Melhoria das opera\u00e7\u00f5es de processamento e armazenamento de dados.<\/p>\n
O Cliente \u00e9 um fornecedor de aplica\u00e7\u00f5es de f\u00e1cil utiliza\u00e7\u00e3o e personalizadas na \u00e1rea da sa\u00fade e bem-estar. Mais de 75 milh\u00f5es de utilizadores em todo o mundo instalaram estas aplica\u00e7\u00f5es para melhorar a qualidade da atividade f\u00edsica, nutri\u00e7\u00e3o, sono e mindfulness. O cliente pretendia elevar o n\u00edvel do sistema existente para fornecer aos utilizadores orienta\u00e7\u00f5es adicionais sobre sa\u00fade e estilo de vida. A nossa equipa foi desafiada a adaptar uma solu\u00e7\u00e3o de Business Intelligence (BI) para trabalhar com os dados dos utilizadores recolhidos atrav\u00e9s de uma aplica\u00e7\u00e3o.<\/p>\n Esperava-se que uma aplica\u00e7\u00e3o renovada de treino de fitness baseada em IA suportasse o trabalho com grandes quantidades de dados sobre a sa\u00fade do utilizador e as actividades de fitness armazenadas na base de dados do cliente. Al\u00e9m disso, previa-se que esta aplica\u00e7\u00e3o funcionasse como um fitness e sa\u00fade<\/a> IA sistema de recomenda\u00e7\u00e3o<\/a> gerando recomenda\u00e7\u00f5es personalizadas relacionadas.<\/p>\n 1.<\/strong> A qualidade dos dados e a conce\u00e7\u00e3o da base de dados eram ineficientes para a an\u00e1lise. A equipa da ESSID Solutions realizou a migra\u00e7\u00e3o b\u00e1sica dos dados do armazenamento do cliente para o armazenamento de dados do InData Lab. Tamb\u00e9m especific\u00e1mos como deveria ser o reposit\u00f3rio de dados para armazenar dados mais \u00fateis.<\/p>\n O nosso pr\u00f3ximo passo foi mapear as tabelas necess\u00e1rias para visualizar os dados.<\/p>\n Havia um cluster Couchbase como armazenamento de dados brutos. Adicion\u00e1mos o Kafka para uma transfer\u00eancia de dados fi\u00e1vel para o armaz\u00e9m de dados do BI (DWH), ou seja, PostgreSQL, utilizando procedimentos Spark. No topo do BI DWH, utiliz\u00e1mos o Apache Superset para fornecer dashboards interactivos.<\/p>\n As nossas solu\u00e7\u00f5es proporcionaram aos gestores de marketing e analistas de dados a op\u00e7\u00e3o de selecionar par\u00e2metros de filtragem, incluindo, mas n\u00e3o se limitando a:<\/p>\n No total, a solu\u00e7\u00e3o inclu\u00eda 10 pain\u00e9is de controlo para permitir um maior n\u00edvel de personaliza\u00e7\u00e3o.<\/p>\n 2.<\/strong> Outro desafio era utilizar a aprendizagem autom\u00e1tica (ML)<\/a> para criar um sistema de recomenda\u00e7\u00e3o que permitisse que a aplica\u00e7\u00e3o existente fornecesse recomenda\u00e7\u00f5es personalizadas.<\/p>\n Trein\u00e1mos o modelo baseado em ML para funcionar com base nos dados que os utilizadores partilham atrav\u00e9s dos seus perfis. Um utilizador descarrega e instala a aplica\u00e7\u00e3o e introduz dados pessoais b\u00e1sicos, e o algoritmo escolhe o plano mais adequado entre os existentes.<\/p>\n Al\u00e9m disso, cri\u00e1mos um sistema de recomenda\u00e7\u00e3o baseado em \u00e1rvores<\/a> e extra\u00e7\u00e3o de regras associativas utilizando o algoritmo Apriori, tudo escrito em Python.<\/p>\n As recomenda\u00e7\u00f5es geradas automaticamente variam consoante o n\u00edvel de aptid\u00e3o f\u00edsica do utilizador. Se os dados pessoais sugerirem que um utilizador consegue lidar facilmente com as actividades definidas atualmente, o sistema pode recomendar a passagem para o n\u00edvel seguinte. Caso contr\u00e1rio, a aplica\u00e7\u00e3o pode recomendar a repeti\u00e7\u00e3o dos exerc\u00edcios no n\u00edvel atual.<\/p>\n Todos os dados para os conjuntos de dados de treino foram fornecidos pelo cliente. A principal fonte de recolha de dados foi o GPS, se permitido por um utilizador.<\/p>\n A equipa da ESSID Solutions melhorou as aplica\u00e7\u00f5es m\u00f3veis de fitness existentes do Cliente com capacidades de an\u00e1lise preditiva.<\/p>\n O Cliente beneficiou da colabora\u00e7\u00e3o com a ESSID Solutions nos seguintes aspectos:<\/p>\n Oferecemos ao Cliente a utiliza\u00e7\u00e3o de abordagens e tecnologias de ponta para fornecer servi\u00e7os procurados e aumentar o n\u00famero de clientes.<\/p>\n
O Cliente necessitava da ajuda de um servi\u00e7os de an\u00e1lise preditiva<\/a> para encontrar formas de utilizar a an\u00e1lise preditiva para melhorar as aplica\u00e7\u00f5es de sa\u00fade e fitness.<\/p>\nDesafio: melhorar as aplica\u00e7\u00f5es de fitness existentes com intelig\u00eancia artificial (IA)<\/h2>\n
Solu\u00e7\u00e3o: aprendizagem autom\u00e1tica para criar um m\u00f3dulo de an\u00e1lise preditiva e permitir a an\u00e1lise explorat\u00f3ria de dados<\/h2>\n
\n
Resultado: aplica\u00e7\u00e3o de fitness avan\u00e7ada baseada em IA com fun\u00e7\u00e3o de recomenda\u00e7\u00e3o personalizada<\/h2>\n
\n
Trabalhe com a ESSID Solutions no seu An\u00e1lise preditiva<\/a> Projeto<\/h3>","protected":false},"excerpt":{"rendered":"