1
00:00:00,680 --> 00:00:05,440
Para hacer que su amigo narrador de IA, entrenará un

2
00:00:05,440 --> 00:00:11,120
modelo de aprendizaje automático, o ML, para reconocer cuando un juguete se mueve de diferentes maneras.

3
00:00:11,120 --> 00:00:16,280
Luego combinarás este modelo con código para emitir diferentes sonidos y mostrar diferentes

4
00:00:16,280 --> 00:00:20,856
íconos en la pantalla LED del micro:bit.

5
00:00:20,856 --> 00:00:28,480
Luego descargarás el modelo y el código a un micro:bit y lo usarás en tu juguete para ayudar a contar una historia.

6
00:00:28,480 --> 00:00:34,264
Nuestra historia trata sobre un oso llamado Lucy, pero puedes cambiar el proyecto para adaptarlo al tuyo.

7
00:00:34,264 --> 00:00:40,360
[MÚSICA] Esta es Lucy la osita.

8
00:00:40,360 --> 00:00:47,520
Quiere ser gimnasta cuando sea mayor, por eso todos los días, cuando se despierta, practica saltos.

9
00:00:47,520 --> 00:00:54,640
Salta hasta el techo. Luego, después del desayuno, practica rodar.

10
00:00:54,640 --> 00:00:59,920
Da vueltas y vueltas hasta que todo su mundo gira.

11
00:01:01,469 --> 00:01:06,490
Luego se toma un descanso y duerme una pequeña siesta.

12
00:01:10,048 --> 00:01:18,760
Para comenzar a hacer de tu amigo narrador de IA, haz clic en 'Abrir en micro:bit CreateAI' para iniciar el proyecto.

13
00:01:18,760 --> 00:01:23,829
Este proyecto viene con 8 muestras de datos de movimiento para tres acciones diferentes:

14
00:01:23,829 --> 00:01:28,959
saltar, rodar y dormir.

15
00:01:28,959 --> 00:01:38,120
micro:bit CreateAI recopila muestras de datos de movimiento utilizando el acelerómetro, el sensor de movimiento de micro:bit.

16
00:01:38,120 --> 00:01:43,560
Para agregar sus propias muestras de datos, debe crear un micro:bit de recopilación de datos.

17
00:01:43,560 --> 00:01:50,160
Si tu computadora tiene Bluetooth habilitado, entonces solo necesitarás 1 micro:bit y un cable de datos USB.

18
00:01:50,160 --> 00:01:54,840
Si no tienes una conexión Bluetooth, necesitarás usar 2 micro:bits.

19
00:01:54,840 --> 00:01:59,554
Siga las instrucciones en pantalla para conectarse.

20
00:01:59,554 --> 00:02:06,777
Una vez que tu micro:bit de recolección de datos esté conectado, conéctalo a tu juguete de esta manera.

21
00:02:06,777 --> 00:02:15,400
Verás que las líneas en el gráfico en vivo cambian a medida que mueves tu juguete. Como este proyecto ya incluye bastantes

22
00:02:15,400 --> 00:02:25,000
muestras de datos, le sugerimos que agregue 1 muestra para cada acción por ahora y recopile más datos más adelante.

23
00:02:25,000 --> 00:02:29,440
Haga clic en la acción 'saltar' para poder agregarle más muestras de datos.

24
00:02:29,440 --> 00:02:33,600
Obtendrá una cuenta regresiva antes de que comience una grabación de 1 segundo.

25
00:02:33,600 --> 00:02:39,800
Haga clic en grabar y comience a mover su juguete inmediatamente para asegurarse de obtener una muestra de datos limpia.

26
00:02:39,800 --> 00:02:43,440
Una muestra limpia es aquella en la que se está moviendo durante toda la muestra,

27
00:02:43,440 --> 00:02:50,800
no se comienza tarde ni se termina temprano. A continuación, intente agregar una muestra de datos adicional a las

28
00:02:50,800 --> 00:02:57,115
acciones "en movimiento" y "dormir".

29
00:02:57,115 --> 00:03:07,520
Notarás que cuando tu juguete está dormido, las líneas x, y y z cambian de lugar dependiendo de la orientación del micro:bit.

30
00:03:07,520 --> 00:03:14,600
Haga clic en 'Entrenar modelo' para crear el modelo ML. La herramienta ahora construye un modelo matemático

31
00:03:14,600 --> 00:03:19,960
que debería reconocer diferentes acciones cuando mueves tu micro:bit.

32
00:03:19,960 --> 00:03:25,640
Tan pronto como se haya entrenado el modelo, verá la página Prueba del modelo.

33
00:03:25,640 --> 00:03:30,760
Su micro:bit de recopilación de datos ahora se puede utilizar para probar qué tan bien está funcionando el modelo.

34
00:03:30,760 --> 00:03:35,880
Aún debería estar conectado a la herramienta y verás que a medida que lo mueves, CreateAI

35
00:03:35,880 --> 00:03:40,317
estima la acción que estás realizando.

36
00:03:40,317 --> 00:03:47,027
Mueve tu juguete de diferentes maneras para ver cómo cambia la acción estimada y el gráfico de barras de certeza.

37
00:03:47,400 --> 00:03:56,160
El porcentaje muestra qué tan seguro o confiado está el modelo de que usted está realizando cada acción.

38
00:03:56,160 --> 00:04:00,760
Puede notar que su modelo no estima algunas acciones con precisión.

39
00:04:00,760 --> 00:04:07,920
En ese caso, es una buena idea hacer clic en 'Editar muestras de datos' y mejorar su modelo.

40
00:04:07,920 --> 00:04:13,960
Los modelos de aprendizaje automático generalmente funcionan mejor con más datos, así que registre algunas muestras adicionales para cada una

41
00:04:13,960 --> 00:04:22,400
de las acciones o concéntrese en recopilar más datos para la acción que resultó problemática en las pruebas.

42
00:04:22,400 --> 00:04:28,360
Las muestras de datos limpias también ayudan a que un modelo de ML funcione mejor, así que examine su conjunto de datos e

43
00:04:28,360 --> 00:04:38,200
identifique cualquier muestra que pueda confundir el modelo. Puede eliminarlos presionando X.

44
00:04:38,200 --> 00:04:44,920
Una vez que haya agregado más datos y haya verificado su conjunto de datos, haga clic en 'Entrenar modelo' nuevamente. Luego pruebe

45
00:04:44,920 --> 00:04:50,003
el modelo nuevamente en la página 'Probar modelo'.

46
00:04:50,003 --> 00:04:57,120
Una vez que esté satisfecho con el comportamiento del modelo ML, puede usarlo con el código del proyecto ya preparado.

47
00:04:57,120 --> 00:05:06,120
Haga clic en 'Editar en MakeCode' para ver los bloques de código en una versión especial de Microsoft MakeCode.

48
00:05:06,120 --> 00:05:10,040
Puede volver a ver sus datos en CreateAI en cualquier momento

49
00:05:10,040 --> 00:05:19,720
usando la flecha en la parte superior izquierda de la pantalla. Estos bloques utilizan el modelo que has creado en código.

50
00:05:19,720 --> 00:05:24,880
Los bloques 'on ML... start' reaccionan cuando el modelo ML decide que su

51
00:05:24,880 --> 00:05:31,320
juguete está realizando un movimiento o acción en particular. Dependiendo de la acción, el código muestra diferentes

52
00:05:31,320 --> 00:05:38,600
iconos en la salida de la pantalla LED del micro:bit y reproduce diferentes sonidos en su altavoz.

53
00:05:38,600 --> 00:05:46,360
Si no está seguro de qué acción está realizando su juguete (si la acción es "desconocida"), borrará la pantalla.

54
00:05:46,360 --> 00:05:53,320
Y cuando cada acción se detiene, el código impide que el micro:bit emita cualquier sonido.

55
00:05:53,320 --> 00:05:56,640
Para que el código y el modelo ML se ejecuten en su micro:bit,

56
00:05:56,640 --> 00:05:59,640
solo necesita descargarlo en un micro:bit.

57
00:06:00,280 --> 00:06:06,320
Presione 'Descargar' y siga las instrucciones en pantalla.

58
00:06:06,320 --> 00:06:10,640
Ahora prueba el proyecto terminado en un micro:bit conectado a tu juguete.

59
00:06:10,640 --> 00:06:16,200
¿Se reproducen los sonidos correctos y se muestran los íconos cuando tu juguete hace diferentes movimientos?

60
00:06:16,200 --> 00:06:19,800
¿Funciona igual de bien cuando otra persona mueve el juguete?

61
00:06:19,800 --> 00:06:26,880
De lo contrario, puede regresar y recopilar más datos de ellos y volver a entrenar el modelo.

62
00:06:26,880 --> 00:06:30,960
¡Felicitaciones, ha entrenado su juguete para que reaccione a diferentes tipos de movimiento

63
00:06:30,960 --> 00:06:36,600
utilizando los datos que ha recopilado, entrenando un modelo de aprendizaje automático de IA y combinándolo con

64
00:06:36,600 --> 00:06:43,480
código para crear un juguete interactivo para contar historias! ¿Qué otras acciones o movimientos podría

65
00:06:43,480 --> 00:06:51,795
realizar tu juguete, tal vez como parte de contar una historia? ¿Puedes agregarlos usando micro:bit y CreateAI?