간단한 AI 운동 타이머를 만들려면 기계 학습(또는 ML) 모델을 교육해야 합니다. 이 모델은 운동할 때와 운동하지 않을 때를 인식합니다. 그런 다음 모델을 운동 타이머용 기성 코드와 결합한 후 마이크로비트에 다운로드하여 실제 생활에서 사용하게 됩니다. 프로젝트를 시작하려면 'micro:bit CreateAI에서 열기'를 클릭하세요. 이 프로젝트에는 운동할 때의 움직임 데이터 샘플 3개와 운동하지 않을 때의 움직임 데이터 샘플 3개가 포함되어 있습니다. 자신의 움직임 데이터를 기록하여 더 많은 샘플을 추가해야 합니다. micro:bit CreateAI는 micro:bit의 가속도계(또는 움직임 센서)를 사용하여 움직임 데이터 샘플을 수집합니다 . 손목이나 발목에 마이크로비트와 배터리 팩을 착용하여 자유롭게 움직여 자신의 움직임 데이터 샘플을 기록할 수 있습니다. 시작하려면 데이터 수집 micro:bit를 설정해야 합니다. 손목에 착용한 micro:bit를 CreateAI에 연결하세요. 컴퓨터에 Bluetooth가 활성화되어 있으면 마이크로비트 1개와 USB 데이터 리드만 있으면 됩니다. Bluetooth에 연결되어 있지 않으면 2개의 micro:bit를 사용하라는 메시지가 표시됩니다. 두 번째 micro:bit는 USB 케이블에 연결된 상태로 유지되며 데이터 수집 micro:bit에 대한 무선 링크 역할을 합니다. 화면의 지시에 따라 연결하세요. 데이터 수집 micro:bit가 연결되면 micro:bit를 움직일 때 실시간 그래프의 선이 변경되는 것을 볼 수 있습니다. 이제 자신만의 움직임 데이터 샘플을 추가할 준비가 되었습니다. 이 프로젝트에는 이미 일부 데이터 샘플이 포함되어 있으므로 지금은 각 작업에 대해 샘플을 1개 더 추가하고 나중에 데이터를 수집하고 분석하는 데 더 많은 시간을 할애하는 것이 좋습니다. 어떤 '운동' 활동을 할 것인지 결정하십시오. 여기에는 달리기, 빠르게 걷기, 점프, 권투, 춤 또는 기타 운동이 포함될 수 있습니다. 움직일 손목이나 발목에 마이크로비트가 부착되어 있는지 확인하세요. 특정 작업에 데이터를 추가하려면 해당 작업을 클릭하여 선택하세요. 1초 녹음이 시작되기 전에 3초 카운트다운이 시작됩니다. 기록을 클릭하고 즉시 이동을 시작하여 깨끗한 데이터 샘플을 얻으세요. 깨끗한 샘플은 전체 샘플을 이동하는 샘플이며, 늦게 시작하거나 일찍 이동을 끝내지 않습니다. 다음으로 '운동하지 않음' 데이터 세트에 추가 데이터 샘플을 추가해 보세요 . 작업을 클릭하여 선택한 다음 샘플을 기록하는 동안 가만히 있거나 아주 약간만 움직입니다. micro:bit를 잡는 각도에 따라 x, y, z 선의 위치가 바뀌는 것을 볼 수 있습니다 . 현재 프로젝트에 데이터가 많지는 않지만 CreateAI를 사용하여 자체 기계 학습 모델을 교육하는 데는 충분합니다. 따라서 현재 데이터를 사용하여 ML 모델을 구축하려면 '학습'을 클릭하세요. 이제 이 도구는 micro:bit를 움직일 때 다양한 동작을 인식하는 수학적 모델을 구축합니다 . 모델이 훈련되면 모델 테스트 페이지가 표시됩니다. 이제 데이터 수집 micro:bit를 사용하여 모델이 얼마나 잘 작동하는지 테스트할 수 있습니다. 여전히 도구에 연결되어 있어야 하며, 이동하면 CreateAI가 수행 중인 작업을 추정하는 것을 볼 수 있습니다. 다양한 수준의 운동을 시도하거나 운동하지 않고 예상 활동과 확실성 막대 그래프의 변화를 모두 확인하세요. 확실성 막대 그래프의 %는 사용자가 각 작업을 수행하고 있다고 모델이 얼마나 확신하는지 보여줍니다. 모델이 일부 작업을 정확하게 예측하지 못하거나 한 작업에서는 잘 작동하지만 다른 작업에서는 제대로 작동하지 않을 수 있으므로 현재 작동 방식을 살펴본 후 '데이터 샘플 편집'을 클릭하여 모델을 개선하는 것이 좋습니다. 모델. 기계 학습 모델은 일반적으로 더 많은 데이터에서 가장 잘 작동하므로 각 작업에 대해 추가 샘플을 기록하거나 테스트에서 문제가 있었던 작업에 대해 더 많은 데이터를 수집하는 데 집중하세요. 한 번에 1개의 샘플을 녹음하거나 연속적으로 10개의 샘플을 녹음할 수 있습니다. 깨끗한 데이터 샘플은 ML 모델이 더 잘 작동하는 데 도움이 되므로 데이터 세트를 조사하고 모델을 혼란스럽게 할 수 있는 데이터 샘플을 식별하세요. x를 눌러 삭제할 수 있습니다. 더 많은 데이터를 추가하고 데이터 세트를 확인한 후 모델 학습을 다시 클릭하여 수정된 데이터 세트를 사용하세요. 그런 다음 '모델 테스트' 페이지에서 모델을 다시 테스트하세요. ML 모델의 작동 방식이 만족스러우면 기성 프로젝트 코드와 함께 사용할 수 있습니다. Microsoft MakeCode 특별 버전의 코드 블록을 보려면 'MakeCode에서 편집'을 클릭하세요. 화면 왼쪽 상단에 있는 화살표를 사용하면 언제든지 CreateAI로 돌아갈 수 있습니다. 이러한 코드 블록은 운동 타이머 내에서 생성한 모델을 사용합니다. 코드는 두 개의 변수를 사용하여 운동한 기간과 운동하지 않은 기간을 추적합니다. 프로그램이 처음 실행될 때 이러한 타이머 변수는 0으로 설정됩니다. ML 모델이 운동을 시작했는지 여부를 결정하면 'ML 시작 시' 블록이 트리거됩니다 . micro:bit의 LED 디스플레이에는 사용자가 수행 중인 것으로 추정되는 작업에 따라 다른 아이콘이 표시됩니다. ML 모델이 사용자가 작업(이 경우 운동 여부)을 완료했다고 판단하면 'ML 중지 시' 블록이 트리거됩니다 . 각 블록 내부의 코드는 화면을 지우고 방금 완료된 작업의 지속 시간을 각 작업의 총 시간을 저장하는 변수에 추가합니다. ML 모델은 코드와 함께 작동하여 각 작업에 소요된 총 시간을 볼 수 있습니다. 버튼 A를 누르면 운동한 총 시간을 볼 수 있고, 버튼 B를 누르면 활동하지 않은 총 시간을 볼 수 있습니다. 타이머는 밀리초( 1/1000초) 단위로 계산되므로 표시된 숫자를 1000으로 나누어 시간을 초 단위로 표시합니다. 간단한 AI 운동 타이머를 micro:bit에서 실행하려면 이 코드를 micro:bit에 다운로드하면 됩니다. 사용 가능한 다른 micro:bit가 없으면 현재 데이터 컬렉션 micro:bit에 있는 코드를 프로젝트 코드로 바꾸세요. 이제 실제 생활에서 프로젝트를 테스트해 보세요. 운동할 때 올바른 아이콘이 표시되나요 ? 타이머 코드가 모델과 잘 작동하는지 간단한 3단계로 테스트할 수 있습니다. 재설정 버튼을 누르세요. 30초 동안 운동하세요. 그런 다음 버튼 A를 누릅니다. 디스플레이에 숫자 30이 스크롤되는 것을 볼 수 있습니다. 이제 CreateAI에 연결하고, 자신의 데이터를 수집하고, 이를 사용하여 기계 학습 모델을 훈련, 테스트 및 개선할 준비가 되었습니다 . 그런 다음 이 모델을 기성 코드와 결합하여 자신의 micro:bit에서 시험해 볼 수 있습니다.