Nyongeza ya Msingi ya Akili Bandia (AI) kwa Shule za Ufundi na Ufundi Stadi

Nyongeza ya Msingi ya Akili Bandia (AI) kwa shule za ufundi na ufundi stadi si kituo cha roboti cha zama zijazo — ni mazingira ya kompyuta yaliyopangwa, yaliyoundwa kufundisha:

• Upangaji programu kwa ajili ya AI

• Misingi ya ujifunzaji wa mashine (Machine Learning)

• Ushughulikiaji wa data

• Ufunzaji na tathmini ya modeli

• Utangulizi wa kuweka AI katika matumizi (deployment)

Sifa kuu

• Vituo 24 vya kazi vyenye utendaji wa juu (kwa safu au umbo la U)

• Kituo cha mkufunzi upande wa mbele

• Skrini kubwa / projekta

• Kona maalum ya kabati la seva (server rack)

• Ubao mweupe kwa maelezo ya kihisabati

• Mfumo imara wa kupoza (kazi za AI huzalisha joto)

Mahitaji ya maunzi (kiwango cha msingi)

HUHITAJI kompyuta kuu (supercomputer).

Vituo vya kazi vya wanafunzi (vipande 24)

Kiwango cha chini:

• CPU: i7 / Ryzen 7

• RAM: 32GB (muhimu kwa seti za data za ML)

• Hifadhi: SSD ya 1TB

• GPU: NVIDIA RTX 3060 au inayofanana nayo (VRAM ya 8–12GB)

Kwa nini GPU?

“Mifumo ya ujifunzaji wa mashine kama TensorFlow na PyTorch hutumia uharakishaji wa CUDA.”

Ikiwa bajeti ni ndogo:

• Anza bila GPU

• Tumia ufunzaji wa AI unaotegemea wingu (AWS, Azure, Google Colab)

Seva ya AI (hiari lakini inapendekezwa)

Vipimo: RAM ya 128GB, GPU kadhaa (2–4 za RTX au za mfululizo wa A), hifadhi ya NVMe ya kasi ya juu

Mtandao wa 10Gb (hiari)

Madhumuni: Ufunzaji wa pamoja wa modeli, miradi ya kuhitimu (capstone), uigaji wa kitafiti

Kwa shule ya ufundi stadi, seva moja imara ya GPU inatosha.

Mfumo wa programu (msingi)

Upangaji programu na mifumo-kazi (frameworks)

• Python (lugha kuu)

• Jupyter Notebook, Anaconda, TensorFlow, PyTorch, Scikit-learn, Pandas, NumPy na Matplotlib

Zana za uundaji programu

• VS Code

• Git

• Docker (kwa misingi ya kuweka modeli katika matumizi)

Mifumo ya uendeshaji

• Ubuntu Linux (inapendelewa kwa AI)

• Windows (hiari, kuwasha mifumo miwili – dual boot)

Muundo wa mtaala kwa maabara ya msingi ya AI

Mkazo: Maabara za vitendo > nadharia.

Kiwango cha 1: Misingi

• Upangaji programu kwa Python

• Misingi ya aljebra mstari

• Takwimu kwa ajili ya AI

• Usafishaji wa data

• Uwasilishaji wa data kwa michoro

Kiwango cha 2: Kiini cha ujifunzaji wa mashine

• Ujifunzaji unaosimamiwa

• Urejeshi (regression)

• Uainishaji

• Tathmini ya modeli

• Kufunzwa kupita kiasi (overfitting) na upendeleo

Kiwango cha 3: Utangulizi wa ujifunzaji wa kina (Deep Learning)

• Mitandao ya neva

• Utambuzi wa picha

• Misingi ya NLP

• Kuweka AI rahisi katika matumizi

Ni nini kinachoifanya kuwa “ya msingi” ?

Maabara ya msingi ya AI ni:

• Ya kielimu, si ya kiwango cha utafiti

• Inayolenga ML tumizi

• Iliyoundwa kwa ajili ya kukuza ujuzi

• Iliyojengwa kuzunguka mfumo ikolojia wa Python

• Iliyounganishwa na njia za vyeti vya kitasnia

Si: Maabara ya roboti, maabara ya roboti-binadamu (humanoid), kiwanda cha roboti wala kituo cha data!

Boresha hadi chaguo la Msingi wa AI

Wasiliana nasi kwa nukuu ya bei ya kina ikiwa ungependa kuboresha au kubadilisha Idara yako ya Kompyuta / TEHAMA kwa chaguo la Msingi wa AI.

Timu yako ya DMH!