Simple AI exercise timer step-by-step video

Om jouw eenvoudige AI-trainingstimer te maken, train je een machine learning- (of ML-) model.

Dit model herkent wanneer je wel en niet traint.

Vervolgens combineer je het model met kant-en-klare code voor een trainingstimer...

voordat je het naar je micro:bit downloadt en in het echt gebruikt.

Klik op 'Openen in micro:bit CreateAI' om het project te starten.

Het project wordt geleverd met 3 samples van bewegingsgegevens voor sporten

en 3 samples van bewegingsgegevens voor niet sporten.

Je moet meer samples toevoegen door jouw eigen bewegingsgegevens op te nemen.

micro:bit CreateAI verzamelt bewegingsgegevens met behulp van de versnellingsmeter

(of bewegingssensor) op de micro:bit. Je draagt ​​een micro:bit en batterijpakket

om je pols of enkel, zodat je je vrij kunt bewegen en je eigen bewegings-data samples kunt vastleggen.

Om aan de slag te gaan, moet je de gegevensverzameling micro:bit instellen.

Sluit de om de pols gedragen micro:bit aan op CreateAI. Als Bluetooth op jouw computer is ingeschakeld,

heb je slechts 1 micro:bit en een USB-datakabel nodig. Als je geen Bluetooth-verbinding hebt,

wordt je gevraagd om 2 micro:bits te gebruiken. De tweede micro:bit blijft aangesloten

op de USB-kabel en fungeert als radioverbinding met de micro:bit voor gegevensverzameling.

Volg de instructies op het scherm om verbinding te maken.

Zodra jouw micro:bit voor gegevensverzameling is aangesloten,

zie je de lijnen in de livegrafiek veranderen terwijl je jouw micro:bit beweegt.

Je bent nu klaar om jouw eigen bewegings-data samples toe te voegen.

Omdat dit project al een aantal data samples bevat, 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.

Bepaal welke 'oefenactie' je gaat uitvoeren.

Dit kan rennen, stevig wandelen, springen, boksen, dansen of een andere oefening zijn.

Zorg ervoor dat de micro:bit is bevestigd aan de pols of enkel die beweegt.

Om gegevens aan een specifieke actie toe te voegen, selecteer je deze door erop te klikken.

Er wordt 3 seconden afgeteld voordat een opname van 1 seconde begint.

Klik op opnemen en ga meteen aan de slag om ervoor te zorgen dat je een nette data sample krijgt.

Een nette sample is een sample waarbij je tijdens het hele sample beweegt,

je niet te laat begint of te vroeg klaar bent met bewegen. Probeer vervolgens een extra data sample toe te voegen

aan de dataset 'Niet sporten'. Selecteer deze door op de actie te klikken

en blijf stil staan, of beweeg slechts een heel klein beetje terwijl je de sample opneemt.

Je zult merken dat de x,y,z-lijnen van plaats veranderen, afhankelijk

van de hoek waaronder je je micro:bit vasthoudt.

Het project beschikt momenteel niet over veel gegevens,

maar we hebben genoeg om ons eigen machine learning-model te trainen met CreateAI.

Klik dus op 'Trainen' om de huidige gegevens te gebruiken om een ​​ML-model te bouwen.

De tool bouwt nu een wiskundig model dat verschillende

acties zou moeten herkennen wanneer je je micro:bit verplaatst. Zodra het model is getraind,

zie je de pagina Model testen. Je micro:bit voor gegevensverzameling kan nu

worden gebruikt om te testen hoe goed het model werkt. 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.

Probeer verschillende niveaus van training of niet-training uit om zowel de geschatte

actie als de zekerheidsbalkgrafiek te zien veranderen. Het percentage in het zekerheidsstaafdiagram laat zien hoe

zeker het model is dat je een bepaalde actie uitvoert.

Mogelijk merk je dat je model sommige acties niet nauwkeurig schat, of dat het

voor de ene actie goed werkt, maar niet voor de andere. Dus nadat je hebt onderzocht hoe het momenteel werkt,

is het een goed idee om op 'Data samples bewerken' te klikken en jouw model te verbeteren.

Machine learning-modellen werken meestal het beste met meer gegevens, dus neem wat extra samples op voor elk

van de acties, of concentreer je op het verzamelen van meer gegevens voor de actie die problematisch was bij het testen.

Je kunt 1 sample tegelijk opnemen of je kunt 10 samples achter elkaar opnemen.

Nette data samples zorgen er ook voor dat een ML-model beter werkt,

dus onderzoek je dataset en identificeer eventuele data samples die het model in verwarring kunnen brengen.

Je kunt deze verwijderen door op X te drukken. Nadat je meer gegevens hebt toegevoegd en

jouw dataset hebt gecontroleerd, klik je opnieuw op Model trainen om jouw gewijzigde dataset te gebruiken.

Test het model vervolgens opnieuw op de pagina 'Model testen'.

Als je tevreden bent met hoe het ML-model zich gedraagt,

kun je het gebruiken met de kant-en-klare projectcode.

Klik op 'Bewerken in MakeCode' om de codeblokken in een speciale versie van Microsoft MakeCode te bekijken.

Je kunt altijd terugkeren naar CreateAI via de pijl linksboven in het scherm.

Deze codeblokken gebruiken het model dat je binnen een trainingstimer hebt gemaakt.

De code gebruikt twee variabelen om bij te houden hoe lang je hebt gesport en hoe

lang je niet hebt gesport. Wanneer het programma voor het eerst wordt uitgevoerd, worden

deze timervariabelen op 0 gezet. De 'wanneer ML start'-blokken worden

geactiveerd wanneer het ML-model besluit dat je bent begonnen met trainen of niet.

Ze tonen verschillende pictogrammen op het LED-display van de micro:bit, afhankelijk

van de actie die je volgens schattingen uitvoert. De 'wanneer ML stopt'-blokken worden geactiveerd wanneer het

ML-model besluit dat je een actie hebt voltooid, in dit geval wel of niet trainen.

Code in elk blok maakt het scherm leeg en voegt de duur van de actie die zojuist is

afgelopen toe aan de variabele die de totale tijden voor elke actie opslaat.

Het ML-model werkt met de code, zodat je de totale tijd kunt bekijken die aan elke actie is besteed.

Druk op knop A om de totale tijd te zien die je hebt getraind en druk op knop B om de

totale tijd te zien dat je inactief bent geweest. 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.

Om jouw eenvoudige AI-trainingstimer op je micro:bit te laten werken,

hoef je alleen maar deze code naar een micro:bit te downloaden. 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.

Test het project nu in het echt. Worden de juiste pictogrammen weergegeven

wanneer je traint of niet? Je kunt in 3 eenvoudige stappen testen of de timercode

goed werkt met het model: Druk op de resetknop.

Train gedurende 30 seconden. Druk vervolgens op knop A.

Je zou het getal 30 over je display moeten zien scrollen.

Je bent nu klaar om verbinding te maken met CreateAI, jouw eigen gegevens te verzamelen en deze te gebruiken om

een ​​machine learning-model te trainen, testen en verbeteren. En je kunt dit model vervolgens combineren met

de kant-en-klare code en uitproberen op je eigen micro:bit.