MISSION 4-1表格数据★☆☆☆
鲷鱼 vs 胡瓜鱼
变量和特征有什么不同？
指令 从市场运来的 49 条鱼混在了一起。只用长度和重量这两个数字，把鲷鱼和胡瓜鱼分开。
装备 找出一行规则 · 感知机 · SVM · k-NN 与标准化
LOG 05:47 实验室现场
这是警报响起 3 分钟后的记录。
[SYSTEM] 总部的紧急指令已送达。附件：照片五张、鱼类测量表一份，以及一个问题。
博士快起来！有任务！鞋？鞋待会儿再说！问题只有一个：“AI 如何区分图像。”从简单的一组到困难的一组，分四次来回答！
助手哈啊……博士，太阳还没出来呢……不过附件照片里有吉娃娃和松饼？这个连我都分不清，计算机要怎么区分啊？……毯子我带着走。
果蝇研究员抓住博士的白大褂了！出发前先定好顺序吧。先从只有两个数字的鱼开始，然后是像素，再然后是叠加层，最后是吉娃娃和松饼。
实验室机器人五杯咖啡准备完毕。每项任务都配备了动手实践和两段 Colab 代码。请小心别摔倒。
ORDER 总部指令书
■ 一级紧急 · 实验室全员
- 问题
- AI 如何区分图像？
- 任务
- 从简单的一组到困难的一组，通过区分四组对象来查明原理。从用有名字的变量（长度·重量）来区分的方法出发，一直讲到从几千个没有名字的像素中找出特征的方法。
- 报告形式
- 每项任务都有亲手操作的动手实践、面向初学者的讲解、小测验，以及两段实际运行过的 Colab 代码
- 建议顺序
- 4-1 → 4-2 → 4-3 → 4-4。每项任务也可以单独完成
MISSIONS 四项任务
点击“任务开始”即可进入对应的一篇。给完成的任务勾选“已完成”，这台设备会记住。
MISSION 4-2像素★★☆☆
猫 vs 人
照片就是数字矩阵
指令 一张照片以几千个 0~255 的数字送达。从这堆数字中找出区分猫和人的线索。
装备 像素放大镜 · 像素距离的陷阱 · 卷积滤波器 · 面部特征点
MISSION 4-3CNN★★★☆
猫 vs 狗
叠加层来改变坐标
指令 都有毛，都有眼睛和耳朵。一个平面分不开这两种动物，那就叠加层来区分。
装备 三维分类边界 · CNN 结构 · Softmax · Attentive CutMix
MISSION 4-4最终任务★★★★
吉娃娃 vs 松饼
低层特征会被骗，高层特征来区分
指令 圆圆的褐色团块上有三个黑点。这是连人都会看错的一组。查明模型为什么会被骗。
装备 暗点滤波器 · 分辨率实验 · 像素规则 vs 模式 · 模型的局限
进度0 / 4 CLEAR
KIT 每项任务配备的装备
▣ 亲手操作的动手实践
像素放大镜、滤波器实验室、可以三维旋转查看的分类边界，还有拼接碎片的 CutMix。亲自确认数字实际上是怎样变化的。
▣ 两段 Colab 代码
每项任务都有可以复制、下载、直接用笔记本打开的代码。只使用 Colab 自带的库和内置数据，并附上了实际的运行结果。
▣ 讲解与小测验
每个章节都有面向初学者的讲解、带虚线下划线的术语气泡提示，以及附有错误选项解析的小测验。
▣ AI 应用提示词
收录了以代码为起点，用于黑客松计划、竞赛策划书、论文实验设计的提示词。
▣ 类比合集
除了“花纹印章”“选班长”这样的类比，还写下了这些类比不成立的地方。
▣ 给教师的 TIP
整理了讲授式课程·在职培训（OJT）·一对一辅导的运营方案、各章节的提问，以及五种常见误解。
SIDE 支线任务
◆ 深入鱼类任务——用鲷鱼和胡瓜鱼数据进行的机器学习（决策树、k-NN、回归、交叉验证等），可以在《用 Fish Market Data 轻松学机器学习》中详细学习。