WEBVTT 00:00:00.680 --> 00:00:05.440 Om jouw AI-verhaalvriend te maken, train je een machine learning- 00:00:05.440 --> 00:00:11.120 of ML-model om te herkennen wanneer speelgoed op verschillende manieren beweegt. 00:00:11.120 --> 00:00:16.280 Vervolgens combineer je dit model met code om verschillende geluiden te maken en verschillende 00:00:16.280 --> 00:00:19.716 pictogrammen weer te geven op het LED-display van de micro:bit. 00:00:20.856 --> 00:00:28.480 Vervolgens download je het model en de code naar een micro:bit en gebruik je deze op je speelgoed om een ​​verhaal te vertellen. 00:00:28.480 --> 00:00:34.264 Ons verhaal gaat over een beer genaamd Lucy, maar je kunt het project aanpassen aan je eigen wensen. 00:00:37.014 --> 00:00:39.110 Dit is Lucy de beer. 00:00:40.360 --> 00:00:47.520 Ze wil turnster worden als ze groot is, dus elke dag als ze wakker wordt, oefent ze haar sprongen. 00:00:47.520 --> 00:00:54.640 Ze springt zo hoog als het plafond. Na het ontbijt oefent ze haar koprollen. 00:00:54.640 --> 00:00:58.940 Ze rolt rond en rond totdat haar hele wereld draait. 00:01:01.469 --> 00:01:05.620 Daarna neemt ze een pauze en doet een dutje. 00:01:10.048 --> 00:01:18.760 Om te beginnen met het maken van jouw AI-verhaalvriend, klik je op 'Openen in micro:bit CreateAI' om het project te starten. 00:01:18.760 --> 00:01:23.829 Dit project wordt geleverd met 8 samples van bewegingsgegevens voor drie verschillende acties: 00:01:23.829 --> 00:01:26.720 springen, koprollen en slapen. 00:01:28.959 --> 00:01:38.120 micro:bit CreateAI verzamelt bewegings-data samples met behulp van de accelerometer, de bewegingssensor van de micro:bit. 00:01:38.120 --> 00:01:43.560 Om jouw eigen data samples toe te voegen, moet je een micro:bit-gegevensverzameling maken. 00:01:43.560 --> 00:01:50.160 Als Bluetooth op jouw computer is ingeschakeld, heb je slechts 1 micro:bit en een USB-datakabel nodig. 00:01:50.160 --> 00:01:54.840 Als je geen Bluetooth-verbinding hebt, heb je 2 micro:bits nodig. 00:01:54.840 --> 00:01:58.728 Volg de instructies op het scherm om verbinding te maken. 00:01:59.554 --> 00:02:06.777 Zodra jouw micro:bit voor gegevensverzameling is aangesloten, bevestig je deze op deze manier aan je speelgoed. 00:02:06.777 --> 00:02:14.540 Je ziet de lijnen in de livegrafiek veranderen terwijl je je speelgoed beweegt. Omdat dit project al heel wat 00:02:14.540 --> 00:02:25.000 data samples bevat, raden we je aan om voorlopig voor elke actie 1 sample toe te voegen en later meer gegevens te verzamelen. 00:02:25.000 --> 00:02:29.440 Klik op de actie 'springen' zodat je er meer data samples aan kunt toevoegen. 00:02:29.440 --> 00:02:33.600 Er wordt afgeteld voordat een opname van 1 seconde begint. 00:02:33.600 --> 00:02:39.800 Klik op opnemen en begin onmiddellijk met het verplaatsen van je speelgoed om er zeker van te zijn dat je een nette data sample krijgt. 00:02:39.800 --> 00:02:43.440 Een nette sample is een sample waarbij je tijdens het hele sample beweegt, 00:02:43.440 --> 00:02:50.800 je begint niet te laat en eindigt niet te vroeg met bewegen. Probeer vervolgens een extra data sample toe te voegen aan de 00:02:50.800 --> 00:02:54.315 'koprollende' en 'slapende' acties. 00:02:57.115 --> 00:03:07.520 Je zult merken dat wanneer je speeltje slaapt, de x-, y- en z-lijnen van plaats veranderen, afhankelijk van de richting van de micro:bit. 00:03:07.520 --> 00:03:14.600 Klik op 'Train model' om het ML-model te bouwen. De tool bouwt nu een wiskundig 00:03:14.600 --> 00:03:19.960 model dat verschillende acties zou moeten herkennen wanneer je je micro:bit verplaatst. 00:03:19.960 --> 00:03:24.730 Zodra het model is getraind, zie je de pagina Model testen. 00:03:25.640 --> 00:03:30.760 Je micro:bit voor gegevensverzameling kan nu worden gebruikt om te testen hoe goed het model werkt. 00:03:30.760 --> 00:03:35.880 Het zou nog steeds verbonden moeten zijn met de tool, en je zult zien dat CreateAI, terwijl je het verplaatst, 00:03:35.880 --> 00:03:39.527 inschat welke actie je uitvoert. 00:03:40.317 --> 00:03:47.027 Beweeg je speeltje op verschillende manieren om de geschatte actie en de zekerheidsbalkgrafiek te zien veranderen. 00:03:47.400 --> 00:03:54.270 Het percentage laat zien hoe zeker het model is dat je een bepaalde actie uitvoert. 00:03:56.160 --> 00:04:00.760 Mogelijk merk je dat jouw model sommige acties niet nauwkeurig schat. 00:04:00.760 --> 00:04:07.920 In dat geval is het een goed idee om op 'Data samples bewerken' te klikken en je model te verbeteren. 00:04:07.920 --> 00:04:13.960 Machine learning-modellen werken meestal het beste met meer gegevens, dus neem wat extra samples op voor elk 00:04:13.960 --> 00:04:22.400 van de acties, of concentreer je op het verzamelen van meer gegevens voor de actie die problematisch was bij het testen. 00:04:22.400 --> 00:04:28.360 Nette data samples zorgen er ook voor dat een ML-model beter werkt, dus onderzoek je dataset en 00:04:28.360 --> 00:04:36.780 identificeer eventuele voorbeelden die het model in verwarring kunnen brengen. Deze kun je verwijderen door op X te drukken. 00:04:38.200 --> 00:04:44.920 Nadat je meer gegevens hebt toegevoegd en je dataset hebt gecontroleerd, klik je nogmaals op 'Train model'. Test 00:04:44.920 --> 00:04:49.173 het model vervolgens opnieuw op de pagina 'Model testen'. 00:04:50.003 --> 00:04:57.120 Als je tevreden bent met hoe het ML-model zich gedraagt, kun je het gebruiken met de kant-en-klare projectcode. 00:04:57.120 --> 00:05:04.770 Klik op 'Bewerken in MakeCode' om de codeblokken in een speciale versie van Microsoft MakeCode te bekijken. 00:05:06.120 --> 00:05:10.040 Je kunt op elk gewenst moment terugkeren om je gegevens in CreateAI te bekijken 00:05:10.040 --> 00:05:19.720 via de pijl linksboven in het scherm. Deze blokken gebruiken het model dat je in code hebt gemaakt. 00:05:19.720 --> 00:05:24.880 De 'wanneer ML... start'-blokken reageren wanneer het ML-model besluit dat jouw 00:05:24.880 --> 00:05:31.320 speelgoed een bepaalde beweging of actie uitvoert. Afhankelijk van de actie toont de code verschillende 00:05:31.320 --> 00:05:38.600 pictogrammen op het LED-scherm van de micro:bit en worden er verschillende geluiden afgespeeld op de luidspreker. 00:05:38.600 --> 00:05:46.360 Als het niet zeker is welke actie je speelgoed uitvoert (als de actie 'onbekend' is), wordt het scherm leeggemaakt. 00:05:46.360 --> 00:05:52.730 En wanneer elke actie stopt, zorgt de code ervoor dat de micro:bit geen geluid meer maakt. 00:05:53.320 --> 00:05:56.640 Om de code en het ML-model op jouw micro:bit te laten draaien, 00:05:56.640 --> 00:05:59.640 hoef je deze alleen maar naar een micro:bit te downloaden. 00:06:00.280 --> 00:06:04.650 Druk op 'Download' en volg de instructies op het scherm. 00:06:06.320 --> 00:06:10.640 Test nu het voltooide project op een micro:bit die aan je speeltje is bevestigd. 00:06:10.640 --> 00:06:16.200 Spelen de juiste geluiden en verschijnen er pictogrammen wanneer jouw speelgoed verschillende bewegingen maakt? 00:06:16.200 --> 00:06:19.800 Werkt het net zo goed als iemand anders het speelgoed beweegt? 00:06:19.800 --> 00:06:25.420 Als dat niet het geval is, kun je teruggaan en meer gegevens verzamelen en het model opnieuw trainen. 00:06:26.880 --> 00:06:30.960 Gefeliciteerd, je hebt je speelgoed getraind om op verschillende soorten bewegingen te reageren 00:06:30.960 --> 00:06:36.600 met behulp van de gegevens die je hebt verzameld, een AI-model voor machine learning getraind en dit met 00:06:36.600 --> 00:06:43.480 code gecombineerd om een ​​interactief speelgoed voor het vertellen van verhalen te maken! Welke andere acties of bewegingen kan je speelgoed 00:06:43.480 --> 00:06:51.795 maken, misschien als onderdeel van het vertellen van een verhaal? Kun je ze toevoegen met behulp van micro:bit en CreateAI?