Application development of a personalized, nutritional type analysis using machine learning

The following diploma thesis is a research upon topics of diet-related applications and machine learning implementation. It goes into detail explaining past attempts, their specifications, their capabilities, successes and shortcomings. Furthermore, it introduces a modular application of its own wit...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας:	Μπούλιας, Παρασκευάς
Άλλοι συγγραφείς:	Boulias, Paraskevas
Γλώσσα:	English
Έκδοση:	2022
Θέματα:	Εξατομικευμένη διατροφολογική εφαρμογή Μηχανική μάθηση Personalized diet application Machine learning
Διαθέσιμο Online:	http://hdl.handle.net/10889/15889

id	nemertes-10889-15889
record_format	dspace
spelling	nemertes-10889-158892022-09-05T09:41:32Z Application development of a personalized, nutritional type analysis using machine learning Ανάπτυξη εφαρμογής προσωποποιημένης ανάλυσης διατροφολογικού χαρακτήρα με χρήση μηχανικής μάθησης Μπούλιας, Παρασκευάς Boulias, Paraskevas Εξατομικευμένη διατροφολογική εφαρμογή Μηχανική μάθηση Personalized diet application Machine learning The following diploma thesis is a research upon topics of diet-related applications and machine learning implementation. It goes into detail explaining past attempts, their specifications, their capabilities, successes and shortcomings. Furthermore, it introduces a modular application of its own with machine learning capabilities as a paradigm to showcase findings and conclusions. A rather unique method of splitting nutrients (e.g. carbs) into arrays is also introduced with the intent of enhancing the system's predictive prowess. Η παρούσα ΔΕ αφορά μία έρευνα επάνω σε θέματα ανάπτυξης εφαρμογών διατροφολογικού περιεχομένου, τις προδιαγραφές τους, τις δυνατότητές τους και τα μειονεκτήματά τους. Η κύρια ιδέα είναι η δημιουργία μίας modular εφαρμογής, όπου το κάθε δομοστοιχείο είναι προαιρετικό στη χρήση του. Η βασική της δυνατότητα είναι ένα interactive διατροφολόγιο όπου ο χρήστης μπορεί να εισάγει (με τη βοήθεια ενός nutrition-API) τα φαγητά που κατανάλωσε, καθώς και άλλες σημαντικές πληροφορίες που κρίνονται απαραίτητες. Μέσω μιας NoSQL βάσης δεδομένων (MongoDB) επιτυγχάνεται η αποθήκευση των δεδομένων. Μία άλλη δυνατότητα αποσκοπεί στην επικοινωνία μεταξύ χρήστη-επαγγελματία, δίνοντας τη δυνατότητα στους δεύτερους να έχουν πρόσβαση στα διατροφολόγια των πελατών τους. Μία εξίσου σημαντική δυνατότητα της εφαρμογής είναι η χρήση τεχνικών μηχανικής μάθησης πάνω στα δεδομένα του χρήστη για την παροχή χρήσιμων πληροφοριών. Εν κατακλείδι, η παρούσα διπλωματική εργασία αφορά (πέραν του όποιου θεωρητικού και ερευνητικού τμήματος) την ανάπτυξη μιας εφαρμογής διατροφολογικού χαρακτήρα, την παρουσίαση των δυνατοτήτων της και την αιτιολόγησή τους βάση της έρευνας που έχει πραγματοποιηθεί, καταλήγοντας στην παρουσίαση των αποτελεσμάτων της χρήσης των τεχνικών μηχανικής μάθησης πάνω στα δεδομένα. Δίνεται ιδιαίτερη σημασία στην καινοτομία. Υπάρχει επίσης μέριμνα για μία ομαλή μετάβαση, από το κομμάτι της συλλήψεως έως το κομμάτι της παρουσίασης των αποτελεσμάτων. 2022-03-02T07:56:35Z 2022-03-02T07:56:35Z 2022-02-28 http://hdl.handle.net/10889/15889 en application/pdf
institution	UPatras
collection	Nemertes
language	English
topic	Εξατομικευμένη διατροφολογική εφαρμογή Μηχανική μάθηση Personalized diet application Machine learning
spellingShingle	Εξατομικευμένη διατροφολογική εφαρμογή Μηχανική μάθηση Personalized diet application Machine learning Μπούλιας, Παρασκευάς Application development of a personalized, nutritional type analysis using machine learning
description	The following diploma thesis is a research upon topics of diet-related applications and machine learning implementation. It goes into detail explaining past attempts, their specifications, their capabilities, successes and shortcomings. Furthermore, it introduces a modular application of its own with machine learning capabilities as a paradigm to showcase findings and conclusions. A rather unique method of splitting nutrients (e.g. carbs) into arrays is also introduced with the intent of enhancing the system's predictive prowess.
author2	Boulias, Paraskevas
author_facet	Boulias, Paraskevas Μπούλιας, Παρασκευάς
author	Μπούλιας, Παρασκευάς
author_sort	Μπούλιας, Παρασκευάς
title	Application development of a personalized, nutritional type analysis using machine learning
title_short	Application development of a personalized, nutritional type analysis using machine learning
title_full	Application development of a personalized, nutritional type analysis using machine learning
title_fullStr	Application development of a personalized, nutritional type analysis using machine learning
title_full_unstemmed	Application development of a personalized, nutritional type analysis using machine learning
title_sort	application development of a personalized, nutritional type analysis using machine learning
publishDate	2022
url	http://hdl.handle.net/10889/15889
work_keys_str_mv	AT mpouliasparaskeuas applicationdevelopmentofapersonalizednutritionaltypeanalysisusingmachinelearning AT mpouliasparaskeuas anaptyxēepharmogēsprosōpopoiēmenēsanalysēsdiatrophologikoucharaktēramechrēsēmēchanikēsmathēsēs
_version_	1771297186914500608

Application development of a personalized, nutritional type analysis using machine learning

Παρόμοια τεκμήρια