WEBVTT 00:00:01.240 --> 00:00:08.194 AI 활동 타이머를 만들려면 00:00:08.194 --> 00:00:13.080 다양한 움직임이나 활동을 수행할 때 이를 인식하도록 기계 학습(ML) 모델을 훈련해야 합니다. 00:00:13.080 --> 00:00:18.960 그런 다음 해당 모델을 활동 타이머용으로 미리 만들어진 코드와 결합한 00:00:18.960 --> 00:00:26.800 후 micro:bit에 다운로드하여 실제 생활에서 사용하게 됩니다. 00:00:26.800 --> 00:00:33.960 프로젝트를 시작하려면 'micro:bit CreateAI에서 열기'를 클릭하세요. 00:00:33.960 --> 00:00:41.120 이 프로젝트에는 걷기에 대한 6개의 움직임 데이터 샘플, 위로 점프하기 위한 00:00:41.120 --> 00:00:47.200 6개의 움직임 데이터 샘플, 그리고 가만히 있기 위한 6개의 움직임 데이터 샘플이 포함되어 있습니다 00:00:47.200 --> 00:00:54.200 . 자신의 움직임 데이터를 기록하여 더 많은 샘플을 추가하게 됩니다. 00:00:54.200 --> 00:01:02.703 micro:bit CreateAI는 micro:bit의 가속도계 또는 움직임 센서를 사용하여 움직임 데이터 샘플을 수집합니다. 00:01:05.726 --> 00:01:09.734 손목이나 발목에 마이크로비트와 배터리 팩을 착용하여 00:01:09.734 --> 00:01:15.120 자유롭게 움직여 자신의 움직임 데이터 샘플을 기록할 수 있습니다. 00:01:15.120 --> 00:01:20.400 시작하려면 발목에 착용한 micro:bit를 CreateAI에 연결하세요. 00:01:20.400 --> 00:01:23.816 우리는 이것을 데이터 수집 micro:bit라고 부릅니다. 00:01:23.816 --> 00:01:31.640 컴퓨터에 Bluetooth가 활성화되어 있으면 배터리 팩과 USB 데이터 리드가 포함된 마이크로비트 1개만 있으면 됩니다. 00:01:31.640 --> 00:01:36.640 Bluetooth에 연결되어 있지 않으면 2개의 micro:bit를 사용하라는 메시지가 표시됩니다. 00:01:36.640 --> 00:01:41.400 두 번째 micro:bit는 USB 케이블에 연결된 상태로 유지되며 00:01:41.400 --> 00:01:50.600 데이터 수집 micro:bit에 대한 무선 링크 역할을 합니다. 화면의 지시에 따라 연결하세요. 00:01:50.600 --> 00:01:57.817 micro:bit가 연결되면 micro:bit를 움직일 때 실시간 그래프의 선이 변경되는 것을 볼 수 있습니다. 00:01:57.817 --> 00:02:02.297 이제 자신만의 움직임 데이터 샘플을 추가할 준비가 되었습니다. 00:02:02.297 --> 00:02:06.263 이 프로젝트에는 이미 일부 데이터 샘플이 포함되어 있으므로 00:02:06.263 --> 00:02:16.912 지금은 각 작업에 대해 샘플을 1개 더 추가하고 나중에 데이터를 수집하고 분석하는 데 더 많은 시간을 할애하는 것이 좋습니다. 00:02:16.912 --> 00:02:24.800 데이터 수집 micro:bit가 버튼 B가 맨 위에 있는 발목 안쪽에 부착되어 있는지 확인하세요. 00:02:24.800 --> 00:02:29.280 특정 작업에 데이터를 추가하려면 해당 작업을 클릭하여 선택하세요. 00:02:29.280 --> 00:02:34.440 1초 녹음이 시작되기 전에 3초 카운트다운이 시작됩니다. 00:02:34.440 --> 00:02:40.080 기록을 클릭하고 즉시 이동을 시작하여 깨끗한 데이터 샘플을 얻으세요. 00:02:40.080 --> 00:02:43.960 깨끗한 샘플은 전체 샘플을 이동하는 샘플이며, 00:02:43.960 --> 00:02:48.593 늦게 시작하거나 일찍 이동을 끝내지 않습니다. 00:02:48.593 --> 00:02:55.519 다음으로 '점프' 데이터 세트와 '정지' 데이터 세트에 추가 데이터 샘플을 추가해 보세요. 00:02:55.519 --> 00:03:05.040 작업을 클릭하여 선택한 다음 녹음을 클릭하고 샘플을 녹음하는 동안 점프하거나 가만히 있으십시오. 00:03:05.040 --> 00:03:16.521 '정지' 샘플에서는 연결된 micro:bit의 각도에 따라 x,y,z 선의 위치가 바뀌는 것을 확인할 수 있습니다. 00:03:16.521 --> 00:03:26.080 지금은 데이터가 많지 않지만 CreateAI를 사용하여 자체 기계 학습 모델을 훈련시키기에는 충분합니다. 00:03:26.080 --> 00:03:33.720 따라서 현재 데이터를 사용하여 ML 모델을 구축하려면 '모델 학습'을 클릭하세요. 00:03:33.720 --> 00:03:41.363 이제 이 도구는 micro:bit를 움직일 때 다양한 동작을 인식하는 수학적 모델을 구축합니다. 00:03:41.363 --> 00:03:45.646 모델이 훈련되면 모델 테스트 페이지가 표시됩니다. 00:03:45.646 --> 00:03:50.721 이제 데이터 수집 micro:bit를 사용하여 모델이 얼마나 잘 작동하는지 테스트하세요. 00:03:50.721 --> 00:03:59.720 여전히 도구에 연결되어 있어야 하며, 이동하면 CreateAI가 수행 중인 작업을 추정하는 것을 볼 수 있습니다. 00:04:02.360 --> 00:04:09.698 각 작업을 시도하여 예상 작업과 확실성 막대 그래프의 변화를 모두 확인하세요. 00:04:11.257 --> 00:04:19.126 확실성 막대 그래프의 %는 사용자가 각 작업을 수행하고 있다고 모델이 얼마나 확신하는지 보여줍니다. 00:04:21.600 --> 00:04:26.520 모델이 일부 작업을 정확하게 예측하지 못하거나 00:04:26.520 --> 00:04:32.720 한 작업에서는 잘 작동하지만 다른 작업에서는 제대로 작동하지 않을 수 있으므로 현재 작동 방식을 살펴본 후 00:04:32.720 --> 00:04:40.360 '데이터 샘플 편집'을 클릭하여 개선하는 것이 좋습니다. 당신의 모델. 00:04:40.360 --> 00:04:46.360 기계 학습 모델은 일반적으로 더 많은 데이터에서 가장 잘 작동하므로 각 작업에 대해 추가 샘플을 기록하거나 00:04:46.360 --> 00:04:54.960 테스트에서 문제가 된 작업에 대해 더 많은 데이터를 수집하는 데 집중하세요. 00:04:54.960 --> 00:05:01.935 한 번에 하나의 샘플을 녹음하거나 연속적으로 10개의 샘플을 녹음할 수 있습니다. 00:05:10.160 --> 00:05:23.081 깨끗한 데이터 샘플은 ML 모델이 더 잘 작동하는 데 도움이 되므로 데이터 세트를 검사하고 모델을 혼동할 수 있는 데이터 샘플을 식별하세요. 00:05:26.003 --> 00:05:29.640 X를 눌러 삭제할 수 있습니다. 00:05:30.840 --> 00:05:39.423 더 많은 데이터를 추가하고 데이터 세트를 확인한 후 '모델 학습'을 다시 클릭하여 수정된 데이터 세트를 사용하세요. 00:05:40.483 --> 00:05:45.992 그런 다음 '모델 테스트' 페이지에서 모델을 다시 테스트하세요. 00:05:48.555 --> 00:05:54.640 ML 모델의 작동 방식이 만족스러우면 미리 만들어진 프로젝트 코드와 함께 사용할 수 있습니다. 00:05:54.640 --> 00:06:02.480 Microsoft MakeCode 특별 버전의 코드 블록을 보려면 'MakeCode에서 편집'을 클릭하세요. 00:06:02.480 --> 00:06:09.560 화면 왼쪽 상단에 있는 화살표를 사용하면 언제든지 CreateAI로 돌아갈 수 있습니다. 00:06:09.560 --> 00:06:19.240 이러한 코드 블록은 운동 타이머 내에서 생성한 모델을 사용합니다. 00:06:19.240 --> 00:06:26.160 코드는 3개의 변수를 사용하여 각 작업을 수행한 시간을 추적합니다. 00:06:26.160 --> 00:06:33.680 프로그램이 처음 실행되면 이러한 타이머 변수를 0으로 설정합니다. 00:06:33.680 --> 00:06:40.120 ML 모델이 특정 작업을 시작했다고 결정하면 'ML 시작 시' 블록이 트리거됩니다. 00:06:40.120 --> 00:06:49.250 micro:bit의 LED 디스플레이에는 사용자가 수행 중인 것으로 추정되는 작업에 따라 다른 아이콘이 표시됩니다. 00:06:50.289 --> 00:07:01.280 ML 모델이 사용자가 작업(이 경우 걷기, 점프 또는 정지)을 완료했다고 판단하면 'ML 중지 시' 블록이 트리거됩니다. 00:07:01.280 --> 00:07:06.880 각 블록 내부의 코드는 화면을 지우고 방금 완료된 작업의 지속 시간을 00:07:06.880 --> 00:07:13.440 각 작업의 총 시간을 저장하는 변수에 추가합니다. 00:07:13.440 --> 00:07:19.440 ML 모델은 코드와 함께 작동하여 각 작업에 소요된 총 시간을 볼 수 있습니다. 00:07:19.440 --> 00:07:23.040 버튼 A를 누르면 예상 걷는 시간을 볼 수 있습니다. 00:07:23.040 --> 00:07:28.160 버튼 B를 누르면 모델이 예상한 점프 시간을 확인할 수 있습니다. 00:07:28.160 --> 00:07:34.080 예상 지속 시간을 보려면 A와 B를 함께 누르세요. 00:07:34.080 --> 00:07:44.111 타이머는 밀리초(1/1000초) 단위로 계산되므로 표시된 숫자를 1000으로 나누어 시간을 초 단위로 표시합니다. 00:07:44.111 --> 00:07:53.160 AI 활동 타이머를 micro:bit에서 실행하려면 이 코드를 micro:bit에 다운로드하기만 하면 됩니다. 00:07:53.160 --> 00:08:00.642 사용 가능한 다른 micro:bit가 없으면 현재 데이터 컬렉션 micro:bit에 있는 코드를 프로젝트 코드로 바꾸세요. 00:08:01.646 --> 00:08:05.000 이제 실제 생활에서 프로젝트를 테스트해 볼 수 있습니다. 00:08:05.000 --> 00:08:10.040 운동할 때 올바른 아이콘이 표시되나요? 00:08:10.040 --> 00:08:15.800 타이머 코드가 모델과 잘 작동하는지 간단한 3단계로 테스트할 수 있습니다. 00:08:15.800 --> 00:08:19.160 재설정 버튼을 누르세요. 30초 동안 점프하세요. 00:08:19.160 --> 00:08:25.540 그런 다음 버튼 B를 누릅니다. 디스플레이에 숫자 30이 스크롤되는 것을 볼 수 있습니다. 00:08:25.540 --> 00:08:28.560 이제 CreateAI에 연결하고, 00:08:28.560 --> 00:08:34.560 자신의 데이터를 수집하고, 이를 사용하여 기계 학습 모델을 교육, 테스트 및 개선할 수 있습니다. 그런 다음 00:08:34.560 --> 00:08:40.600 이 모델을 미리 만들어진 코드와 결합하여 자신의 마이크로에서 시험해 볼 수 있습니다. 조금. 00:08:40.600 --> 00:08:48.379 이를 더욱 개인화할 수 있는 방법을 찾고 있다면 달리기나 댄스 스텝과 같은 다른 동작을 추가해 보세요. 00:08:48.379 --> 00:08:52.480 즐기다!