea unor funcţii predefinite/│
│metode, de exemplu, funcţia/metoda len│
│pentru a obţine lungimea unei │
│structuri de date, funcţia/metoda str │
│pentru a converti o dată numerică în │
│şir de caractere │
├──────────────────────────────────────┤
│- rezolvarea de probleme folosind │
│funcţii definite de utilizator (de │
│exemplu, scrierea unei funcţii care │
│furnizează cel mai mare divizor comun │
│a două numere şi apelul acesteia │
│pentru a determina cel mai mare │
│divizor comun al unei serii de numere)│
├──────────────────────────────────────┤
│- analizarea avantajelor utilizării │
│funcţiilor: reutilizarea codului, │
│elaborarea algoritmilor prin │
│descompunerea problemei în subprobleme│
│mai simple, reducerea numărului de │
│erori care pot apărea la scrierea │
│programelor, depistarea cu uşurinţă a │
│erorilor, realizarea unor programe │
│uşor de urmărit (lizibile) │
├──────────────────────────────────────┤
│- rezolvarea de probleme care necesită│
│prelucrarea unor date structurate (de │
│exemplu, listele sau dicţionarele ce │
│pot fi utilizate pentru gestiunea │
│cărţilor dintr-o bibliotecă sau pentru│
│gestiunea unei agende telefonice, │
│evidenţiind metodele/funcţiile │
│predefinite, specifice fiecărui tip de│
│date structurate) │
├──────────────────────────────────────┤
│1.5. Utilizarea bibliotecilor │
│predefinite în elaborarea unor │
│scripturi │
├──────────────────────────────────────┤
│- prezentarea şi exemplificarea │
│utilizării unor funcţii uzuale din │
│cadrul unor biblioteci │
├──────────────────────────────────────┤
│○ Matplotlib - grafice de funcţii şi │
│ale derivatelor lor (de exemplu, │
│funcţia cosinus şi derivata acesteia -│
│funcţia sinus) │
├──────────────────────────────────────┤
│○ Numpy - lucrul cu date │
│multidimensionale: filtrarea datelor │
│după anumite criterii, calculul de │
│funcţii matematice (medie, minim, │
│maxim) pe anumite dimensiuni ale │
│datelor │
├──────────────────────────────────────┤
│○ PIL (Python Image Library) - │
│conversia în tonuri de gri, │
│binarizarea imaginilor, filtrarea │
│imaginilor │
├──────────────────────────────────────┤
│- realizarea de aplicaţii simple ce │
│folosesc funcţiile exemplificate, cum │
│ar fi: trasarea graficului nivelului │
│de poluare, calculul unor valori medii│
│înregistrate pentru diverse tipuri de │
│particule ce poluează sau compresia │
│unor imagini relevante pentru poluare │
└──────────────────────────────────────┘
┌──────────────────────────────────────┐
│Clasa a XI-a/Clasa a XII-a │
├──────────────────────────────────────┤
│2.1. Caracterizarea inteligenţei │
│artificiale în contextul aplicaţiilor │
│acesteia în viaţa cotidiană │
├──────────────────────────────────────┤
│- prezentarea în evoluţie temporală a │
│sistemelor inteligente cu exemple │
│renumite - Deep Blue, AlexNet, AlphaGo│
│sau AlphaFold │
├──────────────────────────────────────┤
│- identificarea unor aplicaţii ale │
│inteligenţei artificiale în viaţa │
│cotidiană (funcţionarea maşinilor │
│autonome, recunoaşterea facială şi │
│vocală) │
├──────────────────────────────────────┤
│- exersarea reflecţiei critice din │
│perspectiva utilizării inteligenţei │
│artificiale în viaţa de zi cu zi │
├──────────────────────────────────────┤
│- vizualizarea unor materiale video ce│
│redau exemple de succes privind │
│utilizarea inteligenţei artificiale │
├──────────────────────────────────────┤
│2.2. Caracterizarea învăţării automate│
├──────────────────────────────────────┤
│- prezentarea învăţării automate ca │
│subdomeniu al inteligenţei artificiale│
├──────────────────────────────────────┤
│- compararea învăţării automate cu │
│programarea prin algoritmi clasici, │
│identificând aspecte comune şi │
│diferenţe de abordare │
├──────────────────────────────────────┤
│- recunoaşterea unor situaţii în care │
│învăţarea automată este utilă/necesară│
├──────────────────────────────────────┤
│- definirea problemei în învăţarea │
│automată: mulţimea de date pe care se │
│bazează învăţarea (dataset) şi │
│formularea obiectivului/obiectivelor │
│învăţării automate │
├──────────────────────────────────────┤
│- exemplificarea unor situaţii │
│concrete de utilizare a învăţării │
│automate (de exemplu, identificarea │
│unor obiecte în imagini, predicţia │
│unor valori pe baza istoricului) │
├──────────────────────────────────────┤
│- exemplificare prin probleme abordate│
│prin algoritmi clasici versus prin │
│învăţare automată (de exemplu, │
│identificarea unei categorii de │
│obiecte în imagini) │
├──────────────────────────────────────┤
│- prezentarea unor probleme care au │
│soluţii dificil de implementat prin │
│programarea clasică din cauza │
│numărului mare de cazuri posibile │
├──────────────────────────────────────┤
│2.3. Elaborarea unor scripturi Python │
│care implementează algoritmi specifici│
│învăţării automate │
├──────────────────────────────────────┤
│- formularea problemelor principale în│
│învăţarea automată (clusterizare, │
│clasificare, regresie) │
├──────────────────────────────────────┤
│- identificarea asemănărilor şi │
│deosebirilor între clusterizare, │
│clasificare şi regresie │
├──────────────────────────────────────┤
│- proiectarea contextului, pregătirea │
│şi implementarea de algoritmi pentru │
│rezolvarea unor probleme specifice │
│pentru utilizarea învăţării automate │
│(de exemplu, Kmeans pentru │
│clusterizare, KNN pentru clasificare │
│şi regresie liniară) │
├──────────────────────────────────────┤
│- utilizarea funcţiei FORECAST.LINEAR │
│în Excel ca suport de vizualizare a │
│rezultatelor regresiei liniare │
├──────────────────────────────────────┤
│2.4. Alegerea unor algoritmi eficienţi│
│de învăţare automată pentru rezolvarea│
│problemelor │
├──────────────────────────────────────┤
│- analizarea situaţiilor în care │
│predicţia rezultată în urma rulării │
│unui algoritm nu este conformă cu │
│realitatea (de exemplu, utilizarea │
│unor seturi de date neechilibrate care│
│generează predicţii părtinitoare) │
├──────────────────────────────────────┤
│- punerea în discuţie a modului în │
│care elevii au rezolvat o problemă şi │
│a unor situaţii noi în care ar putea │
│fi folosit acelaşi algoritm │
├──────────────────────────────────────┤
│- alegerea algoritmului de învăţare │
│automată (supervizat sau nesupervizat)│
│în funcţie de tipul de date │
│disponibile: etichetate sau │
│neetichetate, continue sau discrete │
├──────────────────────────────────────┤
│- conştientizarea achiziţiilor de │
│învăţare personală în urma aplicării │
│algoritmilor specifici învăţării │
│automate (Ce folosesc pentru viaţă? Ce│
│am învăţat din fiecare situaţie │
│problemă - clusterizare, clasificare, │
│regresie - şi va fi folositor mâine? │
│Ce pot explica altei persoane? etc.) │
└──────────────────────────────────────┘
┌──────────────┬───────────────────────┐
│Domenii │Conţinuturi │
│de conţinut │ │
├──────────────┼───────────────────────┤
│ │- Repere importante din│
│ │istoricul inteligenţei │
│ │artificiale şi al │
│ │învăţării automate │
│ │- Modul de proiectare │
│ │şi operare a unui │
│ │sistem inteligent bazat│
│ │pe învăţare automată │
│ │- Tipuri de seturi de │
│ │date utilizate în │
│ │învăţarea automată: │
│ │etichetate, │
│ │neetichetate, de │
│Caracteristici│antrenare şi de test │
│ale învăţării │- Atributele unui │
│automate ca │sistem inteligent bazat│
│subdomeniu al │pe învăţare automată: │
│inteligenţei │autonomie, robusteţe, │
│artificiale │capacitate de adaptare,│
│ │învăţare din experienţă│
│ │- Rolul inteligenţei │
│ │artificiale bazate pe │
│ │învăţarea automată în │
│ │societate │
│ │- Elemente de etică în │
│ │utilizarea inteligenţei│
│ │artificiale bazate pe │
│ │învăţarea automată │
│ │(protejarea datelor │
│ │personale, bias, │
│ │diferenţa între │
│ │corelaţie şi │
│ │cauzalitate) │
├──────────────┼───────────────────────┤
│ │- Elemente de lucru în │
│ │mediile de dezvoltare │
│ │pentru limbajul Python:│
│ │interpretor de comenzi,│
│ │fişier de comenzi, │
│ │script, linie de │
│ │comandă │
│ │- Modalităţi de │
│ │instalare/accesare a │
│ │unui interpretor Python│
│ │- Funcţionalităţi ale │
│Medii de │mediului de dezvoltare │
│dezvoltare │pentru editarea │
│Python │codului: indentare, │
│ │sugestii de completare,│
│ │ajutor contextual │
│ │- Funcţionalităţi ale │
│ │mediului de dezvoltare │
│ │pentru executarea │
│ │codului: executare a │
│ │unei comenzi, executare│
│ │a unui script, │
│ │semnalare a erorilor, │
│ │depanare a secvenţelor │
│ │de cod │
├──────────────┼───────────────────────┤
│ │- Noţiuni de bază │
│ │necesare utilizării │
│ │unor clase predefinite:│
│Elemente de │clasă, membri ai clasei│
│bază ale │(date şi metode), │
│programării │obiecte, biblioteci │
│orientate pe │- Instanţiere a unei │
│obiecte │clase predefinite/ │
│ │declarare a unui obiect│
│ │şi acces la membrii │
│ │acestuia │
├──────────────┼───────────────────────┤
│ │- Comenzi şi scripturi │
│ │- structură generală: │
│ │biblioteci, variabile, │
│ │instrucţiuni, funcţii │
│ │- Elemente de vocabular│
│ │al limbajului Python: │
│ │identificatori, │
│ │cuvinte-cheie, │
│ │constante, separatori, │
│ │operatori, comentarii │
│ │- Clase predefinite │
│ │pentru tipuri de date │
│ │de bază în Python: date│
│ │numerice (int, float), │
│ │date logice (bool), │
│ │şiruri de caractere │
│ │(str); iniţializare, │
│ │operaţii specifice │
│ │- Funcţii pentru │
│ │citirea şi afişarea │
│ │datelor: input, print │
│Elemente de │(fără formatare şi cu │
│bază ale │formatare) │
│limbajului de │- Instrucţiuni: │
│programare │instrucţiunea expresie,│
│Python │instrucţiunea │
│ │alternativă (if), │
│ │instrucţiuni repetitive│
│ │(for, while) │
│ │- Clase predefinite │
│ │pentru tipuri │
│ │structurate de date │
│ │(liste, tupluri, │
│ │dicţionare): │
│ │iniţializare, operaţii │
│ │specifice (adăugare/ │
│ │ştergere elemente, │
│ │parcurgeri) │
│ │- Funcţii definite de │
│ │utilizator: antet, │
│ │parametri, domeniul de │
│ │vizibilitate a │
│ │variabilelor, mecanisme│
│ │de transmitere a │
│ │parametrilor şi │
│ │returnare a valorilor, │
│ │apel │
├──────────────┼───────────────────────┤
│ │- Biblioteca Numpy - │
│ │tipuri de date │
│ │multidimensionale şi │
│ │metode pentru calcule │
│ │numerice (min, max, │
│ │sort, len, shape, type)│
│ │- Biblioteca Matplotlib│
│Biblioteci │- metode pentru │
│Python │vizualizarea graficelor│
│utilizate în │de funcţii matematice │
│învăţarea │(plot, show) │
│automată │- Biblioteca PIL │
│ │(Python Image Library) │
│ │- tipuri de date şi │
│ │metode pentru │
│ │manipularea şi │
│ │prelucrarea imaginilor │
│ │(open, save, convert, │
│ │filter, pad) │
├──────────────┼───────────────────────┤
│ │- Definiţia şi │
│ │caracteristicile │
│ │învăţării automate │
│ │nesupervizate │
│ │(utilizează seturi de │
│ │date neetichetate, │
│ │descoperă structura │
│ │intrinsecă a datelor) │
│ │- Clusterizarea ca │
│ │tehnică de învăţare │
│ │nesupervizată: │
│ │obiectivul învăţării, │
│ │criterii de grupare a │
│ │datelor pe baza │
│ │similarităţii │
│ │- Algoritmul de │
│ │clusterizare K-means: │
│ │set de date │
│ │neetichetate (convexe │
│ │şi neconvexe), număr de│
│ │clustere, funcţia de │
│ │similaritate, │
│Învăţare │corespondenţa între │
│automată │date şi clustere ca │
│nesupervizată │date de ieşire │
│ │- Criterii de │
│ │interpretare a │
│ │rezultatelor obţinute │
│ │prin clusterizare: │
│ │puritatea şi densitatea│
│ │clusterelor │
│ │- Avantajele utilizării│
│ │algoritmului de │
│ │clusterizare K-means: │
│ │convergenţă rapidă, │
│ │aplicabilitate pe scară│
│ │largă, uşurinţa │
│ │implementării │
│ │- Dezavantajele │
│ │utilizării algoritmului│
│ │de clusterizare │
│ │K-means: dificultatea │
│ │alegerii numărului │
│ │optim de clustere, │
│ │funcţionarea │
│ │defectuoasă pe seturi │
│ │de date neconvexe │
├──────────────┼───────────────────────┤
│ │- Definiţia şi │
│ │caracteristicile │
│ │învăţării automate │
│ │supervizate (utilizează│
│ │seturi de date │
│ │etichetate de antrenare│
│ │şi de test, descoperă │
│ │corespondenţa între │
│ │date de intrare şi │
│ │etichete) │
│ │- Clasificarea ca │
│ │tehnică de învăţare │
│ │supervizată: obiectivul│
│ │învăţării, natura │
│ │etichetelor (discrete, │
│ │fără relaţie de ordine)│
│ │- Algoritmul de │
│ │clasificare KNN: set de│
│ │date etichetate, număr │
│ │de etichete, distanţa │
│ │între date (vecini), │
│ │vecini luaţi în │
│ │considerare, │
│ │corespondenţa între │
│ │date şi etichete ca │
│ │date de ieşire │
│ │- Criterii de │
│ │interpretare a │
│ │rezultatelor obţinute │
│Învăţare │prin clasificare: │
│automată │acurateţe pe datele de │
│supervizată │antrenare şi de test, │
│ │matricea de confuzie │
│ │- Regresia ca tehnică │
│ │de învăţare │
│ │supervizată: obiectivul│
│ │învăţării, natura │
│ │etichetelor (continue, │
│ │cu relaţie de ordine) │
│ │- Algoritmul de │
│ │regresie liniară: │
│ │dependenţa liniară │
│ │dintre datele de ieşire│
│ │(etichete) şi datele de│
│ │intrare, formule de │
│ │calcul pentru │
│ │parametrii funcţiei │
│ │liniare │
│ │- Criterii de │
│ │interpretare a │
│ │rezultatelor obţinute │
│ │prin regresie: eroarea │
│ │medie │
│ │- Criterii de analiză │
│ │comparativă între │
│ │clasificare şi regresie│
│ │(rezultatele vizate │
│ │sunt discrete sau │
│ │continue, existenţa │
│ │unei relaţii de ordine │
│ │între rezultatele │
│ │vizate) │
└──────────────┴───────────────────────┘
