1
00:00:00,000 --> 00:00:08,194
Om jouw AI-activiteitstimer te maken, train je een machine learning- of ML-model

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

3
00:00:13,080 --> 00:00:18,960
Vervolgens combineer je dat model met 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 samples van bewegingsgegevens voor lopen, 6 samples van bewegingsgegevens

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

8
00:00:47,200 --> 00:00:54,200
Je voegt meer samples toe door je 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
Je draagt ​​een micro:bit en een batterijpakket om je pols of enkel,

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

12
00:01:15,120 --> 00:01:20,400
Om aan de slag te gaan, sluit je 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 jouw computer is ingeschakeld, heb je 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 je micro:bit is aangesloten, zie je de lijnen live in de grafiek veranderen terwijl je jouw micro:bit beweegt.

19
00:01:57,817 --> 00:02:02,297
Je bent nu klaar om jouw eigen bewegings-data samples toe te voegen.

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

21
00:02:06,263 --> 00:02:16,912
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.

22
00:02:16,912 --> 00:02:24,800
Zorg ervoor dat je 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, selecteer je 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 je een nette data sample krijgt.

26
00:02:40,080 --> 00:02:43,960
Een nette sample is een sample waarbij je gedurende het gehele sample beweegt,

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

28
00:02:48,593 --> 00:02:55,519
Probeer vervolgens een extra data sample 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 spring of blijf stil terwijl je de samples opneemt.

30
00:03:05,040 --> 00:03:16,521
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.

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

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, kom je 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 je een bepaalde actie uitvoert.

39
00:04:21,600 --> 00:04:26,520
Mogelijk merk je dat jouw 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 je hebt onderzocht hoe het momenteel werkt,

41
00:04:32,720 --> 00:04:40,360
is het een goed idee om op 'Data samples bewerken' te klikken en de gegevens te verbeteren van 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 samples op voor elk

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

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

45
00:05:10,160 --> 00:05:23,081
Nette data samples zorgen er ook voor dat een ML-model beter werkt, dus onderzoek jouw dataset en identificeer eventuele data samples 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 je tevreden bent met hoe het ML-model zich gedraagt, kun je 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 je 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 'wanneer ML start'-blokken worden geactiveerd wanneer het ML-model besluit dat je een specifieke actie hebt 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 je volgens schattingen uitvoert.

57
00:06:50,289 --> 00:07:01,280
De 'wanneer ML stopt'-blokken worden geactiveerd wanneer het ML-model besluit dat je een actie hebt voltooid, in dit geval lopen, springen of stilstaan.

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 je 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 je 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 je hebt stilgestaan, druk je 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 jouw AI-activiteitstimer op jouw micro:bit te laten werken, hoef je 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 kun je het project in het echt testen.

68
00:08:05,000 --> 00:08:10,040
Worden de juiste pictogrammen weergegeven wanneer je 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. Je zou het getal 30 over jouw display moeten zien scrollen.

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

73
00:08:28,560 --> 00:08:34,560
je 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
kun je dit model combineren met de kant-en-klare code en het uitproberen op je eigen micro: bit.

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
Geniet ervan!