Details

Работа посвящена разработке интелылектуальной информационной системы, обеспечивающей централизованное ведение тренировочного процесса, формализацию параметров нагрузки и применение методов машинного обучения для анализа тренировочных данных. Для достижения поставленной цели перед началом выполнения работы были сформулированы следующие задачи: 1) провести анализ предметной области и существующих программных решений для планирования силовых тренировок; 2) формализовать структуру тренировочного процесса и определить состав входных данных; 1) разработать архитектуру информационной системы; 2) спроектировать модель хранения тренировочных данных; 3) разработать аналитический модуль машинного обучения; 4) реализовать программный прототип системы и провести его экспериментальную оценку. В ходе выполнения работы была спроектирована клиент–серверная архитектура системы, разработана модель данных, обеспечивающая централизованное хранение планов и логов тренировок, реализован модуль расчёта нагрузочных показателей и аналитический модуль для анализа временных рядов тренировочной нагрузки. Проведена экспериментальная оценка качества реализованных алгоритмов с использованием метрик MAE, ROC-AUC, F1-macro и NDCG@k. В результате разработан программный прототип интеллектуальной системы, обеспечивающий централизованное ведение тренировочного процесса, автоматизацию расчёта нагрузочных метрик и формирование аналитических рекомендаций на основе накопленных данных. Для достижения полученных результатов были использованы современные информационные технологии и программные средства, включая веб-технологии разработки клиентской части: фреймворк Nextjs, серверную реализацию на основе REST-архитектуры c использованием NestJS, систему управления базами данных PostgreSQL и Prisma ORM, библиотеки машинного обучения для реализации алгоритмов анализа временных рядов: scikit-learn, torch. Протокол gRPC для взаимодействия сервисов, а также инструменты контейнеризации и управления зависимостями.

The thesis is devoted to the development of an intelligent information system that ensures centralized management of the training process, formalization of training load parameters, and application of machine learning methods for analyzing training data. 1) to achieve the stated objective, the following tasks were defined prior to the start of the work: 2) to analyze the subject area and existing software solutions for strength training planning; 3) to formalize the structure of the training process and define the composition of input data; 4) to design the architecture of the information system; 5) to develop a data storage model for training data; 6) to design a machine learning analytical module; 7) to implement a software prototype of the system and conduct its experimental evaluation. During the course of the work, a client–server architecture of the system was designed, and a data model providing centralized storage of training plans and logs was developed. A module for automatic calculation of load metrics was implemented, along with an analytical module for processing training load time series. An experimental evaluation of the implemented algorithms was carried out using MAE, ROC-AUC, F1-macro, and NDCG@k metrics. As a result, a software prototype of an intelligent system was developed, providing centralized management of the training process, automated calculation of load metrics, and generation of analytical recommendations based on accumulated data. To achieve these results, modern information technologies and software tools were used, including web technologies for client-side development (Next.js framework), server-side implementation based on REST architecture using NestJS, PostgreSQL database management system with Prisma ORM, machine learning libraries for time series analysis (scikit-learn,torch), the gRPC protocol for inter-service communication, as well as containerization and dependency management tools.

• ВВЕДЕНИЕ
• ГЛАВА 1 АНАЛИЗ ПРЕДМЕТНОЙ ОБЛАСТИ И СУЩЕСТВУЮЩИХ РЕШЕНИЙ
  • 1.1 Особенности тренировочного процесса и планирование нагрузки
  • 1.2 Применение искусственного интеллекта в спортивной аналитике
    • 1.2.1 Анализ тренировочных данных и временных рядов
    • 1.2.2 Прогнозирование спортивных показателей
  • 1.3 Теоретические основы методов машинного обучения
    • 1.3.1 Регрессионные задачи
    • 1.3.2 Классификационные задачи
    • 1.3.3 Оконное представление временных рядов
    • 1.3.4 Нейросетевые модели
    • 1.3.5 Подробнее о метриках качества
    • 1.3.6 Рекуррентные архитектуры
  • 1.4 Анализ существующих программных решений
    • 1.4.1 Анализ приложения FitnessAI
    • 1.4.2 Анализ приложения Fitbod
    • 1.4.3 Анализ тренировочного дневника Worksheet LMS v2
  • 1.5 Обоснование необходимости проектирования разработки
• ГЛАВА 2. ПРОЕКТИРОВАНИЕ СИСТЕМЫ
  • 2.1 Постановка задачи и общая концепция системы
  • 2.2 Требования к системе
    • 2.2.1 Функциональные требования
    • 2.2.2 Функциональные требования
    • 2.2.3 Критерии качества
    • 2.2.4 Требования к входным данным
  • 2.3 Общая архитектура системы
    • 2.3.1 Архитектура серверной части
    • 2.3.2 Архитектура клиентской части
    • 2.3.3 Взаимодействия компонентов системы
  • 2.4 Проектирование хранилища данных
  • 2.5 Проектирование ML-модуля
    • 2.5.1 Математическая модель
• ГЛАВА 3. РЕАЛИЗАЦИЯ И ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ СИСТЕМЫ
  • 3.1 Технологический стек
  • 3.2 Реализация серверной части и хранилища данных
    • 3.2.1 Реализация хранения данных
    • 3.2.2 Реализация модуля аутентификации
    • 3.2.3 Реализация модулей пользователя и анкет
    • 3.2.4 Реализация модуля упражнений
    • 3.2.5 Реализация модуля формирования тренировочного плана
    • 3.2.6 Реализация модуля анализа
    • 3.2.7 Реализация модуля тренировочных логов
    • 3.2.8 Реализация модуля групп и разделение доступа
    • 3.2.9 Реализация связи сервера и ML-сервиса
  • 3.3 Реализация ML-модуля
  • 3.4 Подготовка данных для обучения
  • 3.5 Реализация клиентской части
  • 3.6 Экспериментальная оценка результатов
  • 3.7 Сравнительный прототипа анализ с аналогами
  • 3.8 Перспективы развития и масштабирования системы
• ЗАКЛЮЧЕНИЕ
• СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
• ПРИЛОЖЕНИЕ