WEBVTT 00:00:00.680 --> 00:00:05.440 Para hacer que su amigo narrador de IA, entrenará un 00:00:05.440 --> 00:00:11.120 modelo de aprendizaje automático, o ML, para reconocer cuando un juguete se mueve de diferentes maneras. 00:00:11.120 --> 00:00:16.280 Luego combinarás este modelo con código para emitir diferentes sonidos y mostrar diferentes 00:00:16.280 --> 00:00:20.856 íconos en la pantalla LED del micro:bit. 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. 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. 00:00:34.264 --> 00:00:40.360 [MÚSICA] Esta es Lucy la osita. 00:00:40.360 --> 00:00:47.520 Quiere ser gimnasta cuando sea mayor, por eso todos los días, cuando se despierta, practica saltos. 00:00:47.520 --> 00:00:54.640 Salta hasta el techo. Luego, después del desayuno, practica rodar. 00:00:54.640 --> 00:00:59.920 Da vueltas y vueltas hasta que todo su mundo gira. 00:01:01.469 --> 00:01:06.490 Luego se toma un descanso y duerme una pequeña siesta. 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. 00:01:18.760 --> 00:01:23.829 Este proyecto viene con 8 muestras de datos de movimiento para tres acciones diferentes: 00:01:23.829 --> 00:01:28.959 saltar, rodar y dormir. 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. 00:01:38.120 --> 00:01:43.560 Para agregar sus propias muestras de datos, debe crear un micro:bit de recopilación de datos. 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. 00:01:50.160 --> 00:01:54.840 Si no tienes una conexión Bluetooth, necesitarás usar 2 micro:bits. 00:01:54.840 --> 00:01:59.554 Siga las instrucciones en pantalla para conectarse. 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. 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 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. 00:02:25.000 --> 00:02:29.440 Haga clic en la acción 'saltar' para poder agregarle más muestras de datos. 00:02:29.440 --> 00:02:33.600 Obtendrá una cuenta regresiva antes de que comience una grabación de 1 segundo. 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. 00:02:39.800 --> 00:02:43.440 Una muestra limpia es aquella en la que se está moviendo durante toda la muestra, 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 00:02:50.800 --> 00:02:57.115 acciones "en movimiento" y "dormir". 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. 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 00:03:14.600 --> 00:03:19.960 que debería reconocer diferentes acciones cuando mueves tu micro:bit. 00:03:19.960 --> 00:03:25.640 Tan pronto como se haya entrenado el modelo, verá la página Prueba del modelo. 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. 00:03:30.760 --> 00:03:35.880 Aún debería estar conectado a la herramienta y verás que a medida que lo mueves, CreateAI 00:03:35.880 --> 00:03:40.317 estima la acción que estás realizando. 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. 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. 00:03:56.160 --> 00:04:00.760 Puede notar que su modelo no estima algunas acciones con precisión. 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. 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 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. 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 00:04:28.360 --> 00:04:38.200 identifique cualquier muestra que pueda confundir el modelo. Puede eliminarlos presionando X. 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 00:04:44.920 --> 00:04:50.003 el modelo nuevamente en la página 'Probar modelo'. 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. 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. 00:05:06.120 --> 00:05:10.040 Puede volver a ver sus datos en CreateAI en cualquier momento 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. 00:05:19.720 --> 00:05:24.880 Los bloques 'on ML... start' reaccionan cuando el modelo ML decide que su 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 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. 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. 00:05:46.360 --> 00:05:53.320 Y cuando cada acción se detiene, el código impide que el micro:bit emita cualquier sonido. 00:05:53.320 --> 00:05:56.640 Para que el código y el modelo ML se ejecuten en su micro:bit, 00:05:56.640 --> 00:05:59.640 solo necesita descargarlo en un micro:bit. 00:06:00.280 --> 00:06:06.320 Presione 'Descargar' y siga las instrucciones en pantalla. 00:06:06.320 --> 00:06:10.640 Ahora prueba el proyecto terminado en un micro:bit conectado a tu juguete. 00:06:10.640 --> 00:06:16.200 ¿Se reproducen los sonidos correctos y se muestran los íconos cuando tu juguete hace diferentes movimientos? 00:06:16.200 --> 00:06:19.800 ¿Funciona igual de bien cuando otra persona mueve el juguete? 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. 00:06:26.880 --> 00:06:30.960 ¡Felicitaciones, ha entrenado su juguete para que reaccione a diferentes tipos de movimiento 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 00:06:36.600 --> 00:06:43.480 código para crear un juguete interactivo para contar historias! ¿Qué otras acciones o movimientos podría 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?