1
00:00:01,240 --> 00:00:08,194
Om uw AI-activiteitstimer te maken, traint u een machine learning- of ML-model

2
00:00:08,194 --> 00:00:13,080
om te herkennen wanneer u verschillende bewegingen of activiteiten uitvoert.

3
00:00:13,080 --> 00:00:18,960
Vervolgens combineer je dat model met een kant-en-klare code voor een activiteitstimer,

4
00:00:18,960 --> 00:00:26,800
voordat je het naar je micro:bit downloadt en in het echt gebruikt.

5
00:00:26,800 --> 00:00:33,960
Klik op 'Openen in micro:bit CreateAI' om het project te starten.

6
00:00:33,960 --> 00:00:41,120
Dit project wordt geleverd met 6 voorbeelden van bewegingsgegevens voor lopen, 6 voorbeelden van bewegingsgegevens

7
00:00:41,120 --> 00:00:47,200
voor op en neer springen en 6 voorbeelden van bewegingsgegevens voor redelijk stil blijven.

8
00:00:47,200 --> 00:00:54,200
U voegt meer samples toe door uw eigen bewegingsgegevens op te nemen.

9
00:00:54,200 --> 00:01:02,703
micro:bit CreateAI verzamelt bewegingsgegevens met behulp van de versnellingsmeter of bewegingssensor op de micro:bit.

10
00:01:05,726 --> 00:01:09,734
U draagt ​​een micro:bit en een batterijpakket om uw pols of enkel,

11
00:01:09,734 --> 00:01:15,120
zodat u zich vrij kunt bewegen en uw eigen bewegingsgegevens kunt vastleggen.

12
00:01:15,120 --> 00:01:20,400
Om aan de slag te gaan, sluit u de enkelgedragen micro:bit aan op CreateAI.

13
00:01:20,400 --> 00:01:23,816
We noemen dit de gegevensverzameling micro:bit.

14
00:01:23,816 --> 00:01:31,640
Als Bluetooth op uw computer is ingeschakeld, heeft u slechts 1 micro:bit nodig met een batterijpakket en een USB-datakabel.

15
00:01:31,640 --> 00:01:36,640
Als je geen Bluetooth-verbinding hebt, wordt je gevraagd om 2 micro:bits te gebruiken.

16
00:01:36,640 --> 00:01:41,400
De tweede micro:bit blijft aangesloten op de USB-kabel en fungeert als

17
00:01:41,400 --> 00:01:50,600
radioverbinding met de micro:bit voor gegevensverzameling. Volg de instructies op het scherm om verbinding te maken.

18
00:01:50,600 --> 00:01:57,817
Zodra uw micro:bit is aangesloten, ziet u de lijnen in de livegrafiek veranderen terwijl u uw micro:bit beweegt.

19
00:01:57,817 --> 00:02:02,297
U bent nu klaar om uw eigen bewegingsgegevensvoorbeelden toe te voegen.

20
00:02:02,297 --> 00:02:06,263
Omdat dit project al een aantal gegevensvoorbeelden bevat,

21
00:02:06,263 --> 00:02:16,912
raden we u aan om voorlopig voor elke actie nog één voorbeeld toe te voegen en later meer tijd te besteden aan het verzamelen en analyseren van gegevens.

22
00:02:16,912 --> 00:02:24,800
Zorg ervoor dat uw micro:bit voor gegevensverzameling aan de binnenkant van de enkel is bevestigd, met knop B bovenaan.

23
00:02:24,800 --> 00:02:29,280
Om gegevens aan een specifieke actie toe te voegen, selecteert u deze door erop te klikken.

24
00:02:29,280 --> 00:02:34,440
Er wordt 3 seconden afgeteld voordat een opname van 1 seconde begint.

25
00:02:34,440 --> 00:02:40,080
Klik op opnemen en ga meteen aan de slag om ervoor te zorgen dat u een schoon gegevensvoorbeeld krijgt.

26
00:02:40,080 --> 00:02:43,960
Een schoon monster is een monster waarbij u voor het gehele monster verhuist,

27
00:02:43,960 --> 00:02:48,593
u niet te laat begint of vroeg klaar bent met verhuizen.

28
00:02:48,593 --> 00:02:55,519
Probeer vervolgens een extra datamonster toe te voegen aan de 'springende' dataset en de 'stilstaan'-dataset.

29
00:02:55,519 --> 00:03:05,040
Selecteer ze door op de actie te klikken en klik vervolgens op opnemen en springen of blijf stil terwijl je de samples opneemt.

30
00:03:05,040 --> 00:03:16,521
Je zult op de 'stil zijn'-voorbeelden merken dat de x,y,z-lijnen van plaats veranderen, afhankelijk van de hoek van de aangesloten micro:bit.

31
00:03:16,521 --> 00:03:26,080
We hebben momenteel niet veel gegevens, maar we hebben wel genoeg om ons eigen machine learning-model te trainen met CreateAI.

32
00:03:26,080 --> 00:03:33,720
Klik dus op 'Train model' om de huidige gegevens te gebruiken om een ​​ML-model te bouwen.

33
00:03:33,720 --> 00:03:41,363
De tool bouwt nu een wiskundig model dat verschillende acties zou moeten herkennen wanneer je je micro:bit verplaatst.

34
00:03:41,363 --> 00:03:45,646
Zodra het model is getraind, komt u op de pagina Model testen.

35
00:03:45,646 --> 00:03:50,721
Gebruik nu de gegevensverzameling micro:bit om te testen hoe goed het model werkt.

36
00:03:50,721 --> 00:03:59,720
Het zou nog steeds verbonden moeten zijn met de tool, en je zult zien dat CreateAI, terwijl je het verplaatst, inschat welke actie je uitvoert.

37
00:04:02,360 --> 00:04:09,698
Probeer elk van de acties uit om te zien hoe zowel de geschatte actie als het zekerheidsstaafdiagram veranderen.

38
00:04:11,257 --> 00:04:19,126
Het percentage in het zekerheidsstaafdiagram laat zien hoe zeker het model is dat u elke actie uitvoert.

39
00:04:21,600 --> 00:04:26,520
Mogelijk merkt u dat uw model sommige acties niet nauwkeurig schat, of dat het

40
00:04:26,520 --> 00:04:32,720
voor de ene actie goed werkt, maar niet voor de andere. Dus nadat u heeft onderzocht hoe het momenteel werkt,

41
00:04:32,720 --> 00:04:40,360
is het een goed idee om op 'Gegevensvoorbeelden bewerken' te klikken en de gegevens te verbeteren. jouw model.

42
00:04:40,360 --> 00:04:46,360
Machine learning-modellen werken meestal het beste met MEER gegevens, dus neem wat extra voorbeelden op voor elk

43
00:04:46,360 --> 00:04:54,960
van de acties, of concentreer u op het verzamelen van meer gegevens voor de actie die problematisch was bij het testen.

44
00:04:54,960 --> 00:05:01,935
U kunt één sample tegelijk opnemen of u kunt 10 samples achter elkaar opnemen.

45
00:05:10,160 --> 00:05:23,081
Schone gegevensvoorbeelden zorgen er ook voor dat een ML-model beter werkt, dus onderzoek uw dataset en identificeer eventuele gegevensvoorbeelden die het model in verwarring kunnen brengen.

46
00:05:26,003 --> 00:05:29,640
Deze kun je verwijderen door op X te drukken.

47
00:05:30,840 --> 00:05:39,423
Nadat je meer gegevens hebt toegevoegd en je dataset hebt gecontroleerd, klik je nogmaals op 'Train model' om je gewijzigde dataset te gebruiken.

48
00:05:40,483 --> 00:05:45,992
Test het model vervolgens opnieuw op de pagina 'Model testen'.

49
00:05:48,555 --> 00:05:54,640
Als u tevreden bent met hoe het ML-model zich gedraagt, kunt u het gebruiken met de kant-en-klare projectcode.

50
00:05:54,640 --> 00:06:02,480
Klik op 'Bewerken in MakeCode' om de codeblokken in een speciale versie van Microsoft MakeCode te bekijken.

51
00:06:02,480 --> 00:06:09,560
Je kunt altijd terugkeren naar CreateAI via de pijl linksboven in het scherm.

52
00:06:09,560 --> 00:06:19,240
Deze codeblokken gebruiken het model dat u binnen een trainingstimer hebt gemaakt.

53
00:06:19,240 --> 00:06:26,160
De code gebruikt 3 variabelen om bij te houden hoe lang je elke actie hebt uitgevoerd.

54
00:06:26,160 --> 00:06:33,680
Wanneer het programma voor het eerst wordt uitgevoerd, worden deze timervariabelen op 0 gezet.

55
00:06:33,680 --> 00:06:40,120
De 'on ML start'-blokken worden geactiveerd wanneer het ML-model besluit dat u een specifieke actie bent gestart.

56
00:06:40,120 --> 00:06:49,250
Ze tonen verschillende pictogrammen op het LED-display van de micro:bit, afhankelijk van de actie die u volgens schattingen uitvoert.

57
00:06:50,289 --> 00:07:01,280
De 'on ML stop'-blokken worden geactiveerd wanneer het ML-model besluit dat u een actie heeft voltooid, in dit geval lopen, springen of stil zijn.

58
00:07:01,280 --> 00:07:06,880
Code in elk blok maakt het scherm leeg en voegt de duur van de actie die zojuist is

59
00:07:06,880 --> 00:07:13,440
afgelopen toe aan de variabele die de totale tijden voor elke actie opslaat.

60
00:07:13,440 --> 00:07:19,440
Het ML-model werkt met de code, zodat u de totale tijd kunt bekijken die aan elke actie is besteed.

61
00:07:19,440 --> 00:07:23,040
Druk op knop A om te zien hoe lang u ongeveer hebt gelopen.

62
00:07:23,040 --> 00:07:28,160
Druk op knop B om te zien hoe lang het model schatte dat je aan het springen was.

63
00:07:28,160 --> 00:07:34,080
Om de geschatte tijdsduur te zien die u nog heeft doorgebracht, drukt u tegelijkertijd op A en B.

64
00:07:34,080 --> 00:07:44,111
De timer telt in milliseconden, duizendsten van een seconde, dus het weergegeven getal wordt gedeeld door 1000 om de tijd in seconden weer te geven.

65
00:07:44,111 --> 00:07:53,160
Om uw AI-activiteitstimer op uw micro:bit te laten werken, hoeft u alleen maar deze code naar een micro:bit te downloaden.

66
00:07:53,160 --> 00:08:00,642
Als je geen andere micro:bit beschikbaar hebt, vervang dan eenvoudigweg de code die momenteel op de micro:bit voor gegevensverzameling staat door de projectcode.

67
00:08:01,646 --> 00:08:05,000
Nu kunt u het project in het echt testen.

68
00:08:05,000 --> 00:08:10,040
Worden de juiste pictogrammen weergegeven wanneer u traint of niet?

69
00:08:10,040 --> 00:08:15,800
Je kunt in 3 eenvoudige stappen testen of de timercode goed werkt met het model:

70
00:08:15,800 --> 00:08:19,160
Druk op de resetknop. Spring 30 seconden.

71
00:08:19,160 --> 00:08:25,540
Druk vervolgens op knop B. U zou het getal 30 over uw display moeten zien scrollen.

72
00:08:25,540 --> 00:08:28,560
U bent nu klaar om verbinding te maken met CreateAI,

73
00:08:28,560 --> 00:08:34,560
uw eigen gegevens te verzamelen, deze te gebruiken om een ​​machine learning-model te trainen, testen en verbeteren, en vervolgens

74
00:08:34,560 --> 00:08:40,600
kunt u dit model combineren met de kant-en-klare code en het uitproberen op uw eigen micro: beetje.

75
00:08:40,600 --> 00:08:48,379
Als je op zoek bent naar manieren om dit nog persoonlijker te maken, probeer dan een aantal verschillende acties toe te voegen, zoals hardlopen of danspasjes.

76
00:08:48,379 --> 00:08:52,480
Genieten!