Upgrade to Pro — share decks privately, control downloads, hide ads and more …

210514 AIでダイエット体重変化を予測してみた! Julia

210514 AIでダイエット体重変化を予測してみた! Julia

50bc42471d197d0dbef7171f2ef85bb6?s=128

comucal
PRO

May 14, 2021
Tweet

Transcript

  1. RPACommunity⼥⼦部 ダイエット体重変化を予測してみた!』 Julia      2021/05/14 『超簡単AI!MatrixFlowで

  2. Profile ♡フォローお願いします♡   Twitter:@julia_hn  最近は・・・ライター業!  ☆RPA Community イベントのレポート  ☆社員インタビュー

    名前:Julia(中野秀子) 出身:大阪 仕事:AIスタートアップのHR
  3. はじめに。。。 RPACommunityでは、、、  『データを作る!』ノウハウが多いですよね?

  4. AIで分析しましょう! そのデータ、どうしてますか?

  5. このまま続けてて効果あるの? どうしたら効果的に痩せれるの? ダイエットって挫けがち・・・ ダイエットデータを使って、AIで体重の 変化の予測と要因の分析をします! AIでやること

  6. 使うAIは…? プログラミング不要のAI構築プラットフォ ーム ドラッグ&ドロップだけで前処理も含めた 機械学習・深層学習が可能

  7. 準備するもの ダイエットデータ AI 『2018calorie,exerciseand weightchanges』  https://www.kaggle.com/chrisbow/2018-calorie- exercise-and-weight-changes 

  8. データの中⾝は? Date:計測をおこなった⽇付 weight_oz:体重をオンスのみで表した際の総重量 calories:各⽇付における摂取カロリーの概算 cals_per_oz:摂取カロリーをオンス単位で表記した体重で割った数値 five_donuts:⾷事のメインが5つのドーナツだった⽇(※1=TRUE,0=FALSE) walk:20分以上の⾃発的なウォーキングをおこなった⽇ run:2.5マイル(約4キロ)以上のランニングをおこなった⽇ wine:ラージグラス⼀杯(250ml)以上のワインを摂取した⽇ prot:⾼プロテインな⾷事をした⽇

    weight:ウェイトトレーニングをおこなった期間 change:体重の増減
  9. データの中⾝は?

  10. データ(CSVファイ ル)のアップロード c 前処理(データの 整備) ⽋損の削除、変換 レシピ: AIの設計図作成 時系列分析を選択 学習

    数分程度 分析のステップ 変化予測 レシピ: AIの設計図作成 ⾃動構築AIの 「AutoFlow]を選択 学習 数分程度 要因分析
  11. デモ https://ai.matrixflow.net/signin

  12. 結果∼体重変化予測 減少傾向ですね!

  13. 結果∼要因分析:重要度 cals_per_ozが最も学習に寄与していますね。やはりダイエットにはカロリー摂取(⾷ 事)は重要。続いてrunとwalkとなっています。

  14. 結果∼要因分析:影響度1 cals_per_ozは、カロリーの値が⾼いほど体重が増える傾向にあることがわかります。 run、walkは、実施すれば体重が減っています。

  15. 結果∼要因分析:影響度2 wineを飲んだら増える傾向。 トレーニングやプロテインをとることは減る傾向。 ドーナツは⾷べていても減っているのは注⽬です!⽢いものを我慢しなくてもダイエッ トできる!とも⾔えるのではないでしょうか。

  16. 今のダイエットを続けていれば、減る傾向にあること 体重が減ることがわかっていればダイエットを続ける励みに なりますね! ⾷事に気をつけながら適度な運動をすること AIも⼈間と同じことを⾔うんだな∼ということと、やっぱり そうだったか!という納得感を得ることができました! ☆時系列分析 ☆要因分析 結果から⾔えること

  17. AIで分析しましょう! 最後にRPAで作ったデータは、、、 画像分析やテキスト分析(⾃然⾔語処理)などもできます!

  18. ご静聴ありがとうございました!       AIを気軽に使ってみましょう!