0:00:01.240,0:00:08.194
Om jouw AI-activiteitstimer te maken, train je een machine learning- of ML-model

0:00:08.194,0:00:13.080
om te herkennen wanneer je verschillende bewegingen of activiteiten uitvoert.

0:00:13.080,0:00:18.960
Vervolgens combineer je dat model met kant-en-klare code voor een activiteitstimer,

0:00:18.960,0:00:26.800
voordat je het naar je micro:bit downloadt en in het echt gebruikt.

0:00:26.800,0:00:33.960
Klik op 'Openen in micro:bit CreateAI' om het project te starten.

0:00:33.960,0:00:41.120
Dit project wordt geleverd met 6 voorbeelden van bewegingsgegevens voor lopen, 6 voorbeelden van bewegingsgegevens

0:00:41.120,0:00:47.200
voor op en neer springen en 6 voorbeelden van bewegingsgegevens voor redelijk stil blijven.

0:00:47.200,0:00:54.200
Je voegt meer samples toe door je eigen bewegingsgegevens op te nemen.

0:00:54.200,0:01:02.703
micro:bit CreateAI verzamelt bewegingsgegevens met behulp van de versnellingsmeter of bewegingssensor op de micro:bit.

0:01:05.726,0:01:09.734
Je draagt ​​een micro:bit en een batterijpakket om je pols of enkel,

0:01:09.734,0:01:15.120
zodat je je vrij kunt bewegen en je eigen bewegingsgegevens kunt vastleggen.

0:01:15.120,0:01:20.400
Om aan de slag te gaan, sluit je de enkelgedragen micro:bit aan op CreateAI.

0:01:20.400,0:01:23.816
We noemen dit de gegevensverzameling micro:bit.

0:01:23.816,0:01:31.640
Als Bluetooth op jouw computer is ingeschakeld, heb je slechts 1 micro:bit nodig met een batterijpakket en een USB-datakabel.

0:01:31.640,0:01:36.640
Als je geen Bluetooth-verbinding hebt, wordt je gevraagd om 2 micro:bits te gebruiken.

0:01:36.640,0:01:41.400
De tweede micro:bit blijft aangesloten op de USB-kabel en fungeert als

0:01:41.400,0:01:50.600
radioverbinding met de micro:bit voor gegevensverzameling. Volg de instructies op het scherm om verbinding te maken.

0:01:50.600,0:01:57.817
Zodra je micro:bit is aangesloten, zie je de lijnen in de livegrafiek veranderen terwijl je jouw micro:bit beweegt.

0:01:57.817,0:02:02.297
Je bent nu klaar om jouw eigen bewegings-data samplestoe te voegen.

0:02:02.297,0:02:06.263
Omdat dit project al een aantal data samples bevat,

0:02:06.263,0:02:16.912
raden we je aan om voorlopig voor elke actie nog één sample toe te voegen en later meer tijd te besteden aan het verzamelen en analyseren van gegevens.

0:02:16.912,0:02:24.800
Zorg ervoor dat je micro:bit voor gegevensverzameling aan de binnenkant van de enkel is bevestigd, met knop B bovenaan.

0:02:24.800,0:02:29.280
Om gegevens aan een specifieke actie toe te voegen, selecteer je deze door erop te klikken.

0:02:29.280,0:02:34.440
Er wordt 3 seconden afgeteld voordat een opname van 1 seconde begint.

0:02:34.440,0:02:40.080
Klik op opnemen en ga meteen aan de slag om ervoor te zorgen dat je een nette data sample krijgt.

0:02:40.080,0:02:43.960
Een nette sample is een sample waarbij je gedurende het gehele sample beweegt,

0:02:43.960,0:02:48.593
je niet te laat begint of vroeg klaar bent met bewegen.

0:02:48.593,0:02:55.519
Probeer vervolgens een extra data sample toe te voegen aan de 'springende' dataset en de 'stilstaan'-dataset.

0:02:55.519,0:03:05.040
Selecteer ze door op de actie te klikken en klik vervolgens op opnemen en spring of blijf stil terwijl je de samples opneemt.

0:03:05.040,0:03:16.521
Je zult op de 'stilstaan'-voorbeelden merken dat de x,y,z-lijnen van plaats veranderen, afhankelijk van de hoek van de aangesloten micro:bit.

0:03:16.521,0:03:26.080
We hebben op dit moment nog niet veel gegevens, maar we hebben wel genoeg om ons eigen machine learning-model te trainen met CreateAI.

0:03:26.080,0:03:33.720
Klik dus op 'Train model' om de huidige gegevens te gebruiken om een ​​ML-model te bouwen.

0:03:33.720,0:03:41.363
De tool bouwt nu een wiskundig model dat verschillende acties zou moeten herkennen wanneer je je micro:bit verplaatst.

0:03:41.363,0:03:45.646
Zodra het model is getraind, kom je op de pagina Model testen.

0:03:45.646,0:03:50.721
Gebruik nu de gegevensverzameling micro:bit om te testen hoe goed het model werkt.

0:03:50.721,0:03:59.720
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.

0:04:02.360,0:04:09.698
Probeer elk van de acties uit om te zien hoe zowel de geschatte actie als het zekerheidsstaafdiagram veranderen.

0:04:11.257,0:04:19.126
Het percentage in het zekerheidsstaafdiagram laat zien hoe zeker het model is dat u elke actie uitvoert.

0:04:21.600,0:04:26.520
Mogelijk merkt u dat uw model sommige acties niet nauwkeurig schat, of dat het

0:04:26.520,0:04:32.720
voor de ene actie goed werkt, maar niet voor de andere. Dus nadat u heeft onderzocht hoe het momenteel werkt,

0:04:32.720,0:04:40.360
is het een goed idee om op 'Gegevensvoorbeelden bewerken' te klikken en de gegevens te verbeteren. jouw model.

0:04:40.360,0:04:46.360
Machine learning-modellen werken meestal het beste met MEER gegevens, dus neem wat extra voorbeelden op voor elk

0:04:46.360,0:04:54.960
van de acties, of concentreer u op het verzamelen van meer gegevens voor de actie die problematisch was bij het testen.

0:04:54.960,0:05:01.935
U kunt één sample tegelijk opnemen of u kunt 10 samples achter elkaar opnemen.

0:05:10.160,0:05:23.081
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.

0:05:26.003,0:05:29.640
Deze kun je verwijderen door op X te drukken.

0:05:30.840,0:05:39.423
Nadat je meer gegevens hebt toegevoegd en je dataset hebt gecontroleerd, klik je nogmaals op 'Train model' om je gewijzigde dataset te gebruiken.

0:05:40.483,0:05:45.992
Test het model vervolgens opnieuw op de pagina 'Model testen'.

0:05:48.555,0:05:54.640
Als u tevreden bent met hoe het ML-model zich gedraagt, kunt u het gebruiken met de kant-en-klare projectcode.

0:05:54.640,0:06:02.480
Klik op 'Bewerken in MakeCode' om de codeblokken in een speciale versie van Microsoft MakeCode te bekijken.

0:06:02.480,0:06:09.560
Je kunt altijd terugkeren naar CreateAI via de pijl linksboven in het scherm.

0:06:09.560,0:06:19.240
Deze codeblokken gebruiken het model dat u binnen een trainingstimer hebt gemaakt.

0:06:19.240,0:06:26.160
De code gebruikt 3 variabelen om bij te houden hoe lang je elke actie hebt uitgevoerd.

0:06:26.160,0:06:33.680
Wanneer het programma voor het eerst wordt uitgevoerd, worden deze timervariabelen op 0 gezet.

0:06:33.680,0:06:40.120
De 'on ML start'-blokken worden geactiveerd wanneer het ML-model besluit dat u een specifieke actie bent gestart.

0:06:40.120,0:06:49.250
Ze tonen verschillende pictogrammen op het LED-display van de micro:bit, afhankelijk van de actie die u volgens schattingen uitvoert.

0:06:50.289,0:07:01.280
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.

0:07:01.280,0:07:06.880
Code in elk blok maakt het scherm leeg en voegt de duur van de actie die zojuist is

0:07:06.880,0:07:13.440
afgelopen toe aan de variabele die de totale tijden voor elke actie opslaat.

0:07:13.440,0:07:19.440
Het ML-model werkt met de code, zodat u de totale tijd kunt bekijken die aan elke actie is besteed.

0:07:19.440,0:07:23.040
Druk op knop A om te zien hoe lang u ongeveer hebt gelopen.

0:07:23.040,0:07:28.160
Druk op knop B om te zien hoe lang het model schatte dat je aan het springen was.

0:07:28.160,0:07:34.080
Om de geschatte tijdsduur te zien die u nog heeft doorgebracht, drukt u tegelijkertijd op A en B.

0:07:34.080,0:07:44.111
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.

0:07:44.111,0:07:53.160
Om uw AI-activiteitstimer op uw micro:bit te laten werken, hoeft u alleen maar deze code naar een micro:bit te downloaden.

0:07:53.160,0:08:00.642
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.

0:08:01.646,0:08:05.000
Nu kunt u het project in het echt testen.

0:08:05.000,0:08:10.040
Worden de juiste pictogrammen weergegeven wanneer u traint of niet?

0:08:10.040,0:08:15.800
Je kunt in 3 eenvoudige stappen testen of de timercode goed werkt met het model:

0:08:15.800,0:08:19.160
Druk op de resetknop. Spring 30 seconden.

0:08:19.160,0:08:25.540
Druk vervolgens op knop B. U zou het getal 30 over uw display moeten zien scrollen.

0:08:25.540,0:08:28.560
U bent nu klaar om verbinding te maken met CreateAI,

0:08:28.560,0:08:34.560
uw eigen gegevens te verzamelen, deze te gebruiken om een ​​machine learning-model te trainen, testen en verbeteren, en vervolgens

0:08:34.560,0:08:40.600
kunt u dit model combineren met de kant-en-klare code en het uitproberen op uw eigen micro: beetje.

0:08:40.600,0:08:48.379
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.

0:08:48.379,0:08:52.480
Genieten!