1
00:00:01,560 --> 00:00:08,360
Para crear su cronómetro de ejercicio de IA simple, entrenará un modelo de aprendizaje automático (o ML).

2
00:00:08,360 --> 00:00:15,080
Este modelo reconocerá cuándo estás haciendo ejercicio y cuándo no.

3
00:00:15,080 --> 00:00:23,720
Luego combinarás el modelo con un código ya preparado para un cronómetro de ejercicio...

4
00:00:23,720 --> 00:00:28,720
antes de descargarlo a tu micro:bit y usarlo en la vida real.

5
00:00:28,720 --> 00:00:35,960
Haga clic en 'Abrir en micro:bit CreateAI' para iniciar el proyecto.

6
00:00:35,960 --> 00:00:40,760
El proyecto viene con 3 muestras de datos de movimiento para hacer ejercicio

7
00:00:40,760 --> 00:00:45,440
y 3 muestras de datos de movimiento para no hacer ejercicio.

8
00:00:45,440 --> 00:00:51,000
Deberá agregar más muestras registrando sus propios datos de movimiento.

9
00:00:51,000 --> 00:00:56,480
micro:bit CreateAI recopila muestras de datos de movimiento utilizando el acelerómetro

10
00:00:56,480 --> 00:01:02,240
(o sensor de movimiento) en el micro:bit. Llevará un micro:bit y una batería

11
00:01:02,240 --> 00:01:08,840
en la muñeca o el tobillo, para que pueda moverse libremente y registrar sus propias muestras de datos de movimiento.

12
00:01:08,840 --> 00:01:13,480
Para comenzar, necesitas configurar el micro:bit de recolección de datos.

13
00:01:13,480 --> 00:01:22,240
Conecte el micro:bit de muñeca a CreateAI. Si su computadora tiene Bluetooth habilitado,

14
00:01:22,240 --> 00:01:28,680
solo necesitará 1 micro:bit y un cable de datos USB. Si no tienes una conexión Bluetooth,

15
00:01:28,680 --> 00:01:33,800
se te pedirá que uses 2 micro:bits. El segundo micro:bit permanecerá conectado

16
00:01:33,800 --> 00:01:39,640
al cable USB y actuará como enlace de radio con el micro:bit de recopilación de datos.

17
00:01:39,640 --> 00:01:42,936
Siga las instrucciones en pantalla para conectarse.

18
00:01:44,495 --> 00:01:47,320
Una vez que tu micro:bit de recolección de datos esté conectado,

19
00:01:47,320 --> 00:01:53,280
verás que las líneas en el gráfico en vivo cambian a medida que mueves tu micro:bit.

20
00:01:53,280 --> 00:01:58,360
Ahora está listo para agregar sus propias muestras de datos de movimiento.

21
00:01:58,360 --> 00:02:04,440
Como este proyecto ya incluye algunas muestras de datos, le sugerimos que agregue

22
00:02:04,440 --> 00:02:12,840
1 muestra más para cada acción por ahora y dedique más tiempo a recopilar y analizar datos más adelante.

23
00:02:12,840 --> 00:02:16,600
Decide qué acción de 'ejercicio' vas a realizar.

24
00:02:16,600 --> 00:02:23,040
Podría ser correr, caminar rápidamente, saltar, boxear, bailar o cualquier otro ejercicio.

25
00:02:23,040 --> 00:02:29,920
Asegúrese de que el micro:bit esté sujeto a la muñeca o el tobillo que se moverá.

26
00:02:29,920 --> 00:02:34,440
Para agregar datos a una acción específica, selecciónela haciendo clic en ella.

27
00:02:34,440 --> 00:02:39,640
Obtendrá una cuenta regresiva de 3 segundos antes de que comience una grabación de 1 segundo.

28
00:02:39,640 --> 00:02:45,200
Haga clic en grabar y comience a moverse de inmediato para asegurarse de obtener una muestra de datos limpia.

29
00:02:45,200 --> 00:02:49,080
Una muestra limpia es aquella en la que se está moviendo durante toda la muestra,

30
00:02:49,080 --> 00:02:55,440
no se comienza tarde ni se termina temprano. A continuación, intente agregar una muestra de datos adicional

31
00:02:55,440 --> 00:03:00,920
al conjunto de datos de "no hacer ejercicio". Selecciónelo haciendo clic en la acción,

32
00:03:00,920 --> 00:03:06,440
luego quédese quieto o muévase solo ligeramente mientras graba la muestra.

33
00:03:06,440 --> 00:03:10,800
Notarás que las líneas x, y, z cambian de lugar dependiendo

34
00:03:10,800 --> 00:03:14,768
del ángulo en el que sostienes tu micro:bit.

35
00:03:14,768 --> 00:03:18,320
El proyecto no tiene muchos datos en este momento,

36
00:03:18,320 --> 00:03:24,400
pero tenemos los suficientes para entrenar nuestro propio modelo de aprendizaje automático usando CreateAI.

37
00:03:24,400 --> 00:03:30,360
Así que haga clic en "Entrenar" para utilizar los datos actuales para crear un modelo de ML.

38
00:03:30,360 --> 00:03:34,640
La herramienta ahora construye un modelo matemático que debería reconocer diferentes

39
00:03:34,640 --> 00:03:39,360
acciones cuando mueves tu micro:bit. Tan pronto como se haya entrenado el modelo,

40
00:03:39,360 --> 00:03:44,080
verá la página Prueba del modelo. Su micro:bit de recopilación de datos ahora se puede

41
00:03:44,080 --> 00:03:50,160
utilizar para probar qué tan bien está funcionando el modelo. Aún debería estar conectado a la herramienta

42
00:03:50,160 --> 00:03:59,800
y verás que a medida que lo mueves, CreateAI estima la acción que estás realizando.

43
00:03:59,800 --> 00:04:05,240
Pruebe diferentes niveles de ejercicio o no ejercicio para ver cómo

44
00:04:05,240 --> 00:04:12,400
cambian tanto la acción estimada como el gráfico de barras de certeza. El porcentaje en el gráfico de barras de certeza muestra qué tan

45
00:04:12,400 --> 00:04:16,840
seguro está el modelo de que usted está realizando cada acción.

46
00:04:16,840 --> 00:04:22,240
Puede notar que su modelo no estima algunas acciones con precisión, o tal vez esté

47
00:04:22,240 --> 00:04:28,560
funcionando bien para una acción pero no para la otra, por lo que después de explorar cómo funciona actualmente,

48
00:04:28,560 --> 00:04:34,520
es una buena idea hacer clic en 'Editar muestras de datos' y mejorar su modelo.

49
00:04:34,520 --> 00:04:41,320
Los modelos de aprendizaje automático generalmente funcionan mejor con más datos, así que registre algunas muestras adicionales para cada una

50
00:04:41,320 --> 00:04:48,800
de las acciones o concéntrese en recopilar más datos para la acción que resultó problemática en las pruebas.

51
00:04:48,800 --> 00:04:54,240
Puede grabar 1 muestra a la vez o puede grabar 10 muestras en secuencia.

52
00:04:54,240 --> 00:04:58,840
Las muestras de datos limpias también ayudan a que un modelo de aprendizaje automático funcione mejor,

53
00:04:58,840 --> 00:05:05,560
así que examine su conjunto de datos e identifique cualquier muestra de datos que pueda confundir el modelo.

54
00:05:05,560 --> 00:05:12,080
Puede eliminarlos presionando x. Una vez que haya agregado más datos y haya verificado

55
00:05:12,080 --> 00:05:17,720
su conjunto de datos, haga clic en Entrenar modelo nuevamente para usar su conjunto de datos modificado.

56
00:05:17,720 --> 00:05:27,000
Luego pruebe el modelo nuevamente en la página 'Probar modelo'.

57
00:05:27,000 --> 00:05:30,200
Una vez que esté satisfecho con el comportamiento del modelo ML,

58
00:05:30,200 --> 00:05:34,120
puedes usarlo con el código del proyecto ya preparado.

59
00:05:34,120 --> 00:05:40,920
Haga clic en 'Editar en MakeCode' para ver los bloques de código en una versión especial de Microsoft MakeCode.

60
00:05:40,920 --> 00:05:48,560
Siempre puedes volver a CreateAI usando la flecha en la parte superior izquierda de la pantalla.

61
00:05:48,560 --> 00:05:54,720
Estos bloques de código utilizan el modelo que ha creado dentro de un cronómetro de ejercicio.

62
00:05:54,720 --> 00:05:59,760
El código utiliza dos variables para realizar un seguimiento de cuánto tiempo ha estado haciendo ejercicio y cuánto

63
00:05:59,760 --> 00:06:04,160
tiempo no ha hecho ejercicio. Cuando el programa se ejecuta por primera vez, establece

64
00:06:04,160 --> 00:06:09,360
estas variables del temporizador en 0. Los bloques 'al iniciar ML' se

65
00:06:09,360 --> 00:06:15,400
activan cuando el modelo ML decide que ha comenzado a hacer ejercicio o no.

66
00:06:15,400 --> 00:06:19,240
Muestran diferentes iconos en la pantalla LED del micro:bit dependiendo

67
00:06:19,240 --> 00:06:25,920
de la acción que ha estimado que estás realizando. Los bloques 'al detener ML' se activan cuando el

68
00:06:25,920 --> 00:06:32,960
modelo ML decide que ha finalizado una acción, en este caso hacer ejercicio o no hacer ejercicio.

69
00:06:32,960 --> 00:06:38,240
El código dentro de cada bloque limpia la pantalla y agrega la duración de la acción que acaba de

70
00:06:38,240 --> 00:06:43,360
finalizar a la variable que almacena los tiempos totales de cada acción.

71
00:06:43,360 --> 00:06:49,680
El modelo ML funciona con el código para permitirle ver el tiempo total dedicado a cada acción.

72
00:06:49,680 --> 00:06:55,160
Pulsa el botón A para ver el tiempo total que has estado haciendo ejercicio y pulsa el botón B para ver el

73
00:06:55,160 --> 00:07:00,680
tiempo total que has estado inactivo. El cronómetro cuenta en milisegundos,

74
00:07:00,680 --> 00:07:07,880
milésimas de segundo, por lo que el número mostrado se divide por 1000 para mostrar el tiempo en segundos.

75
00:07:07,880 --> 00:07:12,640
Para hacer que su sencillo temporizador de ejercicios de IA se ejecute en su micro:bit,

76
00:07:12,640 --> 00:07:19,360
solo necesita descargar este código en un micro:bit. Si no tiene otro micro:bit disponible,

77
00:07:19,360 --> 00:07:26,440
simplemente reemplace el código actualmente en el micro:bit de recopilación de datos con el código del proyecto.

78
00:07:26,440 --> 00:07:31,200
Ahora pruebe el proyecto en la vida real. ¿Se muestran los iconos correctos

79
00:07:31,200 --> 00:07:36,640
cuando haces ejercicio o no? Puede probar si el código del temporizador funciona

80
00:07:36,640 --> 00:07:41,640
bien con el modelo en 3 sencillos pasos: Presione el botón de reinicio.

81
00:07:41,640 --> 00:07:46,040
Haga ejercicio durante 30 segundos. Luego presione el botón A.

82
00:07:46,040 --> 00:07:50,080
Debería ver el número 30 desplazándose por la pantalla.

83
00:07:50,080 --> 00:07:55,240
Ahora está listo para conectarse a CreateAI, recopilar sus propios datos y usarlos para entrenar,

84
00:07:55,240 --> 00:08:00,160
probar y mejorar un modelo de aprendizaje automático. Y luego puedes combinar este modelo con

85
00:08:00,160 --> 00:08:05,642
el código ya preparado y probarlo en tu propio micro:bit.