認識 micro:bit AI 機器學習工具 machine learning tool

認識 micro:bit AI 機器學習工具 machine learning tool



micro:bit 機器學習工具通過物理運動和數據向學生介紹機器學習 (ML) 的概念，這是一個數學和科學領域熟悉的主題。

學生可以利用 BBC micro:bit 收集的數據，快速教會計算機分辨不同的物理動作，如揮手和鼓掌。

學生收集不同動作的數據樣本並貼上標籤分類，這樣計算機就知道哪組數據代表哪種動作。

計算機通過分析數據樣本並創建一套稱為模型的規則，學會識別不同的動作。這種收集和標注數據以建立模型的過程稱為訓練機器學習模型。

接著，學生對模型進行測試和改進。這樣，在設計和制作 ML 系統時，就能了解從不同來源收集足夠數據的重要性。

micro:bit 機器學習工具由奧胡斯大學 (Aarhus University) 和 micro:bit 教育基金會共同設計，並在丹麥和英國的課堂上進行了測試。

無需下載，無需登入。您只需要 Chrome 或 Edge 網頁瀏覽器和一片 micro:bit（如果您的電腦沒有藍牙功能，則需要兩片 micro:bit）。

這個工具是如何運作的？

BBC micro:bit 內置三軸加速計，這是一種運動感測器，在手機和智慧型手環中也能找到。它可以測量三個維度的運動：X、Y 和 Z。


請看 micro:bit 的正面：

• x 表示左右移動
• y 表示上下移動
• z 顯示前後移動

學生手持或佩戴 micro:bit，向機器學習工具發送運動數據。他們會看到自己的身體運動被實時捕捉為數據，就像圖表上移動的線條一樣。在移動身體和看到自己的動作被計算機捕捉並可視化為數據之間建立連結，是一種強大的、身臨其境的體驗。

為了創建 ML 模型，學生們會記錄不同類型動作的數據樣本，如揮手或鼓掌。我們稱這些不同的動作為 “動作”。學生給每組動作貼上標籤進行分類，這樣計算機就知道哪組數據代表哪種動作。



學生接著利用收集到的數據來訓練和測試在網絡瀏覽器中運行的機器學習模型。

他們會發現，要想成功區分一個動作和另一個動作，模型是需要大量數據的。他們還會發現，不同的人有不同的行動方式，為了讓模型對不同的人有效，需要盡可能從不同的人身上收集訓練數據。

然後，他們可以通過記錄更多的運動數據樣本、再次訓練和測試機器學習模型來改進模型。

您可以親自嘗試一下，看看上手有多快、多容易。接下來的影片和步驟說明指南將引導您進行實際操作。

實作步驟

 

建立連結

要開始使用 micro:bit 機器學習工具，您需要將 micro:bit 連接到電腦上的micro:bit 機器學習工具 ( https://ml.microbit.org/v/prototype/ ) 。

連接 micro:bit 方式有兩種選項。

選項 1：Web 藍牙

第一個選項使用 Web 藍牙無線連接。

點選「開始新項目」(start new session)，並依照螢幕上的指示操作。

選項 2：micro:bit 無線廣播

如果您的電腦無法使用藍牙，第二個選項會是使用 micro:bit 無線電連線。

點選「開始新項目」，接著點選「改用 micro:bit 無線電連線」，並依照螢幕上的指示操作。

micro:bit 無線電選項需要使用兩片 micro:bit。第一片 micro:bit 會感應到移動。它會使用無線電的廣播功能將移動資料傳送到用 USB 傳輸線連接至電腦的第二片 micro:bit。

現在您已連線

一旦感應到移動端的 micro:bit 已連接好後，您會在其 LED 顯示器上看到笑臉圖案。

當您移動 micro:bit 時，您會在電腦螢幕底部的圖表中看到來自 micro:bit 加速度感應器的即時移動資料。

每條顏色線代表您移動 micro:bit 的不同方向或維度。



請看 micro:bit 的正面：

• x 表示左右移動
• y 表示上下移動
• z 顯示前後移動

這些數據是機器學習工具了解您如何移動的方式。

有三個步驟可以訓練電腦如何使用這些數據資料來辨識您所做的不同動作。


步驟 1：新增資料



選擇至少兩個不同的動作，來訓練機器學習工具的辨識能力。揮手和拍手是很好的辨識範例動作。

• 請命名您的第一個動作，例如「揮手」(wave)。
• 開始移動 micro:bit，執行動作。
• 點選紅色按鈕以便收集資料樣本。
• 為您的第一個動作收集至少三個樣本。
• 為您的其他動作收集至少三個樣本，例如「拍手」(clap)。