Colombia
IoT ha tenido una amplia difusión en la monitorización de variables de interés en diferentes ámbitos de aplicación tales como: salud, agricultura, medio ambiente, industria, entre otros. En el contexto del deporte, aunque los dispositivos “wearables” permiten monitorizar variables fisiológicas, tienen como limitación el hecho de estar vinculados a aplicaciones propietarias, así como un almacenamiento limitado y realizar análisis basados en estadística descriptiva, sin incluir la aplicación de modelos de analítica de datos. Este artículo presenta como aporte la construcción de un sistema IoT para la monitorización y análisis de variables fisiológicas en deportistas, a partir del uso de modelos de aprendizaje no supervisado. Este sistema está articulado en la arquitectura de cuatro capas de IoT (captura, almacenamiento, análisis y visualización) y tiene como ventaja el aprovechamiento de los datos proporcionados por dispositivos comerciales, el almacenamiento de estos en una base de datos no relacional y la aplicación de algoritmos de clustering sobre el histórico de los datos. El sistema propuesto, pretende servir de referencia para ser replicado en contextos de entrenamiento deportivo, de cara a aprovechar los datos suministrados por dispositivos “wearables” comerciales para la toma de decisiones, a partir del uso de modeles de machine learning.
IoT has had a wide diffusion in monitoring variables of interest in applications such as health, agriculture, environment, and industry, among others. In the context of sport, although wearable devices can monitor physiological variables, they are limited by the fact that they are linked to proprietary applications, have limited storage and perform analyses based on descriptive statistics without including the application of data analytics models. In this paper, we present the construction of an IoT system for monitoring and analysing physiological variables in athletes based on the use of unsupervised learning models. This system is articulated in the IoT fourlayer architecture (capture, storage, analysis and visualization). It has the advantage of benefiting from the data provided by commercial devices, storing them in a nonrelational database and applying clustering algorithms to the historical data. The proposed system is intended to serve as a reference to be replicated in sports training contexts in order to take advantage of the data provided by commercial wearable devices for decision-making based on the use of machine learning models.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados