التخطّي إلى المحتوى الرئيسي
الانتقال إلى لوحة البيانات
ألا تعرف من أين تبدأ؟ يمكنك إجراء اختبار قصير للحصول على اقتراحات مخصّصة.
الدرس 7 من إجمالي 8
Looking ahead to ML-powered journalism
مقدمة عن التعلم الآلي
مناهج مختلفة للتعلم الآلي
كيف تتعلم الآلة؟
التحيز في التعلم الآلي
check_box_outline_blank مقدمة للتعلم الآلي : خذ مسابقة
دورة تدريبية
0% مكتمل
5 دقائق دروس مطلوب إكمالها

Looking ahead to ML-powered journalism

unnamed_hSrV4nk.png

Key learnings and recommended resources to deepen your ML knowledge.

unnamed_hSrV4nk.png

Moving the next steps

unnamed.png

You have reached the end of this crash course on classifying images with machine learning. You should now have a better understanding of how machine learning works in practice, as well as what its power and limitations are. 


If you have previously taken our Introduction to Machine Learning, you now have the perfect toolkit to understand how to enhance your reporting with machine learning and how you can make the most, in a responsible way, of the power offered by these technologies.

unnamed.png

Summary of the training steps

image42_3.png

Let's recap all the steps involved in training a machine learning model:

  1. Reflect on your use case and consider whether ML can be (part of) the solution to the problem you are trying to solve.
  2. Source the data you need and take every possible step to minimise the potential impact of biases in the data.
  3. Clean and prepare the data so that it contains the right balance of information the model needs to learn from.
  4. Choose the algorithm that is best suited to meet the goals of your use case and the features of your training data.
  5. Upload the dataset you prepared to the algorithm of your choice and wait for it to learn.
  6. Evaluate the results and decide if they are good enough to use the model for your journalistic purpose. If not, repeat.


image42_3.png

Want to learn more?

image43_2_rl1AyId.png

In this crash course, we learned how machine learning can be used to classify images in the context of an investigation, but there are many other journalistic use cases. Find a few examples in this handy collection by the Quartz AI Studio that highlights instances of "how you might feel when machine learning can help".


If you want to know more about how news organisations use machine learning and other AI-powered technologies, browse the ever-growing library of case studies curated by the JournalismAI team.


And never forget to carefully reflect on how to identify potential biases in your data and make sure that they are not replicated and multiplied by your ML model. Check out this Google Cloud guide on Inclusive ML to learn more.



image43_2_rl1AyId.png

Credits

image8_2_QzLOEf9.png

This course was developed by JournalismAI in collaboration with Anatoliy Bondarenko and his team at Texty

Texty is a Ukrainian data journalism agency that promotes transparency and accountability by developing high-quality journalism and data journalism, which includes analysis and presentation of big data in an interesting and comprehensive way.


JournalismAI is a project of POLIS – the journalism think-tank at the London School of Economics and Political Science – and it's funded by the Google News Initiative.

Special thanks to Agnes StenbomFabienne MeijerFlorencia Coelho, and Jarno Koponen, for their precious feedback during the development of the course.


Sign up to the JournalismAI newsletter to stay informed about project activities.

image8_2_QzLOEf9.png
تهانينا. لقد أنهيت الدرس. Looking ahead to ML-powered journalism قيد التقدم
محتوى مقترَح لك
  • Google Earth Timelapse: Observing change

    الدرس
    تدرس هذه الدورة الأدوات التي يمكن أن يستخدمها الصحفي للعثور على تقارير حول البيئة والإخبار عنها. الأدوات المستخدمة:
    الإزالة من حسابك
    حفظ البيانات في حسابك
  • كيف تستطيع استخدام التعلم الآلي

    الدرس
    تعرف إلى الحالات التي قد يكون فيها التعلم الآلي الحل لمشكلتك.
    الإزالة من حسابك
    حفظ البيانات في حسابك
  • مقدمة لـ Google Earth Engine

    الدرس
    استخدم مكتبة متعددة البيتابايت من صور القمر الصناعي والبيانات لاكتشاف التغييرات، وتحديد اتجاهات الخريطة، وتحديد الاختلافات على سطح الأرض
    الإزالة من حسابك
    حفظ البيانات في حسابك
ما هو تقييمك لهذا الدرس؟
ستساعدنا ملاحظاتك في تحسين الدروس بشكل مستمر.
المغادرة وفقدان مستوى التقدّم
إذا غادرت هذه الصفحة، لن يتم حفظ التقدّم الذي حقّقته في الدرس الحالي. هل تريد فعلاً المغادرة وفقدان مستوى التقدّم؟