Застосунок персоналізації фізичної активності на основі кластеризації та прогнозних моделей

Abstract

Актуальність роботи зумовлена необхідністю переходу від систем простого відстеження показників до інтелектуальних рішень. Більшість наявних фітнес-застосунків не здійснюють глибокого аналізу поведінки користувача, що знижує ефективність підтримки здорового способу життя. Об’єктом роботи є процес аналізу та планування фізичної активності користувача з використанням інформаційних технологій. Предметом роботи є програмні інструменти та алгоритми машинного навчання (кластеризації та прогнозування) для побудови системи персоналізації фізичних навантажень. Метою роботи є розробка десктопного застосунку для покращення управління власною фізичною активністю за рахунок виявлення індивідуальних патернів поведінки та генерації персоналізованих рекомендацій. Дана робота складається з чотирьох розділів. У першому розділі проведено аналіз предметної області, огляд існуючих систем трекінгу здоров’я та аналогів, сформовано постановку задачі на розробку інтелектуального застосунку. Другий розділ присвячений математичним моделям і методам машинного навчання (K-Means, Random Forest), що використані у роботі для кластеризації та предиктивної аналітики. У третьому розділі наведено результати проєктування архітектури бази даних, побудови UML-діаграм та моделювання графічного інтерфейсу користувача. В четвертому – наведено практичну реалізацію програмного продукту, аналіз отриманих результатів прогнозування з динамічним розрахунком математичних похибок моделі, а також тестування стійкості застосунку до некоректного вводу. Загальний обсяг роботи – 84 сторінок. Кваліфікаційна робота містить 1 додаток, 34 рисунки, 7 таблиць і 37 джерел посилання. The relevance of the work is determined by the need to transition from simple tracking systems to intelligent solutions. Most existing fitness applications do not perform an in-depth analysis of user behavior, which reduces the effectiveness of maintaining a healthy lifestyle. The objective of the work is the process of analyzing and planning user physical activity using information technologies. The subject of the work includes software tools and machine learning algorithms (clustering and forecasting) for building a physical activity personalization system. The objective of the work is to develop a desktop application to improve the management of personal physical activity by identifying individual behavioral patterns and generating personalized recommendations. This work consists of four chapters. In the first chapter, an analysis of the subject area is carried out, a review of existing health tracking systems and analogues is provided, and the problem statement for the development of an intelligent application is formulated. The second chapter is devoted to mathematical models and machine learning methods (K-Means, Random Forest) used in the work for clustering and predictive analytics, as well as the theoretical justification of metrics for evaluating their accuracy. The third chapter presents the results of designing the database architecture using ORM technology, building UML diagrams, and modeling the graphical user interface. In the fourth chapter, the practical implementation of the software product, analysis of the obtained forecasting results with dynamic calculation of mathematical model errors, and application robustness testing are presented. The total volume of the work is 84 pages. The qualification work contains 1 appendix, 34 figures, 7 tables, and 37 references.