6학년 이상 학생들은 햄본 (원래는 Pattin' Juba라고 불림)의 흑인 미국 전통에 대해 배우고 기계 학습 모델이 다양한 행동에서 어떻게 학습하는지를 탐구합니다. micro:bit가 장착된 손목 밴드를 착용한 학생들은 다리, 가슴, 뺨을 두드리며 일련의 햄본 동작을 수행할 수 있습니다. 동작을 수행하는 동안 micro:bit는 가속도와 같은 움직임 데이터를 기록합니다.

이 활동을 통해 학생들은 기계 학습이 사람들이 춤을 이해하는 방식으로 춤을 "이해"하지 않는다는 것을 발견하게 됩니다. 대신, 기계 학습은 움직임 데이터 내에서 패턴을 식별합니다. AI를 햄본이라는 문화적으로 관련된 관행과 연결함으로써, 학생들은 데이터 수집, 라벨링, 훈련, 테스트, 반복, 패턴 인식, 모델 정확도와 같은 기초 개념을 배우고 인간의 창의성과 체화된 지식이 지능형 시스템을 위한 의미 있는 데이터 출처가 될 수 있는 방법을 탐구하게 됩니다.

---

STEP 1. 준비물

CreateAI (온라인)

넓은 고무 밴드, 펠트 또는 유사한 재료 (손목 밴드를 만들기 위해)

핫 글루 건과 글루 스틱

가위

패스너 (특히 스냅 버튼)

micro:bit v2.2 및 액세서리 (USB 케이블, 배터리 홀더, AAA 배터리 2개)

종이판 배터리 홀더 템플릿 (대부분의 micro:bit와 함께 제공됨)

선택 사항: 바늘과 실

---

STEP 2. 문화적 맥락

햄본 (또는 패틴 주바 댄스)은 라이브 공연자가 팔, 다리, 가슴, 뺨을 때리거나 두드려서 강력하고 싱코페이션된 비트를 만들어내는 에너제틱한 아프리카계 미국인 민속 춤과 음악 전통입니다. 원래 서아프리카의 리드미컬한 전통(아이티와 콩고의 지우바와 같은)에 뿌리를 두고 있으며, 노예들은 드럼 금지를 우회하기 위해 햄본을 사용했습니다. 더 많은 정보는 PBS 음악 예술 도구 키트를 참조하세요. 또한, wikiHow에는 튜토리얼이 있습니다.

기본적인 리드미컬 패턴은 종종 다음을 포함합니다:

1. 손바닥으로 바깥 허벅지를 때리기
2. 가슴을 때리기
3. 내려가는 길에 손등으로 허벅지 위를 때리기
4. 발로 밟거나 교대로 박수를 쳐서 리듬 완성하기

수세기 동안 햄본의 특정 요소는 블루스 음악, 탭 댄스, 브레이크 댄스 및 비트박스에 나타났습니다. 비트박스는 사람이 입과 목을 사용하여 드럼 머신, 턴테이블 및 기타 악기를 모방하는 형태의 보컬 퍼커션입니다. 비트박스에는 공연자가 뺨을 두드릴 때 진동 소리나 진동음을 생성하는 뺨 굴리기가 포함됩니다.

블루스 뮤지션 부커 T. 워싱턴 "부카" 화이트는 기타로 햄본을 연주했습니다.

힙합의 선구적인 비트박서로는 더그 E. 프레시, 라젤(전 The Roots), 비즈 마키, 그리고 다렌 "더 휴먼 비트 박스" 로빈슨이 있습니다.

---

STEP 3. Micro:bit를 연결하여 CreateAI 사용하기

햄본은 신체의 움직임을 필요로 하므로, 주머니 크기의 프로그래머블 컴퓨터인 마이크로비트(micro:bit 또는 BBC micro:bit)를 사용하여 추적할 수 있습니다. 마이크로비트에는 기울기, 흔들림 및 방향 이동을 감지하기 위해 3차원(X, Y, Z 축)에서 가속도 힘을 측정하는 내장 가속도계가 있습니다. 몸에 착용하면 속도와 방향의 변화를 기록하여 행동을 추적합니다.

CreateAI(마이크로비트를 통해)는 학생들이 움직임과 기계 학습(ML)을 통해 인공지능(AI)을 탐구하도록 돕습니다. 학생들은 다양한 움직임을 인식하기 위해 기계 학습 모델을 훈련, 테스트 및 개선하기 위해 자신의 움직임 데이터를 수집합니다. 그런 다음 Microsoft MakeCode를 사용하여 자신의 움직임에 반응하는 작업을 수행하도록 마이크로비트를 프로그래밍할 수 있습니다.

이 프로젝트를 시작하려면:

1. 마이크로비트를 마이크로 USB 케이블로 컴퓨터에 연결합니다.
2. CreateAI (온라인)를 실행합니다.
3. + 새 프로젝트를 클릭하고 이름을 지정합니다.
4. 연결 버튼을 클릭합니다.
5. 데이터 수집 프로그램(헥스 파일)을 마이크로비트에 다운로드합니다(다운로드 버튼은 왼쪽 하단에 있습니다).
6. 헥스 파일을 마이크로비트로 전송합니다.

헥스 파일이 전송되면 컴퓨터에서 마이크로비트를 꺼내고 USB 케이블을 분리할 수 있습니다.

---

STEP 4. Micro:bit용 손목밴드 만들기

micro:bit를 몸에 (예: 손목) 사용하기 위해서는 무언가에 부착되어야 합니다. 이 프로젝트에서는 장치를 손목 밴드에 부착할 것입니다. 다음 단계를 따라 만드세요:

1. 폭이 1½–2 인치 (4–5 cm)인 고무 밴드, 펠트 또는 유사한 재료를 펼칩니다.
2. 밴드를 손목 주위에 감아 적당히 꼭 맞지만 편안하게 합니다.
3. 스냅 버튼이 부착될 부분의 겹침을 위해 약 ½ 인치 (1.3 cm)를 추가합니다.
4. 흰색 연필이나 페인트 마커로 길이를 표시합니다.
5. 표시한 길이에서 밴드를 자릅니다 (더 넓은 밴드를 위해 두 개의 스트립을 자릅니다).
6. 원하는 경우, 잘린 끝에 약간의 핫 글루를 발라 풀림을 줄입니다.
7. 밴드의 한 끝을 다른 끝 위에 약 ½ 인치 정도 겹치게 놓습니다.
8. 스냅을 부착하기 전에 손목 주위의 맞는지를 확인합니다.
9. 스냅의 여성 부분을 한 끝의 바깥쪽에 붙입니다 (버튼을 제자리에 고정하기 위해 핫 글루를 사용합니다).
10. 스냅의 남성 부분을 반대쪽 끝의 안쪽에 붙여 손목 밴드가 루프 형태로 닫히도록 합니다.
11. 각 스냅을 여러 바늘땀으로 보강합니다 (사진 참조).
12. 손목 주위에 뒤쪽을 감고 버튼을 스냅하여 스냅 버튼을 테스트합니다.

참고: Micro:bit에는 종이 배터리 홀더 템플릿이 함께 제공되어 이를 잘라서 micro:bit와 배터리 팩을 함께 고정할 수 있습니다. 학생들은 장치를 손상시키지 않기 위해 템플릿의 뒷면을 손목 밴드에 핫 글루로 붙일 수 있습니다.

손목 밴드를 완성한 후, 핫 글루를 사용하여 micro:bit를 손목 밴드에 부착합니다 (사진 참조).

---

STEP 5. Micro:bit를 사용하여 움직임 데이터 수집하기

micro:bit을 페어링한 후, 장치는 블루투스 기술을 사용하여 CreateAI에 움직임 데이터를 전송할 준비가 됩니다.

이 과정을 시작하려면:

1. 배터리를 배터리 홀더에 넣으세요
2. 배터리 홀더를 micro:bit에 연결하세요 (USB 케이블을 분리했는지 확인하세요)
3. micro:bit을 페어링하세요
4. micro:bit에 표시된 패턴을 복사하여 올바르게 페어링되었는지 확인하세요

"Action" (왼쪽 상단)을 볼 때 다음 단계로 진행하세요

---

STEP 6. AI 모델을 훈련시키기 위한 데이터 샘플 기록

녹음하기 전에 CreateAI에게 학습해야 할 동작의 클래스 또는 카테고리를 알려야 합니다:

1. 액션 추가를 클릭하여 레이블을 생성합니다 (예: "가슴", "바깥 엉덩이", "안쪽 허벅지" 또는 "정지")
2. 각 동작 옆의 드롭다운 메뉴를 사용하여 해당 동작이 성공적으로 인식될 때 표시될 사용자 정의 아이콘 또는 LED 기호를 할당합니다

모델이 학습하기 위해서는 각 동작당 최소 3개의 데이터 샘플을 녹음해야 합니다. 10개 이상의 샘플을 녹음하면 정확도가 크게 향상됩니다

1. 빨간 녹음 버튼을 클릭하여 드롭다운 메뉴를 확인합니다
2. 10개 샘플 녹음 또는 10초 동안 녹음을 선택합니다

참고: "정지" 또는 "휴식" 동작을 녹음할 때는 녹음이 끝날 때까지 micro:bit(또는 손목)를 움직이지 마세요. 그렇지 않으면 테스트 단계에서 AI 모델이 혼란스러워질 수 있습니다

동작을 추가하고 데이터 샘플을 녹음하는 단계를 반복합니다

---

STEP 7. AI 모델 테스트

마지막 단계는 기계 학습 모델을 테스트하여 훈련하는 것입니다.

1. 진행하기 전에 micro:bit가 페어링되어 있는지 확인하거나 다시 페어링하세요.
2. micro:bit를 움직여 다양한 동작이 micro:bit의 가속도계에서 실시간으로 움직임 데이터를 보여 주는 실시간 데이터 그래프 를 어떻게 변화시키는지 살펴보세요.
3. 다음으로 파란색 Training model 버튼(오른쪽 하단)을 클릭하세요.
4. 동작을 수행하여 모델을 테스트하세요(각 동작에 대한 확신도 백분율을 확인하세요).

햄본 댄스를 춰 보고 추정된 동작(오른쪽 하단)과 실시간 데이터 그래프를 관찰하세요. 결과가 최적이 아닐 경우, 이전 단계로 돌아가 데이터 세트를 미세 조정하세요.

예를 들어, 테스트했을 때 "안쪽 허벅지" 동작이 잘 작동하지 않았으므로 해당 동작을 다시 녹음한 다음 모델로 다시 테스트할 수 있습니다.

---

원문: https://www.instructables.com/Hambone-Machine-Learning/