Для начала объясните ученикам, что такое машинное обучение и как оно работает. Разумно будет начать с простейшей линейной регрессии и градиентного спуска, потом перейти к задаче классификации и логистической регрессии, рассказать, почему линейные модели справляются не всегда(практически никогда). Далее расскажите про обычные полносвязные сетки и более хорошие методы оптимизации(sgd, momentum etc.)
После этого ваши ученики будут готовы для встречи со свёрточными и рекуррентными сетями. Про word embeddings(w2d, bag-of-words, tf-idf etc.) можно рассказать прямо по ходу.
Ссылки:
1)
https://github.com/goto-ru/Basic_ML, задания рассчитаны на учеников 10-11 классов и студентов 1-2 курсов.
2)
word2vec
3) Лабы по RNN:
1,
2.
4)
karpathy.github.io/2015/05/21/rnn-effectiveness - очень понятно про рекуррентные сети.
5) CNN in NLP:
1,
2,
3.
6)
https://distill.pub/ - простым языком про сложные вещи.
Простой
