1
00:00:01,560 --> 00:00:08,360
単純な AI エクササイズ タイマーを作成するには、機械学習 (ML) モデルをトレーニングします。

2
00:00:08,360 --> 00:00:15,080
このモデルは、運動しているときと運動していないときを認識します。

3
00:00:15,080 --> 00:00:23,720
次に、そのモデルを 、micro:bit にダウンロードして実際に使用する前に、

4
00:00:23,720 --> 00:00:28,720
エクササイズ タイマー用の既製のコードと組み合わせます 。

5
00:00:28,720 --> 00:00:35,960
「micro:bit CreateAI で開く」をクリックしてプロジェクトを起動します。

6
00:00:35,960 --> 00:00:40,760
このプロジェクトには、運動した場合の動作データのサンプルが 3 つと、運動していない場合の動作データのサンプルが 3 つ付属しています

7
00:00:40,760 --> 00:00:45,440
。

8
00:00:45,440 --> 00:00:51,000
独自の動きデータを記録してサンプルをさらに追加する必要があります。

9
00:00:51,000 --> 00:00:56,480
micro:bit CreateAI は、 micro:bit 上の

10
00:00:56,480 --> 00:01:02,240
加速度センサー (または動きセンサー) を使用して動きデータのサンプルを収集します 。 micro:bit とバッテリー

11
00:01:02,240 --> 00:01:08,840
パックを手首または足首に装着し、自由に動いて自分の運動データサンプルを記録します。

12
00:01:08,840 --> 00:01:13,480
始めるには、データ収集 micro:bit を設定する必要があります。

13
00:01:13,480 --> 00:01:22,240
手首に装着する micro:bit を CreateAI に接続します。コンピュータで Bluetooth が有効になっている場合、

14
00:01:22,240 --> 00:01:28,680
必要なのは 1 micro:bit と USB データ リードだけです。 Bluetooth 接続がない場合は、

15
00:01:28,680 --> 00:01:33,800
2 micro:bit を使用するように求められます。 2 番目の micro:bit は

16
00:01:33,800 --> 00:01:39,640
USB ケーブルに接続されたままとなり、データ収集 micro:bit への無線リンクとして機能します。

17
00:01:39,640 --> 00:01:42,936
画面の指示に従って接続します。

18
00:01:44,495 --> 00:01:47,320
データ収集 micro:bit が接続されると、

19
00:01:47,320 --> 00:01:53,280
micro:bit を動かすとライブ グラフ上の線が変化するのがわかります。

20
00:01:53,280 --> 00:01:58,360
これで、独自の動きデータ サンプルを追加する準備ができました。

21
00:01:58,360 --> 00:02:04,440
このプロジェクトにはすでにいくつかのデータ サンプルが含まれているため、

22
00:02:04,440 --> 00:02:12,840
今はアクションごとにサンプルを 1 つ追加するだけにして、後でデータの収集と分析に時間を費やすことをお勧めします。

23
00:02:12,840 --> 00:02:16,600
どのような「運動」アクションを行うかを決めます。

24
00:02:16,600 --> 00:02:23,040
これには、ランニング、早歩き、ジャンプ、ボクシング、ダンス、その他の運動が含まれます。

25
00:02:23,040 --> 00:02:29,920
micro:bit が動く手首または足首に取り付けられていることを確認してください。

26
00:02:29,920 --> 00:02:34,440
特定のアクションにデータを追加するには、そのアクションをクリックして選択します。

27
00:02:34,440 --> 00:02:39,640
1 秒の録音が開始される前に、3 秒のカウントダウンが表示されます。

28
00:02:39,640 --> 00:02:45,200
「記録」をクリックしてすぐに移動を開始し、クリーンなデータ サンプルを確実に取得します。

29
00:02:45,200 --> 00:02:49,080
クリーンなサンプルとは、サンプル全体にわたって移動が開始され、

30
00:02:49,080 --> 00:02:55,440
開始が遅くなったり、移動が早く終了したりしないサンプルのことです。 次に、 「運動していない」データ セットに

31
00:02:55,440 --> 00:03:00,920
追加のデータ サンプルを追加してみます 。 アクションをクリックして選択し、

32
00:03:00,920 --> 00:03:06,440
サンプルを記録するときに静止するか、ほんのわずかに動くだけです。

33
00:03:06,440 --> 00:03:10,800
micro:bit を握る角度に

34
00:03:10,800 --> 00:03:14,768
応じて、x、y、z の線の位置が変わることに気づくでしょう

35
00:03:14,768 --> 00:03:18,320
。 現時点ではプロジェクトには多くのデータがありません

36
00:03:18,320 --> 00:03:24,400
が、CreateAI を使用して独自の機械学習モデルをトレーニングするのに十分なデータがあります。

37
00:03:24,400 --> 00:03:30,360
[トレーニング] をクリックして、現在のデータを使用して ML モデルを構築します。

38
00:03:30,360 --> 00:03:34,640
このツールは 、micro:bit を動かすときの

39
00:03:34,640 --> 00:03:39,360
さまざまなアクションを認識する数学的モデルを構築します 。 モデルのトレーニングが完了すると、すぐに

40
00:03:39,360 --> 00:03:44,080
[モデルのテスト] ページが表示されます。データ収集 micro:bit を

41
00:03:44,080 --> 00:03:50,160
使用して、モデルがどの程度機能しているかをテストできるようになりました。まだツールに接続されているはずです。

42
00:03:50,160 --> 00:03:59,800
ツールを移動すると、CreateAI がユーザーが行っているアクションを推定していることがわかります。

43
00:03:59,800 --> 00:04:05,240
さまざまなレベルの運動を試したり、運動をしなかったりして、推定される

44
00:04:05,240 --> 00:04:12,400
アクションと確実性の両方の棒グラフの変化を確認してください。確実性棒グラフの % は、

45
00:04:12,400 --> 00:04:16,840
モデルが各アクションを実行していることをどの程度確信しているかを示します。

46
00:04:16,840 --> 00:04:22,240
モデルが一部のアクションを正確に推定していないことに気づくかもしれません。あるいは、

47
00:04:22,240 --> 00:04:28,560
あるアクションではうまく機能しているが、他のアクションではうまく機能していない

48
00:04:28,560 --> 00:04:34,520
可能性があります。そのため、モデルが現在どのように機能しているかを調べた後、[データ サンプルの編集] をクリックして、モデルのパフォーマンスを改善することをお勧めします。モデル。

49
00:04:34,520 --> 00:04:41,320
機械学習モデルは通常、より多くのデータを使用することで最も効果的に機能するため

50
00:04:41,320 --> 00:04:48,800
、アクションごとに追加のサンプルを記録するか、テストで問題があったアクションについてより多くのデータを収集することに重点を置きます。

51
00:04:48,800 --> 00:04:54,240
一度に 1 つのサンプルを録音することも、10 個のサンプルを連続して録音することもできます。

52
00:04:54,240 --> 00:04:58,840
クリーンなデータ サンプルは、ML モデルの機能を向上させるのにも役立ちます。

53
00:04:58,840 --> 00:05:05,560
そのため、データ セットを調べて、モデルを混乱させる可能性のあるデータ サンプルを特定します。

54
00:05:05,560 --> 00:05:12,080
xを押すと削除できます。さらにデータを追加して

55
00:05:12,080 --> 00:05:17,720
データ セットを確認したら、[モデルのトレーニング] を再度クリックして、修正したデータ セットを使用します。

56
00:05:17,720 --> 00:05:27,000
次に、「モデルのテスト」ページでモデルを再度テストします。

57
00:05:27,000 --> 00:05:30,200
ML モデルの動作に満足したら、

58
00:05:30,200 --> 00:05:34,120
既製のプロジェクト コードとともに使用できます。

59
00:05:34,120 --> 00:05:40,920
[MakeCode で編集] をクリックすると、特別なバージョンの Microsoft MakeCode のコード ブロックが表示されます。

60
00:05:40,920 --> 00:05:48,560
画面左上の矢印を使用していつでも CreateAI に戻ることができます。

61
00:05:48,560 --> 00:05:54,720
これらのコード ブロックは、エクササイズ タイマー内で作成したモデルを使用します。

62
00:05:54,720 --> 00:05:59,760
このコードでは、2 つの変数を使用して、運動した時間と

63
00:05:59,760 --> 00:06:04,160
運動していない時間を追跡します。プログラムが最初に実行されるとき、

64
00:06:04,160 --> 00:06:09,360
これらのタイマー変数は 0 に設定されます。「ML 開始時」ブロックは、

65
00:06:09,360 --> 00:06:15,400
ML モデルが運動を開始したか、または運動を開始していないと判断したときにトリガーされます。

66
00:06:15,400 --> 00:06:19,240
ユーザーが行っていると推定されたアクションに

67
00:06:19,240 --> 00:06:25,920
応じて、micro:bit の LED ディスプレイにさまざまなアイコンが表示されます 。 「on ML stop」ブロックは、

68
00:06:25,920 --> 00:06:32,960
ML モデルがアクション (この場合は運動しているか運動していないか) を終了したと判断したときにトリガーされます。

69
00:06:32,960 --> 00:06:38,240
各ブロック内のコードは画面をクリアし、 各アクションの合計時間を格納する変数に、終了した

70
00:06:38,240 --> 00:06:43,360
ばかりのアクションの継続時間を追加します 。

71
00:06:43,360 --> 00:06:49,680
ML モデルはコードと連携して、各アクションに費やされた合計時間を表示できるようにします。

72
00:06:49,680 --> 00:06:55,160
ボタン A を押すと運動した合計時間を確認でき、ボタン B を押すと

73
00:06:55,160 --> 00:07:00,680
非アクティブな合計時間を確認できます。タイマーはミリ秒 (

74
00:07:00,680 --> 00:07:07,880
1000 分の 1 秒) 単位でカウントするため、表示される数値を 1000 で割って時間を秒単位で示します。

75
00:07:07,880 --> 00:07:12,640
シンプルな AI エクササイズ タイマーを micro:bit で実行するには、

76
00:07:12,640 --> 00:07:19,360
このコードを micro:bit にダウンロードするだけです。利用可能な別の micro:bit がない場合は、

77
00:07:19,360 --> 00:07:26,440
データ コレクション micro:bit に現在あるコードをプロジェクト コードに置き換えるだけです。

78
00:07:26,440 --> 00:07:31,200
次に、プロジェクトを実際にテストしてみます。 運動中または運動していないときに

79
00:07:31,200 --> 00:07:36,640
正しいアイコンが表示されますか ? タイマー コードが

80
00:07:36,640 --> 00:07:41,640
モデルで適切に動作しているかどうかを 3 つの簡単なステップでテストできます: リセット ボタンを押します。

81
00:07:41,640 --> 00:07:46,040
30秒間運動してください。次に、ボタン A を押します。

82
00:07:46,040 --> 00:07:50,080
ディスプレイ上に 30 という数字がスクロールするのが表示されます。

83
00:07:50,080 --> 00:07:55,240
これで、CreateAI に接続し、独自のデータを収集し、それを使用して

84
00:07:55,240 --> 00:08:00,160
機械学習モデルのトレーニング、テスト、改善を行う準備が整いました。そして、このモデルを

85
00:08:00,160 --> 00:08:05,642
既製のコードと組み合わせて、独自の micro:bit で試してみることができます。