1
00:00:01,560 --> 00:00:08,360
간단한 AI 운동 타이머를 만들려면 기계 학습(또는 ML) 모델을 교육해야 합니다.

2
00:00:08,360 --> 00:00:15,080
이 모델은 운동할 때와 운동하지 않을 때를 인식합니다.

3
00:00:15,080 --> 00:00:23,720
그런 다음 모델을 운동 타이머용 기성 코드와 결합한

4
00:00:23,720 --> 00:00:28,720
후 마이크로비트에 다운로드하여 실제 생활에서 사용하게 됩니다.

5
00:00:28,720 --> 00:00:35,960
프로젝트를 시작하려면 'micro:bit CreateAI에서 열기'를 클릭하세요.

6
00:00:35,960 --> 00:00:40,760
이 프로젝트에는 운동할 때의 움직임 데이터 샘플 3개와

7
00:00:40,760 --> 00:00:45,440
운동하지 않을 때의 움직임 데이터 샘플 3개가 포함되어 있습니다.

8
00:00:45,440 --> 00:00:51,000
자신의 움직임 데이터를 기록하여 더 많은 샘플을 추가해야 합니다.

9
00:00:51,000 --> 00:00:56,480
micro:bit CreateAI는 micro:bit의

10
00:00:56,480 --> 00:01:02,240
가속도계(또는 움직임 센서)를 사용하여 움직임 데이터 샘플을 수집합니다 . 손목이나 발목에

11
00:01:02,240 --> 00:01:08,840
마이크로비트와 배터리 팩을 착용하여 자유롭게 움직여 자신의 움직임 데이터 샘플을 기록할 수 있습니다.

12
00:01:08,840 --> 00:01:13,480
시작하려면 데이터 수집 micro:bit를 설정해야 합니다.

13
00:01:13,480 --> 00:01:22,240
손목에 착용한 micro:bit를 CreateAI에 연결하세요. 컴퓨터에 Bluetooth가 활성화되어 있으면

14
00:01:22,240 --> 00:01:28,680
마이크로비트 1개와 USB 데이터 리드만 있으면 됩니다. Bluetooth에 연결되어 있지 않으면

15
00:01:28,680 --> 00:01:33,800
2개의 micro:bit를 사용하라는 메시지가 표시됩니다. 두 번째 micro:bit는

16
00:01:33,800 --> 00:01:39,640
USB 케이블에 연결된 상태로 유지되며 데이터 수집 micro:bit에 대한 무선 링크 역할을 합니다.

17
00:01:39,640 --> 00:01:42,936
화면의 지시에 따라 연결하세요.

18
00:01:44,495 --> 00:01:47,320
데이터 수집 micro:bit가 연결되면

19
00:01:47,320 --> 00:01:53,280
micro:bit를 움직일 때 실시간 그래프의 선이 변경되는 것을 볼 수 있습니다.

20
00:01:53,280 --> 00:01:58,360
이제 자신만의 움직임 데이터 샘플을 추가할 준비가 되었습니다.

21
00:01:58,360 --> 00:02:04,440
이 프로젝트에는 이미 일부 데이터 샘플이 포함되어 있으므로

22
00:02:04,440 --> 00:02:12,840
지금은 각 작업에 대해 샘플을 1개 더 추가하고 나중에 데이터를 수집하고 분석하는 데 더 많은 시간을 할애하는 것이 좋습니다.

23
00:02:12,840 --> 00:02:16,600
어떤 '운동' 활동을 할 것인지 결정하십시오.

24
00:02:16,600 --> 00:02:23,040
여기에는 달리기, 빠르게 걷기, 점프, 권투, 춤 또는 기타 운동이 포함될 수 있습니다.

25
00:02:23,040 --> 00:02:29,920
움직일 손목이나 발목에 마이크로비트가 부착되어 있는지 확인하세요.

26
00:02:29,920 --> 00:02:34,440
특정 작업에 데이터를 추가하려면 해당 작업을 클릭하여 선택하세요.

27
00:02:34,440 --> 00:02:39,640
1초 녹음이 시작되기 전에 3초 카운트다운이 시작됩니다.

28
00:02:39,640 --> 00:02:45,200
기록을 클릭하고 즉시 이동을 시작하여 깨끗한 데이터 샘플을 얻으세요.

29
00:02:45,200 --> 00:02:49,080
깨끗한 샘플은 전체 샘플을 이동하는 샘플이며,

30
00:02:49,080 --> 00:02:55,440
늦게 시작하거나 일찍 이동을 끝내지 않습니다. 다음으로 '운동하지 않음' 데이터 세트에

31
00:02:55,440 --> 00:03:00,920
추가 데이터 샘플을 추가해 보세요 . 작업을 클릭하여 선택한

32
00:03:00,920 --> 00:03:06,440
다음 샘플을 기록하는 동안 가만히 있거나 아주 약간만 움직입니다.

33
00:03:06,440 --> 00:03:10,800
micro:bit를 잡는 각도에

34
00:03:10,800 --> 00:03:14,768
따라 x, y, z 선의 위치가 바뀌는 것을 볼 수 있습니다

35
00:03:14,768 --> 00:03:18,320
. 현재 프로젝트에 데이터가 많지는 않지만

36
00:03:18,320 --> 00:03:24,400
CreateAI를 사용하여 자체 기계 학습 모델을 교육하는 데는 충분합니다.

37
00:03:24,400 --> 00:03:30,360
따라서 현재 데이터를 사용하여 ML 모델을 구축하려면 '학습'을 클릭하세요.

38
00:03:30,360 --> 00:03:34,640
이제 이 도구는 micro:bit를 움직일 때

39
00:03:34,640 --> 00:03:39,360
다양한 동작을 인식하는 수학적 모델을 구축합니다 . 모델이 훈련되면

40
00:03:39,360 --> 00:03:44,080
모델 테스트 페이지가 표시됩니다. 이제 데이터 수집 micro:bit를

41
00:03:44,080 --> 00:03:50,160
사용하여 모델이 얼마나 잘 작동하는지 테스트할 수 있습니다. 여전히 도구에 연결되어 있어야 하며,

42
00:03:50,160 --> 00:03:59,800
이동하면 CreateAI가 수행 중인 작업을 추정하는 것을 볼 수 있습니다.

43
00:03:59,800 --> 00:04:05,240
다양한 수준의 운동을 시도하거나 운동하지 않고 예상

44
00:04:05,240 --> 00:04:12,400
활동과 확실성 막대 그래프의 변화를 모두 확인하세요. 확실성 막대 그래프의 %는

45
00:04:12,400 --> 00:04:16,840
사용자가 각 작업을 수행하고 있다고 모델이 얼마나 확신하는지 보여줍니다.

46
00:04:16,840 --> 00:04:22,240
모델이 일부 작업을 정확하게 예측하지 못하거나

47
00:04:22,240 --> 00:04:28,560
한 작업에서는 잘 작동하지만 다른 작업에서는 제대로 작동하지 않을 수 있으므로 현재 작동 방식을 살펴본 후

48
00:04:28,560 --> 00:04:34,520
'데이터 샘플 편집'을 클릭하여 모델을 개선하는 것이 좋습니다. 모델.

49
00:04:34,520 --> 00:04:41,320
기계 학습 모델은 일반적으로 더 많은 데이터에서 가장 잘 작동하므로 각 작업에 대해 추가 샘플을 기록하거나

50
00:04:41,320 --> 00:04:48,800
테스트에서 문제가 있었던 작업에 대해 더 많은 데이터를 수집하는 데 집중하세요.

51
00:04:48,800 --> 00:04:54,240
한 번에 1개의 샘플을 녹음하거나 연속적으로 10개의 샘플을 녹음할 수 있습니다.

52
00:04:54,240 --> 00:04:58,840
깨끗한 데이터 샘플은 ML 모델이 더 잘 작동하는 데 도움이 되므로

53
00:04:58,840 --> 00:05:05,560
데이터 세트를 조사하고 모델을 혼란스럽게 할 수 있는 데이터 샘플을 식별하세요.

54
00:05:05,560 --> 00:05:12,080
x를 눌러 삭제할 수 있습니다. 더 많은 데이터를 추가하고

55
00:05:12,080 --> 00:05:17,720
데이터 세트를 확인한 후 모델 학습을 다시 클릭하여 수정된 데이터 세트를 사용하세요.

56
00:05:17,720 --> 00:05:27,000
그런 다음 '모델 테스트' 페이지에서 모델을 다시 테스트하세요.

57
00:05:27,000 --> 00:05:30,200
ML 모델의 작동 방식이 만족스러우면

58
00:05:30,200 --> 00:05:34,120
기성 프로젝트 코드와 함께 사용할 수 있습니다.

59
00:05:34,120 --> 00:05:40,920
Microsoft MakeCode 특별 버전의 코드 블록을 보려면 'MakeCode에서 편집'을 클릭하세요.

60
00:05:40,920 --> 00:05:48,560
화면 왼쪽 상단에 있는 화살표를 사용하면 언제든지 CreateAI로 돌아갈 수 있습니다.

61
00:05:48,560 --> 00:05:54,720
이러한 코드 블록은 운동 타이머 내에서 생성한 모델을 사용합니다.

62
00:05:54,720 --> 00:05:59,760
코드는 두 개의 변수를 사용하여 운동한 기간과

63
00:05:59,760 --> 00:06:04,160
운동하지 않은 기간을 추적합니다. 프로그램이 처음 실행될 때 이러한 타이머 변수는 0으로 설정됩니다.

64
00:06:04,160 --> 00:06:09,360
ML 모델이 운동을 시작했는지 여부를 결정하면

65
00:06:09,360 --> 00:06:15,400
'ML 시작 시' 블록이 트리거됩니다 .

66
00:06:15,400 --> 00:06:19,240
micro:bit의 LED 디스플레이에는

67
00:06:19,240 --> 00:06:25,920
사용자가 수행 중인 것으로 추정되는 작업에 따라 다른 아이콘이 표시됩니다.

68
00:06:25,920 --> 00:06:32,960
ML 모델이 사용자가 작업(이 경우 운동 여부)을 완료했다고 판단하면 'ML 중지 시' 블록이 트리거됩니다

69
00:06:32,960 --> 00:06:38,240
. 각 블록 내부의 코드는 화면을 지우고 방금 완료된 작업의 지속 시간을

70
00:06:38,240 --> 00:06:43,360
각 작업의 총 시간을 저장하는 변수에 추가합니다.

71
00:06:43,360 --> 00:06:49,680
ML 모델은 코드와 함께 작동하여 각 작업에 소요된 총 시간을 볼 수 있습니다.

72
00:06:49,680 --> 00:06:55,160
버튼 A를 누르면 운동한 총 시간을 볼 수 있고, 버튼 B를 누르면

73
00:06:55,160 --> 00:07:00,680
활동하지 않은 총 시간을 볼 수 있습니다. 타이머는 밀리초(

74
00:07:00,680 --> 00:07:07,880
1/1000초) 단위로 계산되므로 표시된 숫자를 1000으로 나누어 시간을 초 단위로 표시합니다.

75
00:07:07,880 --> 00:07:12,640
간단한 AI 운동 타이머를 micro:bit에서 실행하려면

76
00:07:12,640 --> 00:07:19,360
이 코드를 micro:bit에 다운로드하면 됩니다. 사용 가능한 다른 micro:bit가 없으면

77
00:07:19,360 --> 00:07:26,440
현재 데이터 컬렉션 micro:bit에 있는 코드를 프로젝트 코드로 바꾸세요.

78
00:07:26,440 --> 00:07:31,200
이제 실제 생활에서 프로젝트를 테스트해 보세요.

79
00:07:31,200 --> 00:07:36,640
운동할 때 올바른 아이콘이 표시되나요 ? 타이머 코드가

80
00:07:36,640 --> 00:07:41,640
모델과 잘 작동하는지 간단한 3단계로 테스트할 수 있습니다. 재설정 버튼을 누르세요.

81
00:07:41,640 --> 00:07:46,040
30초 동안 운동하세요. 그런 다음 버튼 A를 누릅니다.

82
00:07:46,040 --> 00:07:50,080
디스플레이에 숫자 30이 스크롤되는 것을 볼 수 있습니다.

83
00:07:50,080 --> 00:07:55,240
이제 CreateAI에 연결하고, 자신의 데이터를 수집하고, 이를 사용하여

84
00:07:55,240 --> 00:08:00,160
기계 학습 모델을 훈련, 테스트 및 개선할 준비가 되었습니다 . 그런 다음 이 모델을

85
00:08:00,160 --> 00:08:05,642
기성 코드와 결합하여 자신의 micro:bit에서 시험해 볼 수 있습니다.