Skip to content

Machine Learinig Model uses a personalized approach to provide recommendations based on health data entered by users, such as age, weight, height, and lifestyle habits.

Notifications You must be signed in to change notification settings

emazou/personal_nutritionist

 
 

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

82 Commits
 
 
 
 
 
 
 
 

Repository files navigation

FitFuturo

Resumen

FitFuturo es una aplicación diseñada para ayudar a los usuarios a comprender y mejorar su estado de salud en relación con el peso corporal. Utiliza un enfoque personalizado para proporcionar recomendaciones basadas en los datos de salud ingresados por los usuarios, como edad, peso, altura, y hábitos de vida.

Motivación

La aplicación surge en respuesta a la creciente incidencia de problemas relacionados con el peso en Latinoamérica. Solo en Colombia, cerca del 56.5% de la población vivía con exceso de peso en 2022, lo que representa un problema significativo que esta aplicación busca abordar.

Tecnologías utilizadas

  • Frontend: React
  • Backend: Python/Flask
  • Machine Learning: scikit-learn y pandas para la exploración de datos y entrenamiento de modelos.
  • Despliegue: AWS - Utilización de OpenAI LLM para análisis y generación de respuestas personalizadas.

Cómo empezar

Instalación

Clonar el repositorio:

git clone git@github.com:home-group-1/personal_nutritionist.git

Prerrequisitos

Es recomendable usar un entorno virtual en la carpeta backend:

python -m venv venv
source venv/bin/activate  # En Windows use venv\Scripts\activate

Para el backend

cd backend
pip install -r requirements.txt
uvicorn app.main:app --host 0.0.0.0 --port 8000

Variables de entorno:

OPEN_AI_KEY=tu_key

Para el frontend

cd ../frontend
npm install

Variables de enotorno:

REACT_APP_API_URL='http://localhost:8000'

Presentaciones

Slides

Enlace

FitFuturo

About

Machine Learinig Model uses a personalized approach to provide recommendations based on health data entered by users, such as age, weight, height, and lifestyle habits.

Topics

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages

  • TypeScript 67.4%
  • Python 18.1%
  • CSS 6.7%
  • HTML 5.1%
  • Dockerfile 2.7%