Santé numérique

Expertise : Santé numérique

L'apprentissage automatique pour améliorer la précision d'une application de prévision des règles

Détails clés Augmentation de la précision de la prédiction des règles jusqu'à 15%. Défi Améliorer la précision de la prédiction des règles pour les utilisateurs de l'application Solution Modèles linéaires et arborescents pour faire de meilleures prédictions du cycle menstruel Technologies et outils Machine Learning : modèles de régression et de gradient boosting Scientifique (pile Python d'analyse prédictive) : Python, NumPy, scikit-learn, LightGBM, XGBoost ; Web-application : hug (web-framework), Gunicorn (web-server) ... Lire plus Lire plus

Mise en œuvre d'un réseau neuronal pour une meilleure prévision des cycles. Histoire de la réussite de Flo

Détails clés Amélioration de la précision des prédictions de cycle jusqu'à 54,2%. Défi Prédiction des cycles irréguliers des femmes Solution Intégration de réseaux neuronaux pour la prédiction des cycles menstruels Technologies et outils Python Client Flo est un outil intelligent de suivi des règles qui prédit avec précision les cycles menstruels des femmes, l'ovulation et les jours fertiles. Défi : améliorer la prédiction des cycles irréguliers pour l'application ... Lire plus Lire plus

Estimation de la pose pour les applications de remise en forme et de thérapie physique

Key Details Amélioration de l'estimation de la pose et de la détection des erreurs par 64%. Défi Développer un modèle d'estimation de la pose de pointe pour détecter une posture humaine dans un scénario en temps réel et effectuer une analyse des erreurs et un comptage des répétitions Solution Apprentissage profond pour une estimation précise de la pose humaine et algorithmes de science des données pour la détection des erreurs Technologies et outils PyTorch, CoreML, TFLite, OpenCV, ... Lire plus Lire plus