TrackFit
KimmiKumari07 · Assistant d’IA
TrackFit est un suivi de fitness personnel open source, conçu comme une application web Streamlit. Vous saisissez des données de base comme l'IMC, l'âge, le sexe, la durée de l'entraînement, la fréquence cardiaque et la température corporelle, puis il prédit les calories brûlées grâce à l'apprentissage automatique. Voyez-le comme une application de prédiction des calories que vous exécutez vous-même. Vous pouvez enregistrer chaque prédiction, revenir sur votre historique et télécharger tout le journal en fichier CSV.
À propos de TrackFit
Qu'est-ce que TrackFit
TrackFit est une petite application de suivi de fitness centrée sur une seule tâche : estimer les calories brûlées à partir des données de votre entraînement. Elle tourne dans le navigateur via Streamlit et s'appuie sur trois modèles d'apprentissage automatique pour faire ces estimations. C'est, en pratique, un suivi de fitness par IA pour qui aime regarder sous le capot. Le projet est gratuit et open source sous licence MIT, donc n'importe qui peut l'exécuter en local ou lire le code derrière ses prédictions.
Il règle un agacement courant dans les applications de fitness, qui cachent souvent le calcul des calories derrière un abonnement ou un nouveau compte. TrackFit passe tout cela. Vous saisissez vos données, vous ne choisissez rien et vous laissez l'application sélectionner le modèle pour vous. L'ensemble est pensé pour ceux qui veulent comprendre d'où vient un chiffre plutôt que faire confiance à une boîte noire, et cet objectif façonne chaque écran et chaque graphique que vous verrez dans l'application.
Le principal bémol, c'est qu'il s'agit d'un projet auto-hébergé, pas d'un produit grand public peaufiné. Pas d'application mobile, pas de synchronisation dans le cloud, donc il vous faut Python et un peu de configuration pour le faire tourner. Le code source est sur GitHub, et le mainteneur le publie comme outil d'apprentissage et de suivi, pas comme service commercial. Grosse différence si vous attendiez un téléchargement depuis une boutique d'applications.
Pour commencer
- Clonez le dépôt TrackFit depuis GitHub sur votre ordinateur.
- Installez les dépendances Python avec
pip install -r requirements.txt. - Vérifiez que les fichiers du modèle pré-entraîné sont bien dans le dossier
models/, ou réentraînez-les avec joblib s'ils manquent. - Lancez l'application avec
streamlit run app.py, qui l'ouvre dans votre navigateur. - Saisissez votre IMC, votre âge, votre sexe, la durée de l'entraînement, votre fréquence cardiaque et votre température corporelle, puis cliquez sur Start Prediction.
Informations sur le produit
Aperçu des tarifs, des plateformes compatibles et des performances de TrackFit.
Idéal pour
Les utilisateurs, tâches et cas d'usage où cet outil convient le mieux.
Utilisateurs
- Les passionnés de fitness curieux de données
- Les étudiants qui apprennent l'apprentissage automatique
- Ceux qui s'entraînent à la maison et ne veulent pas d'abonnement
Tâches
- Prédire les calories brûlées
- Enregistrer les entraînements passés
- Exporter les données d'entraînement
- Inspecter le comportement du modèle
Cas d'usage
- Comprendre comment les modèles de ML choisissent leurs variables
- Suivre une routine d'entraînement à la maison pendant des semaines
- Construire votre propre tableau de bord fitness
Fonctionnalités clés
Prédiction des calories par plusieurs modèles
TrackFit fait tourner trois modèles : machine à vecteurs de support, régression logistique et forêt aléatoire. Plutôt que de vous demander de choisir, il lit votre IMC, votre âge et la durée de l'entraînement et sélectionne le modèle qui correspond à ces paramètres. Cela retire les tâtonnements du fitness en apprentissage automatique et vous donne un seul chiffre sur lequel agir. Aucun tableur nécessaire.
Sélection automatique du modèle
L'application décide lequel de ses modèles utiliser selon vos données. Cela compte parce qu'un débutant et un athlète entraîné ne brûlent pas les calories de la même façon, et un modèle unique et figé effacerait cette différence. Vous saisissez simplement vos données. Laissez la logique faire le travail.
IMC saisi ou calculé
Vous pouvez saisir votre IMC directement si vous le connaissez déjà, ou laisser l'application le calculer à partir de votre taille et de votre poids. C'est un petit plus, mais cela vous évite d'ouvrir un autre onglet avec une calculatrice avant d'obtenir une prédiction. Pratique quand vous partez en courant. Moins de tracas, même résultat.
Historique des prédictions et identifiants utilisateur
Chaque prédiction est enregistrée et associée à un identifiant utilisateur unique. Cela veut dire que vous pouvez revenir plus tard et voir un journal continu de vos séances, au lieu de perdre chaque chiffre dès que vous fermez l'onglet. L'historique est conservé dans un fichier CSV local, donc les données restent sur votre machine et nulle part ailleurs, un changement appréciable face à l'application de fitness habituelle, tournée vers le cloud, qui veut synchroniser tout ce que vous faites avec un compte que vous ne pouvez pas supprimer.
Export CSV
Vous pouvez télécharger vos prédictions enregistrées en CSV à tout moment. C'est utile si vous suivez votre fitness dans un tableur, si vous voulez tracer vos propres tendances ou si vous voulez injecter les données dans un autre outil d'analyse sans retaper les chiffres à la main. Un clic. Aucun enfermement.
Visualisation des données historiques
L'application trace vos prédictions passées pour que vous repériez des tendances, comme les semaines où votre dépense estimée a grimpé ou baissé. Visualiser le journal est bien plus rapide que de parcourir des rangées de chiffres, et cela transforme une liste plate d'estimations en une histoire que vous pouvez lire d'un coup d'œil quand vous voulez savoir si un bloc d'entraînement porte ses fruits.
Importance des variables pour la forêt aléatoire
Quand le modèle de forêt aléatoire entre en jeu, TrackFit montre quelles variables d'entrée ont le plus influencé la prédiction. C'est un regard honnête sur le raisonnement du modèle, et c'est utile si vous étudiez le fonctionnement réel de ces algorithmes. La plupart des applications de fitness ne montrent jamais cela. Cette transparence est tout l'intérêt, et c'est la raison pour laquelle un utilisateur à l'esprit analytique choisirait ce projet plutôt qu'un suivi commercial léché qui cache sa formule.
Avantages et inconvénients
Avantages
- Gratuit et open source sous licence MIT, avec le code complet sur GitHub.
- Prédit les calories brûlées avec trois vrais modèles d'apprentissage automatique, pas une formule figée.
- Choisit le meilleur modèle pour vous selon l'IMC, l'âge et la durée de l'entraînement.
- Conserve l'historique des prédictions et permet de l'exporter en CSV.
- Montre l'importance des variables, donc le côté ML n'est pas une boîte noire totale.
Inconvénients
- Pas d'application mobile ni de synchronisation cloud, donc il faut l'exécuter en local via Streamlit.
- L'installation demande Python et un terminal, ce qui rebutera les utilisateurs occasionnels qui veulent juste ouvrir une application et commencer à enregistrer.
- Les prédictions valent ce que valent vos données, et l'application ne vérifie pas pour vous les relevés de fréquence cardiaque ou de température.
Questions fréquentes
TrackFit estime combien de calories vous avez brûlées pendant un entraînement. Vous saisissez des données personnelles et des données d'entraînement, il les passe dans un modèle d'apprentissage automatique pour produire un chiffre, puis il l'enregistre pour un examen ultérieur.
Contenus associés
Découvrez des outils, des compétences et des articles liés à TrackFit.
Alternatives à TrackFit
Iplan AI
Iplan AI · Productivité · Assistant d’IAIplan AI est un planificateur de voyage IA qui transforme quelques détails de voyage en un itinéraire complet jour par jour en quelques secondes. Vous répondez à des questions sur votre destination, vos centres d'intérêt, votre budget et vos compagnons de voyage, et l'outil construit un plan que vous pouvez modifier, partager et emporter sur n'importe quel appareil. Il vise les voyageurs qui veulent une bonne première version sans passer des heures entre tableurs et onglets de navigateur. Voyez-le comme un générateur d'itinéraires qui fait à votre place la partie fastidieuse.
Screenhelp
Screenhelp · Productivité · Assistant d’IAScreenhelp est un assistant d'écran IA qui transforme un simple raccourci clavier en aide en temps réel. Vous appuyez sur Ctrl+Shift+Space, il capture ce qui s'affiche à l'écran et diffuse une réponse dans un panneau privé en deux secondes environ. Voyez-le comme une aide par capture d'écran que vous déclenchez à la demande. Il tourne sur Mac, Windows et le web, démarre gratuitement avec 30 réponses par mois et reste invisible pendant le partage d'écran sur Zoom, Teams et Google Meet.
Rainbow
Rainbow · Assistant d’IARainbow est une application météo à IA construite autour de la prévision immédiate des précipitations à court terme. Son moteur pousse des prévisions de pluie et de neige minute par minute jusqu'à quatre heures à l'avance, en fusionnant des flux satellites et radar en direct dans des prévisions hyperlocales. L'application ajoute un radar de pluie en direct, des prévisions à sept jours, des alertes de précipitations, des widgets d'écran d'accueil et un suivi des ouragans. Elle tourne sur Android et iOS, avec une offre gratuite et des options payantes.