- \n
- \nDesaf\u00edo<\/div>\nMejore la aplicaci\u00f3n sanitaria IoT con IA<\/div>\n<\/li>\n
- \n
Soluci\u00f3n<\/div>\nModelo ML para procesar datos en la base de datos del Cliente y generar notificaciones push.<\/div>\n<\/li>\n- \n
Tecnolog\u00edas y herramientas<\/div>\nPython + DS, APNs, AWS Lambda, PostgreSQL, Swift (iOS)<\/div>\n<\/li>\n<\/ul>\n<\/div>\nCliente<\/h2>\n
El cliente es una empresa con sede en Europa especializada en ofrecer soluciones inform\u00e1ticas para empresas de diferentes sectores. Para mejorar el enfoque empresarial existente mediante la implementaci\u00f3n de tecnolog\u00edas modernas, el cliente necesitaba una aplicaci\u00f3n de atenci\u00f3n sanitaria integrada con el IoT e Soluciones de IA para mejorar las condiciones de trabajo<\/a> para los empleados y aumentar la eficacia de los servicios. El cliente buscaba expertos en el campo del desarrollo de software de IA.<\/p>\n
Reto: mejorar la aplicaci\u00f3n sanitaria IoT con IA<\/h2>\n
Como proveedor experimentado de Desarrollo de software de IA<\/a> servicios, ESSID Solutions se enfrent\u00f3 al reto de formar a un aprendizaje autom\u00e1tico<\/a> para aumentar la soluci\u00f3n existente del cliente. Nuestro equipo de ingenieros se encarg\u00f3 de crear un modelo capaz de procesar de forma eficiente grandes cantidades de datos hist\u00f3ricos y datos recopilados de dispositivos port\u00e1tiles para crear y enviar notificaciones push basadas en datos para iOS.<\/p>\n
El componente IoT era una pulsera que med\u00eda la frecuencia cardiaca del conductor antes y durante cada viaje. Estos datos no bastaban para realizar una evaluaci\u00f3n fiable del estado de salud. Para sistematizar y procesar m\u00e1s datos, la soluci\u00f3n existente requer\u00eda un modelo adicional basado en ML.<\/p>\n
Soluci\u00f3n: Modelo ML para procesar varios tipos de datos y generar notificaciones personalizadas.<\/h2>\n
El IoT sanidad<\/a> La aplicaci\u00f3n est\u00e1 destinada a los conductores de veh\u00edculos comerciales con problemas de salud. La prevenci\u00f3n de casos de emergencia forma parte del programa de atenci\u00f3n a los empleados y gesti\u00f3n de gastos del empresario.<\/p>\n
El equipo de ESSID Solutions empez\u00f3 analizando la soluci\u00f3n existente. Nuestro Investigaci\u00f3n y desarrollo de la IA<\/a> se sumergieron en las capacidades de la aplicaci\u00f3n existente para idear las mejores formas de mejorarla.<\/p>\n
Adem\u00e1s de los datos recogidos a trav\u00e9s de las pulseras, introdujimos en el modelo los siguientes tipos de datos:<\/p>\n
- \n
- Ritmo card\u00edaco del conductor<\/li>\n
- Sexo y edad del conductor<\/li>\n
- Datos hist\u00f3ricos de frecuencia card\u00edaca<\/li>\n
- Informaci\u00f3n meteorol\u00f3gica<\/li>\n
- Hora del d\u00eda<\/li>\n
- Ruta y destino<\/li>\n<\/ul>\n
Los datos recopilados se introdujeron en la base de datos del cliente para su posterior procesamiento. As\u00ed pues, se utilizaron las siguientes fuentes de datos para obtener la informaci\u00f3n necesaria para el modelo ML:<\/p>\n
![\"Modelo](\"https:\/\/essidsolutions.com\/wp-content\/uploads\/2020\/10\/input-for-the-ml-model.svg\")
<\/p>\nA partir de los exhaustivos datos de entrada, entrenamos el modelo para realizar las siguientes tareas:<\/p>\n
- \n
- Analizar el estado de salud de los conductores<\/li>\n
- Detectar problemas de salud<\/li>\n
- Generar notificaciones push<\/li>\n
- Enviar alertas y recomendaciones a los conductores<\/li>\n<\/ul>\n
El algoritmo divide la informaci\u00f3n recibida en 3 categor\u00edas o zonas. En funci\u00f3n de una u otra categor\u00eda, desde el servidor se env\u00edan a los conductores diferentes notificaciones push y recomendaciones. Los ejemplos son los siguientes:<\/p>\n
![\"Modelo](\"https:\/\/essidsolutions.com\/wp-content\/uploads\/2020\/10\/output-in-categories-zones.svg\")
<\/p>\nPara completar la tarea, el equipo de ESSID Solutions utiliz\u00f3 el servicio Apple Push Notification (APN) para habilitar la funci\u00f3n de notificaciones remotas. Nuestro equipo tambi\u00e9n utiliz\u00f3 el servicio del Cliente para almacenar y procesar datos.<\/p>\n
Resultado: Soluci\u00f3n de gesti\u00f3n de gastos impulsada por ML, reducci\u00f3n de costes como resultado de la automatizaci\u00f3n de procesos.<\/h2>\n
El equipo de ESSID Solutions entreg\u00f3 con \u00e9xito el modelo ML que permiti\u00f3 la fusi\u00f3n de IoT e IA<\/a> para mejorar la aplicaci\u00f3n sanitaria del cliente. El algoritmo proporcionado facilit\u00f3 el c\u00e1lculo de datos y habilit\u00f3 las notificaciones push basadas en datos para dispositivos iOS.<\/p>\n
El algoritmo incorporado trabaj\u00f3 eficazmente con distintos tipos de datos y permiti\u00f3 crear recomendaciones m\u00e1s personalizadas. Adem\u00e1s, la soluci\u00f3n de ESSID Solutions permiti\u00f3 al propietario de una flota de veh\u00edculos comerciales cuidar mejor de los empleados, mejorar las condiciones de trabajo de los conductores, minimizar los riesgos para la salud y recortar costes automatizando el servicio de asistencia en tiempo real.<\/p>\n
Comienza tu Proyecto de desarrollo de software de IA<\/a> con ESSID Solutions<\/h3>","protected":false},"excerpt":{"rendered":"
- \n