Photo de couverture de Scott Webb sur unclash
Nous connaissons actuellement la révolution de l'intelligence artificielle (IA). L'explosion de modèles de grandes langues (LLM) et d'apprentissage automatique a transformé plusieurs industries, y compris l'espace de santé et de fitness.
L'une des applications les plus excitantes de l'IA en fitness est la création de plans d'entraînement personnalisés. Avec des outils comme ML.NET, les développeurs peuvent tirer parti de la puissance de l'apprentissage automatique dans l'écosystème C # et .NET. Dans cet article, nous allons explorer comment créer une application de recommandation de séance d'entraînement simple à l'aide du filtrage de contenu dans ML.NET.
Le filtrage basé sur le contenu est une technique de recommandation qui suggère des éléments (par exemple, des entraînements, des films, des produits) aux utilisateurs en fonction de la similitude entre les fonctionnalités de l'élément et les préférences d'entrée du système. Le filtrage du contenu est utilisé dans les systèmes de recommandation et la récupération des informations (par exemple, la recherche de documents similaires).
Dans notre recommandation d'entraînement, l'utilisateur entrait dans la requête «Exercices de poitrine débutante avec haltères» et obtiendrait des recommandations d'exercice qui sont les plus similaires à la requête.
Le filtrage basé sur le contenu fonctionne en analysant les caractéristiques des fonctionnalités des éléments dans un ensemble de données la comparant à la requête de l'utilisateur, puis en recommandant des éléments ou des fonctionnalités similaires.
Chaque exercice de notre ensemble de données est représenté par ses caractéristiques, telles que la ou les pièces du corps qu'il cible (poitrine, jambes, bras), équipement nécessaire (haltères, bandes de résistance) ou niveau de difficulté (débutant, intermédiaire, avancé).
L'utilisateur entre dans une requête, comme "des exercices débutants pour la poitrine avec des haltères"
Cette requête est traitée et transformée en un vecteur de fonctionnalité qui représente l'intention de l'utilisateur. Par exemple:
Le système compare le vecteur de requête de l'utilisateur avec les vecteurs de fonctionnalités de tous les exercices de la base de données.
Pour ce projet, nous utiliserons la similitude du cosinus. La similitude du cosinus est une métrique commune utilisée pour mesurer à quel point les deux vecteurs sont similaires. Il calcule le cosinus de l'angle entre les deux vecteurs, offrant un score...
[Courte citation de 8% de l'article original]