0:00:01.560,0:00:04.740
単純な AI エクササイズ タイマーを作るには、

0:00:04.740,0:00:08.360
機械学習 (ML) モデルをトレーニングします。

0:00:08.360,0:00:15.080
このモデルは、運動しているときと[br]運動していないときを認識します。

0:00:15.080,0:00:20.290
次に、そのモデルとエクササイズ タイマー用につくったプログラムを

0:00:23.420,0:00:27.920
micro:bit にダウンロードして実際に使ってみます

0:00:28.720,0:00:33.850
「micro:bit CreateAI で開く」をクリックして[br]プロジェクトを起動します。

0:00:35.960,0:00:39.760
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、

0:00:39.760,0:00:44.760
運動していない場合の動作データのサンプルが 3 つあります。

0:00:45.440,0:00:51.000
自分の動きのデータを記録したサンプルを[br]さらに追加していきましょう。

0:00:51.000,0:00:55.330
micro:bit CreateAI は、 micro:bit 上の

0:00:55.330,0:01:00.130
加速度センサーを使って動きデータのサンプルを収集します 。

0:01:00.210,0:01:04.508
micro:bit とバッテリーパックを手首または足首に装着し、

0:01:04.508,0:01:08.840
自由に動いて動きのデータサンプルを記録します。

0:01:08.840,0:01:13.480
始めるには、データ収集 micro:bit を設定する[br]必要があります。

0:01:13.480,0:01:17.570
手首に装着する micro:bit を CreateAI に[br]接続します。

0:01:18.770,0:01:22.240
コンピュータで Bluetooth が[br]有効になっている場合、

0:01:22.240,0:01:26.360
必要なのはmicro:bit 1つとUSB データケーブル[br]だけです。

0:01:26.360,0:01:28.680
Bluetooth 接続がない場合は、

0:01:28.680,0:01:31.690
micro:bit を2つ使用するように求められます。

0:01:31.690,0:01:33.800
2 番目の micro:bit はUSB ケーブルに接続したままにして

0:01:33.800,0:01:38.979
データ収集 micro:bit への無線接続用とします。

0:01:39.640,0:01:42.936
画面の指示に従って接続します。

0:01:44.495,0:01:47.320
データ収集用 micro:bit が接続されると、

0:01:47.320,0:01:52.220
micro:bit を動かすとライブ グラフ上の線が[br]変化するのがわかります。

0:01:53.280,0:01:58.360
これで、自分の動きデータサンプルを追加する準備ができました。

0:01:58.360,0:02:02.730
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、

0:02:02.730,0:02:07.699
今はアクションごとにサンプルを [br]1 つ追加するだけにして、

0:02:07.699,0:02:12.840
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。

0:02:12.840,0:02:16.600
どんな動きを行するかを決めます。

0:02:16.600,0:02:23.040
走る、早歩き、ジャンプ、ボクシング、[br]ダンスなどもいいでしょう。

0:02:23.040,0:02:28.350
micro:bit が動かす手首または足首に[br]取り付けられていることを確認してください。

0:02:29.920,0:02:34.440
特定のアクションにデータを追加するには、[br]そのアクションをクリックして選択します。

0:02:34.440,0:02:39.640
1 秒の録音が開始される前に、[br]3 秒のカウントダウンが表示されます。

0:02:39.640,0:02:45.200
「記録」をクリックしてすぐに動き始め、[br]クリーンなデータサンプルを確実に取得します。

0:02:45.200,0:02:49.080
クリーンなサンプルとは、[br]サンプル全体にわたって動きが記録されていて、

0:02:49.080,0:02:52.780
開始が遅れたり、早く終了したりしないサンプルのことです。

0:02:52.780,0:02:57.710
次に、「運動していない」データセットに[br]サンプルを追加してみます。

0:02:58.320,0:03:00.920
アクションをクリックして選択し、

0:03:00.920,0:03:05.850
サンプルを記録する間は静止するか、[br]ちょっと動くだけにします。

0:03:06.440,0:03:09.240
x、y、z の線の位置が、

0:03:09.240,0:03:13.568
micro:bit を握る角度に応じて変わることに[br]気づくでしょう。

0:03:14.768,0:03:18.320
現時点ではプロジェクトのデータが[br]あまりありませんが、

0:03:18.320,0:03:24.400
CreateAI でMLモデルをトレーニング[br]するのには十分なデータになります。

0:03:24.400,0:03:30.360
[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。

0:03:30.360,0:03:36.888
このツールは 、micro:bit をの動きを[br]認識する数学的モデルを構築します。

0:03:36.888,0:03:39.360
モデルのトレーニングが完了すると、すぐに

0:03:39.360,0:03:42.108
[モデルのテスト] ページが表示されます。

0:03:42.108,0:03:44.870
これで、データ収集 micro:bit を使って

0:03:44.870,0:03:47.790
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。

0:03:47.790,0:03:50.160
まだツールに接続されているはずなので

0:03:50.160,0:03:56.430
ツールを移動すると、CreateAI があなたの動きを推定していることがわかります。

0:03:59.800,0:04:05.240
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

0:04:05.240,0:04:12.400
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、

0:04:12.400,0:04:16.840
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。

0:04:16.840,0:04:22.240
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、

0:04:22.240,0:04:28.560
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

0:04:28.560,0:04:34.520
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。

0:04:34.520,0:04:41.320
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

0:04:41.320,0:04:48.800
、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。

0:04:48.800,0:04:54.240
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。

0:04:54.240,0:04:58.840
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。

0:04:58.840,0:05:05.560
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。

0:05:05.560,0:05:12.080
xを押すと削除できます。さらにデータを追加して

0:05:12.080,0:05:17.720
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。

0:05:17.720,0:05:27.000
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。

0:05:27.000,0:05:30.200
ML モデルの動作に満足したら、

0:05:30.200,0:05:34.120
既製のプロジェクト コードとともに使用できます。

0:05:34.120,0:05:40.920
[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。

0:05:40.920,0:05:48.560
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。

0:05:48.560,0:05:54.720
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。

0:05:54.720,0:05:59.760
このコードでは、2 つの変数を使用して、運動した時間と

0:05:59.760,0:06:04.160
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、

0:06:04.160,0:06:09.360
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、

0:06:09.360,0:06:15.400
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。

0:06:15.400,0:06:19.240
ユーザーが行っていると推定されたアクションに

0:06:19.240,0:06:25.920
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、

0:06:25.920,0:06:32.960
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。

0:06:32.960,0:06:38.240
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

0:06:38.240,0:06:43.360
ばかりのアクションの継続時間を追加します 。

0:06:43.360,0:06:49.680
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。

0:06:49.680,0:06:55.160
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

0:06:55.160,0:07:00.680
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 (

0:07:00.680,0:07:07.880
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。

0:07:07.880,0:07:12.640
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、

0:07:12.640,0:07:19.360
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、

0:07:19.360,0:07:26.440
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。

0:07:26.440,0:07:31.200
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

0:07:31.200,0:07:36.640
正しいアイコンが表示されますか ? タイマー コードが

0:07:36.640,0:07:41.640
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。

0:07:41.640,0:07:46.040
30秒間運動してください。次に、ボタン A を押します。

0:07:46.040,0:07:50.080
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。

0:07:50.080,0:07:55.240
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

0:07:55.240,0:08:00.160
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

0:08:00.160,0:08:05.642
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。