通过Orange项目中的数据实验学习机器学习与人工智能

海豚是哺乳动物吗？如果是，为什么？

几维鸟是什么物种的动物？

雅典和罗马是否位于同一气候带？

谁画了一幅著名的“尖叫女人”的画？这位艺术家是否总是用橙色画天空？

我们能否仅通过写作风格猜出社交媒体上帖子的作者是谁？

NBA中有没有与在卢卡·东契奇(Luka Dončič)的打球风格一模一样的克隆人？

能否仅通过树叶或者树皮的照片，判断出这棵树是什么种类呢？

世界各国是如何根据社会经济特征来分组的？世界真的是按照经济分为南北两部分吗？

罗马和雅典是否位于同一气候带？根据气候模式，哪个国家首都的气候与柏林最为相似？

数据科学，特别是机器学习方法，正成为科学、工程和技术等多个领域变革的催化剂，对我们的日常生活产生了深远的影响。能够处理大量数据集、识别有趣模式并构建预测模型的计算技术正变得无处不在。然而，只有少数专业人士对数据科学有基本了解，而真正利用数据构建模型的人更是少之又少。在这个AI悄然塑造我们世界的时代，每个人都必须了解其能力、优势以及潜在风险。我们需要建立有效的方法，将数据科学的概念传授给广大受众，使机器学习、数据科学和人工智能的原理和技术成为常识。

本章开头提出的每个问题，都可以通过观察相关数据来回答。我们提出以下机器学习训练方法：从问题出发，找到相关数据，然后通过分析数据模式和模型来回答问题。在Pumice项目中，我们正在开发可以用来丰富不同学科的教育活动。我们利用与主题相关的数据，并借助AI和机器学习方法进行探索。我们与教育工作者携手合作，为教师和学生精心设计了学习模板和背景解释，以便他们更好地理解相关概念。

Pumice的活动和培训得到了Orange的支持，这是一个具有直观界面、交互式可视化和视觉编程的机器学习程序。其简化的关键在于采用类似乐高积木的分析流程构建方式和所有组件的交互性（见图1）。这既符合培训要求，又具备足够的灵活性，能够涵盖大多数核心主题并适应不同的应用领域。为了进一步支持教学，并专注于概念而非底层机制，Orange提供了对数据的便捷访问、通过保存工作流程及其各种用户设置和选择来实现的可重复性，以及通过设计新组件实现的轻松定制。培训的一个核心环节是通过工作流检查来进行故事叙述，并利用专门的实验功能，比如绘制实验数据集或学习多项式线性回归的过拟合问题。Orange作为开源软件可供使用，并配有简明培训视频作为补充。

图 1. Orange数据挖掘软件和一个典型的数据探索工作流。

在图1中，我们展示了一个典型的Orange数据探索工作流程。这个流程包括了加载数据、计算距离、可视化数据或结果模型等多个环节，旨在帮助我们找到并可视化数据中的模式。在这个工作流中，我们使用了来自世界各国的社会经济数据。工作流的上部分支研究了两个特征，并显示了预期寿命和在校年数是相关的。但研究也发现像佛得角和摩洛哥这样的国家，虽然人们的寿命较长，但上学的时间却并不长。学校里的孩子们可以通过设计这样的数据网络来探索哪些国家在社会经济层面上较为相似。他们会发现，从社会经济角度来看，世界可以被划分为北部、中部和南部，而且发达和欠发达地区之间存在着巨大的差异。这些发现并不需要我们明确告诉他们，因为在Orange中挖掘数据的过程中，他们会自行发现这些规律，并在高年级的学习中深入探索这些差异。

Orange这款软件自2003年诞生以来，发展势头强劲。如今，它已吸引了超过50,000名月度用户，作为一个被广泛接受的专业软件应用的地位，大约一半的用户来自学术界。值得注意的是，Orange在教育领域也备受追捧，全球已有超过500所大学将其纳入数据科学课程。

如果你是一位致力于教授机器学习和数据科学的教育工作者，那么以下资源或许能为你提供不小的帮助。这些资源通过Orange进行实战数据探索，让你轻松入门这两个学科：

• Orange，工具箱网站
• 数据科学简介，是一套短视频，展示了使用Orange的选定可视化和机器学习方法。在http://youtube.com/orangedatamining上找到视频，并转到“数据科学简介”播放列表。
• Pumice是一个教师网站，我们在那里收集了教师可以纳入培训计划的使用案例。