WEBVTT

00:00:01.560 --> 00:00:08.360
간단한 AI 운동 타이머를 만들려면 기계 학습(또는 ML) 모델을 교육해야 합니다.

00:00:08.360 --> 00:00:15.080
이 모델은 운동할 때와 운동하지 않을 때를 인식합니다.

00:00:15.080 --> 00:00:23.720
그런 다음 모델을 운동 타이머용 기성 코드와 결합한

00:00:23.720 --> 00:00:28.720
후 마이크로비트에 다운로드하여 실제 생활에서 사용하게 됩니다.

00:00:28.720 --> 00:00:35.960
프로젝트를 시작하려면 'micro:bit CreateAI에서 열기'를 클릭하세요.

00:00:35.960 --> 00:00:40.760
이 프로젝트에는 운동할 때의 움직임 데이터 샘플 3개와

00:00:40.760 --> 00:00:45.440
운동하지 않을 때의 움직임 데이터 샘플 3개가 포함되어 있습니다.

00:00:45.440 --> 00:00:51.000
자신의 움직임 데이터를 기록하여 더 많은 샘플을 추가해야 합니다.

00:00:51.000 --> 00:00:56.480
micro:bit CreateAI는 micro:bit의

00:00:56.480 --> 00:01:02.240
가속도계(또는 움직임 센서)를 사용하여 움직임 데이터 샘플을 수집합니다 . 손목이나 발목에

00:01:02.240 --> 00:01:08.840
마이크로비트와 배터리 팩을 착용하여 자유롭게 움직여 자신의 움직임 데이터 샘플을 기록할 수 있습니다.

00:01:08.840 --> 00:01:13.480
시작하려면 데이터 수집 micro:bit를 설정해야 합니다.

00:01:13.480 --> 00:01:22.240
손목에 착용한 micro:bit를 CreateAI에 연결하세요. 컴퓨터에 Bluetooth가 활성화되어 있으면

00:01:22.240 --> 00:01:28.680
마이크로비트 1개와 USB 데이터 리드만 있으면 됩니다. Bluetooth에 연결되어 있지 않으면

00:01:28.680 --> 00:01:33.800
2개의 micro:bit를 사용하라는 메시지가 표시됩니다. 두 번째 micro:bit는

00:01:33.800 --> 00:01:39.640
USB 케이블에 연결된 상태로 유지되며 데이터 수집 micro:bit에 대한 무선 링크 역할을 합니다.

00:01:39.640 --> 00:01:42.936
화면의 지시에 따라 연결하세요.

00:01:44.495 --> 00:01:47.320
데이터 수집 micro:bit가 연결되면

00:01:47.320 --> 00:01:53.280
micro:bit를 움직일 때 실시간 그래프의 선이 변경되는 것을 볼 수 있습니다.

00:01:53.280 --> 00:01:58.360
이제 자신만의 움직임 데이터 샘플을 추가할 준비가 되었습니다.

00:01:58.360 --> 00:02:04.440
이 프로젝트에는 이미 일부 데이터 샘플이 포함되어 있으므로

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.

00:02:12.840 --> 00:02:16.600
어떤 '운동' 활동을 할 것인지 결정하십시오.

00:02:16.600 --> 00:02:23.040
여기에는 달리기, 빠르게 걷기, 점프, 권투, 춤 또는 기타 운동이 포함될 수 있습니다.

00:02:23.040 --> 00:02:29.920
움직일 손목이나 발목에 마이크로비트가 부착되어 있는지 확인하세요.

00:02:29.920 --> 00:02:34.440
특정 작업에 데이터를 추가하려면 해당 작업을 클릭하여 선택하세요.

00:02:34.440 --> 00:02:39.640
1초 녹음이 시작되기 전에 3초 카운트다운이 시작됩니다.

00:02:39.640 --> 00:02:45.200
기록을 클릭하고 즉시 이동을 시작하여 깨끗한 데이터 샘플을 얻으세요.

00:02:45.200 --> 00:02:49.080
깨끗한 샘플은 전체 샘플을 이동하는 샘플이며,

00:02:49.080 --> 00:02:55.440
늦게 시작하거나 일찍 이동을 끝내지 않습니다. 다음으로 '운동하지 않음' 데이터 세트에

00:02:55.440 --> 00:03:00.920
추가 데이터 샘플을 추가해 보세요 . 작업을 클릭하여 선택한

00:03:00.920 --> 00:03:06.440
다음 샘플을 기록하는 동안 가만히 있거나 아주 약간만 움직입니다.

00:03:06.440 --> 00:03:10.800
micro:bit를 잡는 각도에

00:03:10.800 --> 00:03:14.768
따라 x, y, z 선의 위치가 바뀌는 것을 볼 수 있습니다

00:03:14.768 --> 00:03:18.320
. 현재 프로젝트에 데이터가 많지는 않지만

00:03:18.320 --> 00:03:24.400
CreateAI를 사용하여 자체 기계 학습 모델을 교육하는 데는 충분합니다.

00:03:24.400 --> 00:03:30.360
따라서 현재 데이터를 사용하여 ML 모델을 구축하려면 '학습'을 클릭하세요.

00:03:30.360 --> 00:03:34.640
이제 이 도구는 micro:bit를 움직일 때

00:03:34.640 --> 00:03:39.360
다양한 동작을 인식하는 수학적 모델을 구축합니다 . 모델이 훈련되면

00:03:39.360 --> 00:03:44.080
모델 테스트 페이지가 표시됩니다. 이제 데이터 수집 micro:bit를

00:03:44.080 --> 00:03:50.160
사용하여 모델이 얼마나 잘 작동하는지 테스트할 수 있습니다. 여전히 도구에 연결되어 있어야 하며,

00:03:50.160 --> 00:03:59.800
이동하면 CreateAI가 수행 중인 작업을 추정하는 것을 볼 수 있습니다.

00:03:59.800 --> 00:04:05.240
다양한 수준의 운동을 시도하거나 운동하지 않고 예상

00:04:05.240 --> 00:04:12.400
활동과 확실성 막대 그래프의 변화를 모두 확인하세요. 확실성 막대 그래프의 %는

00:04:12.400 --> 00:04:16.840
사용자가 각 작업을 수행하고 있다고 모델이 얼마나 확신하는지 보여줍니다.

00:04:16.840 --> 00:04:22.240
모델이 일부 작업을 정확하게 예측하지 못하거나

00:04:22.240 --> 00:04:28.560
한 작업에서는 잘 작동하지만 다른 작업에서는 제대로 작동하지 않을 수 있으므로 현재 작동 방식을 살펴본 후

00:04:28.560 --> 00:04:34.520
'데이터 샘플 편집'을 클릭하여 모델을 개선하는 것이 좋습니다. 모델.

00:04:34.520 --> 00:04:41.320
기계 학습 모델은 일반적으로 더 많은 데이터에서 가장 잘 작동하므로 각 작업에 대해 추가 샘플을 기록하거나

00:04:41.320 --> 00:04:48.800
테스트에서 문제가 있었던 작업에 대해 더 많은 데이터를 수집하는 데 집중하세요.

00:04:48.800 --> 00:04:54.240
한 번에 1개의 샘플을 녹음하거나 연속적으로 10개의 샘플을 녹음할 수 있습니다.

00:04:54.240 --> 00:04:58.840
깨끗한 데이터 샘플은 ML 모델이 더 잘 작동하는 데 도움이 되므로

00:04:58.840 --> 00:05:05.560
데이터 세트를 조사하고 모델을 혼란스럽게 할 수 있는 데이터 샘플을 식별하세요.

00:05:05.560 --> 00:05:12.080
x를 눌러 삭제할 수 있습니다. 더 많은 데이터를 추가하고

00:05:12.080 --> 00:05:17.720
데이터 세트를 확인한 후 모델 학습을 다시 클릭하여 수정된 데이터 세트를 사용하세요.

00:05:17.720 --> 00:05:27.000
그런 다음 '모델 테스트' 페이지에서 모델을 다시 테스트하세요.

00:05:27.000 --> 00:05:30.200
ML 모델의 작동 방식이 만족스러우면

00:05:30.200 --> 00:05:34.120
기성 프로젝트 코드와 함께 사용할 수 있습니다.

00:05:34.120 --> 00:05:40.920
Microsoft MakeCode 특별 버전의 코드 블록을 보려면 'MakeCode에서 편집'을 클릭하세요.

00:05:40.920 --> 00:05:48.560
화면 왼쪽 상단에 있는 화살표를 사용하면 언제든지 CreateAI로 돌아갈 수 있습니다.

00:05:48.560 --> 00:05:54.720
이러한 코드 블록은 운동 타이머 내에서 생성한 모델을 사용합니다.

00:05:54.720 --> 00:05:59.760
코드는 두 개의 변수를 사용하여 운동한 기간과

00:05:59.760 --> 00:06:04.160
운동하지 않은 기간을 추적합니다. 프로그램이 처음 실행될 때 이러한 타이머 변수는 0으로 설정됩니다.

00:06:04.160 --> 00:06:09.360
ML 모델이 운동을 시작했는지 여부를 결정하면

00:06:09.360 --> 00:06:15.400
'ML 시작 시' 블록이 트리거됩니다 .

00:06:15.400 --> 00:06:19.240
micro:bit의 LED 디스플레이에는

00:06:19.240 --> 00:06:25.920
사용자가 수행 중인 것으로 추정되는 작업에 따라 다른 아이콘이 표시됩니다.

00:06:25.920 --> 00:06:32.960
ML 모델이 사용자가 작업(이 경우 운동 여부)을 완료했다고 판단하면 'ML 중지 시' 블록이 트리거됩니다

00:06:32.960 --> 00:06:38.240
. 각 블록 내부의 코드는 화면을 지우고 방금 완료된 작업의 지속 시간을

00:06:38.240 --> 00:06:43.360
각 작업의 총 시간을 저장하는 변수에 추가합니다.

00:06:43.360 --> 00:06:49.680
ML 모델은 코드와 함께 작동하여 각 작업에 소요된 총 시간을 볼 수 있습니다.

00:06:49.680 --> 00:06:55.160
버튼 A를 누르면 운동한 총 시간을 볼 수 있고, 버튼 B를 누르면

00:06:55.160 --> 00:07:00.680
활동하지 않은 총 시간을 볼 수 있습니다. 타이머는 밀리초(

00:07:00.680 --> 00:07:07.880
1/1000초) 단위로 계산되므로 표시된 숫자를 1000으로 나누어 시간을 초 단위로 표시합니다.

00:07:07.880 --> 00:07:12.640
간단한 AI 운동 타이머를 micro:bit에서 실행하려면

00:07:12.640 --> 00:07:19.360
이 코드를 micro:bit에 다운로드하면 됩니다. 사용 가능한 다른 micro:bit가 없으면

00:07:19.360 --> 00:07:26.440
현재 데이터 컬렉션 micro:bit에 있는 코드를 프로젝트 코드로 바꾸세요.

00:07:26.440 --> 00:07:31.200
이제 실제 생활에서 프로젝트를 테스트해 보세요.

00:07:31.200 --> 00:07:36.640
운동할 때 올바른 아이콘이 표시되나요 ? 타이머 코드가

00:07:36.640 --> 00:07:41.640
모델과 잘 작동하는지 간단한 3단계로 테스트할 수 있습니다. 재설정 버튼을 누르세요.

00:07:41.640 --> 00:07:46.040
30초 동안 운동하세요. 그런 다음 버튼 A를 누릅니다.

00:07:46.040 --> 00:07:50.080
디스플레이에 숫자 30이 스크롤되는 것을 볼 수 있습니다.

00:07:50.080 --> 00:07:55.240
이제 CreateAI에 연결하고, 자신의 데이터를 수집하고, 이를 사용하여

00:07:55.240 --> 00:08:00.160
기계 학습 모델을 훈련, 테스트 및 개선할 준비가 되었습니다 . 그런 다음 이 모델을

00:08:00.160 --> 00:08:05.642
기성 코드와 결합하여 자신의 micro:bit에서 시험해 볼 수 있습니다.