Μάθημα : ΠΛΗΡΟΦΟΡΙΚΗ Β ΓΥΜΝΑΣΙΟΥ

Κωδικός : 0504010426

0504010426  -  ΕΛΕΝΗ ΣΕΒΗ

Μάθημα

Το μάθημα της Πληροφορικής στη Β Γυμνασίου δε στοχεύει τόσο στην απόκτηση γνώσεων όσο στην καλλιέργεια της δημιουργικότητας και της κριτικής σκέψης.

Μέσα από παραδείγματα, δραστηριότητες και ασκήσεις, θα έχετε την ευκαιρία να πειραματιστείτε, να ανακαλύψετε και να κατανοήσετε τον τρόπο με τον οποίο η Πληροφορική μπορεί να αλλάξει τη ζωή μας.
Ο στόχος είναι αυτό το ταξίδι στον κόσμο της Πληροφορικής να σας εμπνεύσει και να σας ενθαρρύνει να ανακαλύψετε τις απεριόριστες δυνατότητες που προσφέρει. 

Ενότητες

Τα Δίκτυα Υπολογιστών προσφέρουν συνδεσιμότητα στους υπολογιστές και στις συσκευές, και καθιστούν εφικτή την επικοινωνία των χρηστών μεταξύ τους. 

Η διασύνδεση πολλών δικτύων δημιουργεί το Διαδίκτυο (Internet).

Λόγω της λειτουργίας τους, μπορούμε να έχουμε σήμερα ηλεκτρονικές διατραπεζικές συναλλαγές, ηλεκτρονικές συναλλαγές με το κράτος, εκπαίδευση από απόσταση, αποστολή μηνυμάτων ηλεκτρονικού ταχυδρομείου, μεταφορά αρχείων, υπερμεσικές εφαρμογές (κείμενο, εικόνα, voice, video) καθώς και πλειάδα άλλων υπηρεσιών.

Στην ενότητα αυτή θα απαντήσουμε στα παρακάτω ερωτήματα:
• Τι σημαίνει ενεργός εξοπλισμός δικτύου, και τι παθητικός;
• Πώς κατηγοριοποιούνται τα δίκτυα βάσει γεωγραφικής εμβέλειας;
• Πώς δημιουργούμε ένα τοπικό δίκτυο LAΝ;
• Πώς συνδέουμε ένα τοπικό δίκτυο στο Διαδίκτυο;
• Πώς μπορούμε να αποφανθούμε για την καλή λειτουργία ενός δικτύου, να προβούμε σε εκσφαλμάτωση και να μετρήσουμε την ταχύτητα της σύνδεσής μας;
• Τί είναι τα FTTH και WSN;

Ο υπολογιστής είναι μια μηχανή που επεξεργάζεται πλήθος δεδομένων και μας παρέχει χρήσιμες πληροφορίες. Ανάλογα με τα δεδομένα με τα οποία τον τροφοδοτούμε και τις εντολές που του δίνουμε, μας παρέχει τις αντίστοιχες πληροφορίες.
• Τι λογισμικό μπορούμε να χρησιμοποιήσουμε, για να επεξεργαστούμε διάφορα δεδομένα;
• Τι επεξεργασία μπορούμε να κάνουμε στα δεδομένα;
• Πώς επιλέγουμε την κατάλληλη επεξεργασία δεδομένων, ώστε να έχουμε την πληροφορία που θέλουμε;
• Πώς μπορούμε να χρησιμοποιήσουμε την πληροφορία για να πάρουμε μια απόφαση;
Στο κεφάλαιο αυτό θα έχουμε την ευκαιρία να μάθουμε περισσότερα για διάφορους τρόπους παραγωγής πληροφοριών από την επεξεργασία δεδομένων. Για το σκοπό αυτό θα μελετήσουμε ένα πολύ χρήσιμο λογισμικό που συνήθως υπάρχει στον υπολογιστή μας, τα «Υπολογιστικά Φύλλα».

Ένα πρόγραμμα δημιουργίας παρουσιάσεων είναι το μαγικό εργαλείο που θα σας βοηθήσει να μετατρέψετε τις σκέψεις σας σε ζωντανές εικόνες και εντυπωσιακά γραφικά.
Μια παρουσίαση μοιάζει με διαδραστική αφίσα που κινείται και μιλάει! Μπορείτε να χρησιμοποιήσετε εικόνες, γραφήματα, βίντεο και ήχο, για να εξηγήσετε μια ιδέα, να πείσετε κάποιον για κάτι ή απλά για να διασκεδάσετε.

Σε αυτό το κεφάλαιο θα μάθουμε πώς να δημιουργούμε τις δικές μας μοναδικές παρουσιάσεις χρησιμοποιώντας όλες τις δυνατότητες που μας προσφέρει ένα πρόγραμμα δημιουργίας παρουσιάσεων! Πιο συγκεκριμένα θα δούμε:
• Πώς μπορούμε να οργανώσουμε τις ιδέες μας σε μια λογική ακολουθία.
• Ποιοι τύποι διαφανειών είναι οι πιο κατάλληλοι για κάθε περίπτωση.
• Ποια είδη πολυμέσων μπορούμε να ενσωματώσουμε στην παρουσίασή μας και πώς;
• Πώς μπορούμε να χρησιμοποιήσουμε τα εφέ και τις μεταβάσεις για να κάνουμε την παρουσίασή μας πιο εντυπωσιακή.
• Πώς μπορούμε να παρουσιάσουμε την εργασία μας με αυτοπεποίθηση.

 Στην ενότητα αυτή θα μάθετε πώς να προσδίδετε ρεαλισμό στην κίνηση των χαρακτήρων σας, όπως γίνεται στα βιντεοπαιχνίδια.
Φανταστείτε ότι εσείς έχετε γράψει ένα μικρό πρόγραμμα, το οποίο μπορεί να κάνει ένα πουλί να μετακινείται κουνώντας τα φτερά του, ενώ ένας φίλος σας έχει γράψει ένα παρόμοιο πρόγραμμα για τη ρεαλιστική μετακίνηση ενός ανθρώπου. Θέλετε να συνεργαστείτε για να σχεδιάσετε και να υλοποιήσετε ένα βιντεοπαιχνίδι, στο οποίο θα προσθέσετε και άλλους χαρακτήρες με ρεαλιστική κίνηση. Πώς θα αξιοποιήσετε τον κώδικα που έχει, ήδη, αναπτυχθεί;
Σε αυτή την ενότητα θα μάθετε να ορίζετε τις δικές σας εντολές και να αξιοποιείτε κώδικα που έχετε αναπτύξει εσείς ή οι συμμαθητές και οι συμμαθήτριές σας, ώστε να μην «ανακαλύπτετε ξανά τον τροχό».

Όταν σχεδιάζουμε ένα βιντεοπαιχνίδι στο οποίο μπορούν να συμμετέχουν πολλοί παίκτες, χρειάζεται να αποθηκεύουμε κάπου τους βαθμούς που έχουν πετύχει, ώστε να ξέρουμε ποιοι είναι οι καλύτεροι μέχρι εκείνη τη στιγμή. Γι’ αυτό τον σκοπό χρειαζόμαστε δυο λίστες στις οποίες θα αποθηκεύσουμε τα δεδομένα μας, που είναι τα ονόματα των παικτών και οι βαθμοί τους. Στη συνέχεια, μπορεί να χρειαστεί να κάνουμε κάποια επεξεργασία στα δεδομένα αυτά. Για παράδειγμα, μπορεί να εμφανιστεί ένας νέος παίκτης, ή η παίκτρια που βρίσκεται στην τρίτη θέση να κάνει ένα ρεκόρ, οπότε θα χρειαστεί να μετακινηθεί στην πρώτη θέση. Αυτές οι λειτουργίες πρέπει να μπορούν να εκτελεστούν εύκολα και γρήγορα.

Μια τέτοια δομή, στην οποία ορίζεται ένα σχήμα οργάνωσης των δεδομένων το οποίο υποστηρίζει ένα σύνολο λειτουργιών πάνω σε αυτά, λέγεται δομή δεδομένων.

Στην Πληροφορική υπάρχουν πολλές δομές δεδομένων, όπως η ουρά και η στοίβα.

Στην ενότητα αυτή θα μελετήσουμε μια θεμελιώδη δομή δεδομένων: τη λίστα.

Τα τελευταία χρόνια, η Τεχνητή Νοημοσύνη (ΤΝ) έχει σημειώσει ραγδαία εξέλιξη, επηρεάζοντας πολλούς τομείς της επιστήμης, της τεχνολογίας και της κοινωνίας.

Εφαρμογές, όπως οι έξυπνοι βοηθοί (π.χ. Siri, Alexa), τα συστήματα αυτόματης εξυπηρέτησης πελατών και τα εργαλεία ανάλυσης δεδομένων, βασίζονται σε αυτές τις τεχνολογίες για την παροχή πιο εξελιγμένων υπηρεσιών.

Ο κλάδος της Τεχνητής Νοημοσύνης που έχει γνωρίσει αυτήν την ανάπτυξη είναι αυτός της Μηχανικής Μάθησης (machine learning). Η τεράστια παραγωγή και διαθεσιμότητα δεδομένων από το Διαδίκτυο, τα Μέσα Κοινωνικής Δικτύωσης, τις συσκευές του Διαδικτύου των Πραγμάτων και άλλες ψηφιακές πηγές έχει δημιουργήσει μια πλούσια πηγή για την εκπαίδευση των μοντέλων Μηχανικής Μάθησης.

Η αυξημένη υπολογιστική ισχύς, με την εξέλιξη των εξειδικευμένων επεξεργαστών για τεχνητή νοημοσύνη, έχει επιτρέψει την επεξεργασία αυτών των τεράστιων όγκων δεδομένων σε χρόνο ρεκόρ, καθιστώντας δυνατή την εκπαίδευση πολύπλοκων αλγορίθμων βαθιάς μάθησης.

Όλα αυτά τα στοιχεία έχουν οδηγήσει σε σημαντικές προόδους σε διάφορους τομείς, όπως η αναγνώριση εικόνας, η επεξεργασία φυσικής γλώσσας και η πρόβλεψη τάσεων, ανοίγοντας νέες προοπτικές για το μέλλον.
Στην ενότητα αυτή θα μάθουμε τη βασική διαφορά μεταξύ Τεχνητής Νοημοσύνης και Μηχανικής Μάθησης και θα έχουμε την ευκαιρία να εκπαιδεύσουμε το δικό μας νευρωνικό δίκτυο στην αναγνώριση φωτογραφιών που έχουν ληφθεί από τον Διεθνή Διαστημικό Σταθμό.

Ημερολόγιο

Προθεσμία
Γεγονός μαθήματος
Γεγονός συστήματος
Προσωπικό γεγονός

Ανακοινώσεις

Όλες...
  • - Δεν υπάρχουν ανακοινώσεις -