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...
Κύριος συγγραφέας: | |
---|---|
Άλλοι συγγραφείς: | |
Γλώσσα: | English |
Έκδοση: |
2022
|
Θέματα: | |
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 |