Как поставить знак вектора в ворде?
Поставить знак вектора в программе ворд достаточно просто, следуйте следующей инструкции:
Первый шаг. Открываем новый лист программы ворд. На верхней панели настроек находим закладку «Вставка» и активируем. Откроется меню «Вставка», в котором нужно найти блок настроек «Символы» и нажать на иконку с названием «Формуа».
Второй шаг. На экране появиться специальное поле для ввода формул.
Третий шаг. Активируем это поле и переводим курсор на верхнюю панель настроек. В блоке настроек «Структура» находите иконку с названием: «Диакритические знаки» и нажимаете на неё. Перед вами откроется новая панель с различными формулами, в ней отыскиваете иконку с квадратиком в пунктир, над которым есть стрелочка вправо и нажимаете на неё.
Четвертый шаг. На экране отразиться данный квадратик с пунктиром и стрелочкой. Вам нужно курсор поставить вовнутрь этого квадратика.
Пятый шаг. Пишем, например, английскую большую букву «A». И получаем нужный результат.
Видео
Знак вектора в word
Поставить знак вектора в программе ворд достаточно просто, следуйте следующей инструкции:
Первый шаг. Открываем новый лист программы ворд. На верхней панели настроек находим закладку «Вставка» и активируем. Откроется меню «Вставка», в котором нужно найти блок настроек «Символы» и нажать на иконку с названием «Формуа».
Второй шаг. На экране появиться специальное поле для ввода формул.
Третий шаг. Активируем это поле и переводим курсор на верхнюю панель настроек. В блоке настроек «Структура» находите иконку с названием: «Диакритические знаки» и нажимаете на неё. Перед вами откроется новая панель с различными формулами, в ней отыскиваете иконку с квадратиком в пунктир, над которым есть стрелочка вправо и нажимаете на неё.
Четвертый шаг. На экране отразиться данный квадратик с пунктиром и стрелочкой. Вам нужно курсор поставить вовнутрь этого квадратика.
Пятый шаг. Пишем, например, английскую большую букву «A». И получаем нужный результат.
Ответы
Igor_145 (27) 5 (4269) 1 3 15 6 лет
Обводишь буквы например – pb. В меню тыкаешь > Вставка > Формула > Диакритические знаки. Открывается окошко и там находишь знак вектора. В итоге получится pb со стрелочкой сверху.
Автор Анна Тесла задал вопрос в разделе Прочее компьютерное
Как поставить знак вектора над буквой F в ворде 2010? и получил лучший ответ
Ответ от Евгений Жуков[гуру]
NLP — Преобразование текста: Word2Vec
Статья, которая поможет вам разобраться в принципе работы и идее, стоящей за Word2Vec.
В предыдущей статье я рассказывал об основах NLP (Natural Language Processing — обработка естественного языка), и сегодня мы продолжим изучение этой темы.
Перед тем, как мы начнем, обратите внимание на несколько моментов, касаемых статьи:
Я использую в статье как полное название Word2Vec, так и сокращенное w2v.
Здесь мы не будем вдаваться в подробности математических формул или объяснений того, как создавался w2v. Вы можете найти подробное руководство в научно-исследовательской статье по ссылке.
Я не буду слишком углубляться в аспекты глубокого обучения w2v, потому как хотел бы, чтобы эта статья была кратким обзором процесса, его интуитивным объяснением.
Хорошо, теперь, когда мы обозначили все моменты, давайте начнем.
Word2Vec — буквально переводится как “слово, представленное в виде числового вектора”. В этом и заключается вся суть. Главный вопрос КАК это происходит? Что ж, в этом и кроется подвох. Без паники, позвольте мне разложить все вопросы по полочкам — мы во всем с вами разберемся.
Вопрос 1: Что такое w2v?
Word2Vec — это малослойная (shallow) искусственная нейронная сеть (ANN), состоящая из двух слоев, которая обрабатывает текст, преобразуя его в числовые “векторизованные” слова. Входные данные w2v — это громадный текстовый корпус, из которого на выходе мы получаем пространство векторов (линейное пространство), размерность которого обычно достигает сотен, где каждое уникальное слово в корпусе представлено вектором из сгенерированного пространства. Она используется для преобразования лингвистического контекста в числа. Векторы слов расположены в пространстве векторов таким образом, что слова с общим контекстом, располагаются в этом многомерном пространстве в непосредственной близости друг от друга. Проще говоря, слова, близкие по значению, будут помещены рядом. Эта модель фиксирует синтаксическое и семантическое сходство между словами.
Вопрос 2: Каким образом модель фиксирует семантическое и синтаксическое сходство в векторах слов?
Здесь нужно объяснить многое, но я постараюсь не усложнять.
Сначала давайте разберемся, как мы можем понять семантическое сходство между двумя словами? Как объяснить то, что при преобразовании слов в числа расстояние расположения слов по отношению друг к другу зависит от сходства значения? Это несколько очевидных вопросов, ответить на которые мы сможем, когда поймем, что из себя представляют выходные данные модели, и как измерить близость. Затем мы узнаем, как создаются эти векторы.
Давайте разберем следующий пример:
возьмем 4 слова: King (король), Queen (королева), Man (мужчина), Woman (женщина).
Если бы я группировал похожие слова вместе, очевидно я бы сделал это следующим образом: (King, Man) и (Queen, Woman). А если, я бы группировал противоположные слова вместе, я бы сделал это так (King, Queen) и (Man, Woman).
Вы могли обратить внимание, что слово King схоже по значению с Man и противоположно Queen, а слово Queen схоже с Woman и противоположно King.
Теперь главный вопрос: как векторное представление сможет уловить эту суть?
Возможно ли это вообще? Да, это возможно.
Давайте разберемся. Для начала, чтобы разобраться в фиксировании синонимов и антонимов, мы должны понять, как сравниваются два вектора и сделать вывод об их математическом сходстве. Нам необходимо сравнить метрики двух векторов.
Чаще всего метрики сходства делятся на две разные группы:
Метрики сходства:
Корреляция Пирсона
Корреляция Спирмена
Коэффициент корреляции Кендэлла
Коэффициент Охаи
Коэффициента Жаккарда
2. Метрики расстояния:
Евклидово расстояние
Манхэттенское расстояние
Сейчас мы не будем подробно останавливаться на том, как рассчитывать метрики. Но объяснить это можно следующим образом: чем ближе два вектора, тем выше у них коэффициент сходства и меньше расстояние между ними. Чем дальше два вектора, тем меньше их коэффициент сходства и больше расстояние между ними соответственно.
Вы можете представить это как:
Сходство и Расстояние обратно пропорциональны друг другу.
Итак, теперь мы понимаем принцип сравнения двух векторов по их сходству. Вернемся к нашему примеру с набором слов King, Queen, Man и Woman, наше общее понимание будет следующим:
Вектор слова King должен иметь высокий коэффициент сходства и меньшее расстояние с вектором слова Man, а вектор слова Queen должен иметь высокий коэффициент сходства и меньшее расстояние с вектором слова Woman и наоборот.
Для того, чтобы лучше понять это, взгляните на график:
Векторы слов в многомерном пространстве
Теперь мы знаем, как можно измерять синонимы и антонимы слов математическим способом.
Возникает главный вопрос: как получить наши целевые векторы?
Вопрос 3: Как w2v преобразует слова в числовые векторы, сохраняя семантическое значение?
Это можно сделать двумя способами, а именно:
CBOW: попытаться предсказать целевое слово, используя слова из контекста.
2. Skip-Gram: попытаться предсказать слова контекста, используя целевое слово.
Давайте об этом поподробнее:
Но прежде чем мы начнем, давайте обозначим ключевые слова и их значение:
Целевое слово (Target Word): слово, которое предсказывается.
Контекстное слово (Context Word): каждое слово в предложении, кроме целевого слова.
Размерность вложения (Embedding Dimension): количество измерений пространства векторов, в которые мы хотим преобразовать слова.
Разберемся на примере:
Предложение: “The quick brown fox jumps over the lazy dog”(Перевод: “Шустрая бурая лиса прыгает через ленивого пса.”).
Допустим, мы пытаемся предсказать слово “fox”, тогда “fox” будет нашим целевым словом.
Остальные слова будут контекстными.
CBOW, Continuous Bag of Words, — это процесс, в котором мы пытаемся предсказать целевое слово с помощью контекста. Мы обучим нашу модель запомнить слово “fox” в контексте, который мы используем в качестве входных данных. CBOW обычно хорошо работает на небольших наборах данных.
Skip-Gram — это процесс, в котором мы пытаемся предсказать контекстные слова с помощью целевого слова, что в точности противоположно CBOW. Skip-gram лучше работает на больших наборах данных.
Источник: Google
Входное слово унитарно кодируется (One-Hot) и отправляется в модель одно за другим. Скрытый слой пытается предсказать наиболее вероятное слово, основываясь на весах, собранных в слое.
Мы избрали размерность нашего вектора равной 300, поэтому каждое наше слово будет преобразовано в 300-мерный вектор.
Последний слой нашей модели w2v — это классификатор Softmax, который определяет наиболее вероятное выходное слово.
Входными данными сети является one-hot вектор, представляющий входное слово, и метка, которая также является one-hot вектором, представляющим целевое слово, однако выходные данные сети представляют собой вероятностное распределение целевых слов, но не обязательно one-hot вектор, как метки.
Строки матрицы весов скрытого слоя на самом деле являются векторами слов (встраивание слов)!
Скрытый слой работает как справочная таблица. Выходные данные скрытого слоя — это «вектор слов» для входного слова.
Количество нейронов на скрытом слое должно равняться размерности вложений, которую мы задаем.
Допустим, в нашем корпусе 5 слов:
Предложение 1: Have a Good Day
Предложение 2: Have a Great Day
Сколько уникальных слов в этих примерах? “have”, “a”, “good”, “great”, “day” = 5
Теперь предположим, что наше целевое слово для предложения 1 — “good”.
Предположим, что для предложения 2 наше целевое слово — “great”.
Когда я скармливаю своей модели остальную часть контекстных слов, она должна понять, что для предложения 2 корректное слово для предсказания — “great”.
Если вы внимательно посмотрите, то увидите, что когда мы уберем целевые слова, останутся одинаковые для двух предложений контекстные слова. Так каким образом модель точно предскажет, какое из них подойдет? На самом деле это не имеет значения, потому что она предсказывает наиболее вероятное слово, и в нашем случае нет неправильного варианта — подойдут оба “good” и “great”. Таким образом, возвращаясь к фиксации синонимов, тут оба слова “good” и “great” будут по сути означать одно и тоже и являться очень вероятным выходным словом для этих конкретных контекстных слов. Именно так наша модель изучает семантическое значение слов. Говоря простыми словами, если я могу использовать слова взаимозаменяемо, тогда изменяется только мое целевое слово, а не контекстные слова, т.е. любые два похожих слова, имеющих один синоним, будут весьма вероятным результатом для контекстных слов, скормленных модели — они будут иметь почти одинаковые числовые значения. Если у них почти одинаковые числовые значения, их векторы должны располагаться близко согласно их метрикам сходства. Таким образом мы фиксируем семантические значения.
Вопрос 4: Как работает модель?
Мы разберемся с архитектурой модели за четыре шага.
Собственно из этих структур и состоит модель.
Подготовка данных:
Для начала давайте разберемся, как происходит подготовка и передача данных в нашу модель.
Рассмотрим предыдущий пример еще раз — ‘have a good day’. Модель преобразует это предложение в пары слов вида (контекстное слово, целевое слово). Пользователем устанавливается размер окна для контекстного слова и если оно равно двум, то пары слов будут выглядеть следующим образом: ([have, good], a), ([a, day], good). С помощью этих пар слов модель пытается предсказать целевое слово с учетом контекстных слов.
Входные данные:
Входными данными этих моделей является не что иное, как большой one-hot encoded вектор.
Давайте разберем на примерах:
Предположим, что в нашем текстовом корпусе 10000 уникальных слов, и мы хотим, чтобы наша размерность вложения соответствовала 300-мерному вектору.
Таким образом, входными данными будет вектор с размерностью 10000 с 0 для всех других слов, в то время как контекстное слово будет 1. Размерность нашего входного вектора составляет 1 x 10000.
Скрытый слой:
Скрытый слой — это та самая матрица весов со всеми словами, которые в начале случайным образом преобразованы в по 300 измерениям. Затем мы обучаем нашу модель подбирать значения этих весов, чтобы на каждом этапе обучения модель лучше справлялась с предсказанием.
Теперь нейроны в скрытом слое точно равны размерности вложений, которую мы выбираем, т.е. 300.
Таким образом, размерность нашей матрицы весов составляет 10000 x 300.
Выходной слой:
Выходной слой — это не что иное, как слой softmax, который использует значения вероятности для прогнозирования результатов среди 10000 векторов, которые у нас есть. Размер нашего выходного вектора равен 1 x 300.
Теперь давайте попробуем понять базовую математику, которая за этим стоит
Входные данные: 1 x 10000
Скрытый слой: 10000 x 300
Выходные данные = Softmax (Входные данные x Скрытый слой) (матричное умножение) = 1 x n * n x dim = 1 x dim = 1 x 300
Выше я объяснил архитектуру CBOW, а чтобы понять Skip-gram, нам просто нужно изменить порядок ввода и вместо контекстного слова и определения целевых слов, вводить целевые слова и пытаться определить контекстные слова. CBOW — это несколько способов ввода и только один вывод, Skip-gram — это один ввод и несколько выводов.
В Skip-gram мы можем определять количество контекстных слов, которое по нашему желанию бы предсказывалось, и, соответственно, мы можем создать пары входных-выходных значений.
Например: ‘have a good day’
Если мы установим размер окна равным 2, то обучающие пары будут следующими:
Целевое слово: good
Контекстные слова: have, a, day
Таким образом, модель учится и пытается предсказать слова, близкие к целевому слову.
Вопрос 5: Какова цель преобразования слов в векторы?
Сейчас синтаксическое и семантическое значения хорошо отражены в векторах слов, поэтому они могут идеально использоваться в качестве входных данных для любых других сложных программ NLP, где может появиться необходимость в понимании сложных разговоров людей или контекста языков.
W2V сама по себе является нейронной сетью, но она представляет из себя скорее вспомогательную функцию, которая облегчает работу другим NLP приложениям.
Реализация:
Мы не будем создавать модель w2v с нуля, поскольку у нас уже есть библиотека Gensim, которая может нам помочь, если у нас есть собственный конкретный доменно-ориентированный корпус данных.
Или, если вы работаете с общими текстовыми данными на английском языке, я бы порекомендовал вам попробовать GloveVectors, которая была создана Стэнфордским Университетом с использованием миллиардов текстов из Wikipedia, Twitter и Common Crawl.
Заключение:
Мы разобрались в концепциях Word2Vec и теперь лучше понимаем, что такое вложения (embedding) слов. Теперь мы понимаем разницу между Skip-Gram и CBOW. Мы также интуитивно понимаем, как создаются вложения слов, и что скрытый слой представляет собой гигантскую таблицу поиска вложений слов. Также у нас появилось понимание того, как фиксируются семантические и синтаксические значения. Вложения слов могут быть очень полезными, а для многих задач NLP даже фундаментальными, не только для традиционного текста, но и для генов, языков программирования и других типов языков.
В следующий раз мы рассмотрим BeRT преобразование текста, а пока желаю вам успехов в обучении!
Как сделать вектор в word?
В разделе Прочее компьютерное на вопрос Как поставить знак вектора над буквой F в ворде 2010? заданный автором Анна Тесла лучший ответ это
22 ответа
Привет! Вот подборка тем с ответами на Ваш вопрос: Как поставить знак вектора над буквой F в ворде 2010?
Ответ от Оксана Костенко
Может попробовать сверху нарисовать стрелочку сверху. Настройка панели инструментов- рисование
Ответ от Voldemaar
1. Документ должен быть совместим с новейшей версией Ворд.
2. Вставка — Уравнение
3. Выбираем панель»Диакритические знаки» (Фото у Евгения Жукова)
4. Там стрелки над буквами точно есть…
Статус темы: Закрыта.
Ответ: Как поставить знак вектора? формульный набор
Ответ: Как поставить знак вектора? Вставить стрелку, приподнять базовую линию, перед стрелкой поставить пробел и кернить его в минус.
С уважением,
Дмитрий Сахаров
P.S. Каждый должен заниматься своим делом.
Ответ: Как поставить знак вектора? Пробел не нужен.
The closer you get to the fire the more you get burned…
Ответ: Как поставить знак вектора?
Вставить стрелку, приподнять базовую линию, перед стрелкой поставить пробел и кернить его в минус.
Нажмите, чтобы раскрыть…
Похоже, других путей нет… Думал, вдруг шрифты какие есть… Ну ладно. Спасибо.
Ответ: Как поставить знак вектора?
Похоже, других путей нет… Думал, вдруг шрифты какие есть… Ну ладно. Спасибо.
Нажмите, чтобы раскрыть…
Как это нет? Ещё красивый изврат есть с Anchored Object. Один разик настроить, как поставить нужный объект в нужном месте, и потом клонить это. А уж в этом случае можно и протяжённые объекты использовать (типа морфологического разбора слов и т.д.)
Ответ: Как поставить знак вектора?
Нажмите, чтобы раскрыть…
Не нужен, если дальше в строке текста нет. А так без него фигня получится…
С уважением,
Дмитрий Сахаров
P.S. Каждый должен заниматься своим делом.
Ответ: Как поставить знак вектора? есть шрифты с глифами, у них уже настроены кернинговые пары. например, какие-нибудь фонетические шрифты…
Статус темы: Закрыта.
Иногда при наборе текста могут понадобиться символы, которых на клавиатуре нет – знаки ударения или копирайта, градусы и т.п. Однако, затруднительным такое положение может показаться только тем, кто ни разу не использовал специальные символы в MS Word.
Таблица специальных символов MS Word
Итак, раз на клавиатуре всевозможных нестандартных символов нет, попробуем поискать их в другом месте. На панели «Вставка» в группе «Символы», нажмите на одноименную ссылку и увидите перечень наиболее распространенных нестандартных букв, символов и значков.
Вставка специальных символов в MS Word
Впрочем, это ещё далеко не все – нажав кнопку «Другие символы» вы откроете обширную библиотеку в которой хранится просто бесчисленное количество различных символов на все случаи жизни.
Если предполагается, что символы могут потребоваться вам в текущем документе часто – можете даже не закрывать это окно, а перетащить в неиспользуемое пространство экрана и использовать по мере необходимости. Чтобы символ был добавлен в ваш документ – выделите его в таблице и нажмите кнопку «вставить».
Таблица специальных символов в MS Word
Символы, добавленные в документ, ведут себя, как и «нормальные» буквы – вы можете изменять их размер, цвет, копировать и вставлять.
Клавиатурные сокращения для специальных символов
Хотя использование таблицы символов удобно само по себе, если вы планируете большую работу, в которой некоторые символы (тот же знак ударения) будут использоваться часто, имеет смысл ещё более упростить себе работу.
Обратите внимание – под списком символов есть небольшое поле под названием «Код знака», справа от которого расположено небольшое окошко с коротким цифробуквенным кодом, который меняется всяких раз, когда вы выделяете один из символов.
Отыщем среди символов знак ударения и посмотрим его «Код знака» (0301) – запомним это число.
Теперь вернемся в документ и попробуем написать «слово» проставив на нем ударение — перед той буквой на которую падает ударение запишем его цифровой код:
Вставка ударения в документ MS Word. До нажатия Alt+X и после нажатия.
А затем нажмем на клавиатуре сочетание кнопок Alt+X. Вуаля – наша абракадабра превратилась в нечто осмысленно
Пользоваться кодами символов непросто только на первых порах – заучив несколько самых ходовых комбинаций
Векторная графика в Microsoft Word
Тип урока: урок формирования новых знаний и умений.
Методы обучения по характеру познавательной деятельности:
Обучающая: познакомить учащихся с векторным графическим редактором и его интерфейсом; научить создавать простые векторные рисунки, используя операции порядка слоев, группировки отдельных объектов.
Развивающая: создать условия для развития умений работы с графикой, развивать творческое мышление при создании рисунков.
Воспитательная: создать на уроке атмосферу психологической комфортности, условия для воспитания самостоятельности, умения контролировать свои действия.
•компьютеры с ОС MS Windows;
•графический редактор MS Word
•экран (интерактивная доска);
(цель: обеспечить внешнюю обстановку для работы на учебном занятии, психологически подготовить учащихся к учебному занятию). Приветствие, представление, организация внимания школьников.
Тема нашего урока – «Векторная графика. Простейшие операции с векторными объектами».
Цель урока – рассмотреть достоинства векторных изображений, научиться создавать простые векторные рисунки, используя операции порядка слоев, группировки отдельных объектов.
На предыдущих уроках мы с вами работали с использованием графического редактора Paint. Мы говорили о том, что в нем получаются растровые изображения, т. е. изображения, состоящие из пикселей. Основным недостатком растрового изображения является масштабирование рисунка. На сегодняшнем уроке мы рассмотрим еще один вид графики, которая называется векторной. Рассмотрим ее достоинства и недостатки.
В отличие от растровых изображений векторные графические изображения используются для хранения высокоточных графических объектов (чертежей, схем), для которых имеет значение сохранение четких и ярких контуров.
Векторные изображения формируются из элементов – точка, линия, окружность, прямоугольник и др. Для каждого элемента задаются координаты, а также цвет.
Достоинством векторной графики является то, что векторные графические изображения могут быть увеличены или уменьшены без потери качества.
Для создания векторного изображения разработаны специальные программы, такие как например CorelDraw.
Мы познакомимся сегодня с векторным редактором, который встроен в известный нам текстовый редактор MS Word, и попробуем создать рисунок из различных элементов, которые называются Автофигурами.
Создание векторных изображений в MS Word
К векторным графическим редакторам относится графический редактор, встроенный в MS Word. Векторные рисунки создаются из примитивов: линий, кривых, прямоугольников и других объектов.
После того как в векторном редакторе создан объект, он продолжает сохранять свою индивидуальность, его можно выделять, масштабировать, перемещать и т. д.
Векторные объекты можно выбрать на панели инструментов MS Word Рисование. Чтобы вывести ее на экран:
Вид – Панели инструментов – Рисование.
Панель Рисования находится в нижней части Рабочего стола.
Графический векторный редактор в MS Word имеет набор простейших объектов для рисования более сложных изображений. Эти объекты располагаются в пункте Автофигуры на панели инструментов Рисование (см. рис. 27).
Автофигуры — набор типичных фигур, включающий кроме таких базовых фигур, как прямоугольники и окружности, также различные линии, соединительные линии, фигурные стрелки, компоненты структурных схем, выноски, звезды и ленты.
Рис. 1. Панель инструментов Рисование
После выбора объекта на панели инструментов, его можно нарисовать в любом месте окна редактора.
В векторном редакторе MS Word имеется возможность создания текстовой области, в которой можно вводить и форматировать текст. Кроме этого, для ввода надписей к рисункам можно использовать Выноски различных форм. Выноски выбираются на панели инструментов Рисование командой Автофигуры – Выноски (рис. 28).
В векторном редакторе MS Word существует инструменты группировки и разгруппировки объектов. Операция группировки объединяет несколько объектов в один, что позволяет производить над ними общие операции (перемещение, удаление и т. д.). Можно разбивать объект, состоящий из нескольких, на самостоятельные объекты (разгруппировывать).
Для этого нужно выделить все изображения объектов, удерживая клавишу Shift и щелкая левой кнопкой мыши по каждому объекту.
Можно, изменять порядок отображения фигур (поместить на задний или передний план, поместить перед или за текстом и т. д.).
Чтобы выполнить эти операции на панели инструментов Рисование нажмите кнопку Действия, а затем выберите команду Группировать или Разгруппировать (для группировки и разгруппировки объектов) или Порядок (для того, чтобы поместить на передний или задний план объекты), см. рис
Векторные рисунки сохраняются в формате MS Word и имеют тип DOC.
Закрепление нового материала.
Творческая работа по созданию векторного рисунка
Используя векторный графический редактор, встроенный в MS Word, нарисовать картинку, на которой изображен дом, сказочный замок или какое-то другое изображение, построенное из Автофигур.
Можно изобразить сложный рисунок, воспользовавшись построением Кривых линий.
Пример домика приведен на рисунке 4
Последовательность выполнения задания
1. Запустить MS Word. Если панель инструментов Рисование не изображена, то ее можно подключить: Вид — Панели инструментов — Рисование.
2. Основные объекты рисунка – Основные фигуры. Выполним коробку дома. Нарисуйте прямоугольник: Автофигуры – Основные фигуры – Прямоугольник.
Закрасить фигуру: выделить Автофигуру Формат – Автофигура – Цвета и линии. Выбрать способ заливки: Текстура.
Аналогичным способом изобразить пристройки к дому.
3. Крыши выполнить при помощи Автофигуры – Равнобедренный треугольник, применить к ним заливку Узор (дранка). Печную трубу трубу рисуем с помощью Автофигуры — Прямоугольник, применяем к нему заливку Узор (кирпичики). Забор рисуем фигурными стрелками: Автофигуры – Фигурные стрелки.
Выполнить заливку фигурной стрелки.
Остальные фигуры забора выполняем следующим образом:
· скопировать фигурную стрелку: Правка – Копировать;
· переместить вставленную фигуру на нужное место: Правка – Вставить;
· Применить кнопку ctrl. Выделить фигуру, зажать кнопку ctrl и с помощью мыши перетащить фигуру на новое место.
· аналогично построить все элементы забора.
4. Нарисовать окно с занавесками. Занавески выполнить Рисованной кривой, вторая занавеска получена копированием, а затем поворотом фигуры слева – направо. Залить занавески каким-либо цветом заливки.
5. Труба на крыше дома нарисована также как коробка дома и крыша..
6. Для выполнения фона: возьмем Автофигуру — Прямоугольник и закроем полностью рисунок. Далее Порядок — Перенести на задний план. Заливку можно сделать с помощью двухцветного градиента.
7. Месяц и звезды также выполнены при помощи:
Автофигуры — Звезды и ленты (звезды), Основные фигуры – Месяц. Залить звезды и месяц заливкой нужного цвета.
Подведение итогов урока. Рефлексия.
Что нового вы узнали? Что вам понравилось и какие трудности вы испытали в работе с графическим редактором? Где вы можете применить полученные знания?
(Учащиеся отвечают на вопросы и делают следующие выводы: Сегодня на уроке мы узнали, что существует два вида компьютерной графики: растровая и векторная. Узнали, что существуют специальные программы для создания и редактирования графических изображений, а также учились создавать и редактировать векторные графические изображения. Нам сегодня понравилось… Мы испытали трудности в …Полученные знания можно применить …).