1
00:00:00,560 --> 00:00:03,660
Hola a todos, mi nombre es Lucía Paula Peña Filorbea

2
00:00:03,660 --> 00:00:07,139
y a continuación voy a hacer la aplicación de mi ITFG

3
00:00:07,139 --> 00:00:12,060
empezando por un punto principal, que es el nombre de mi aplicación,

4
00:00:12,500 --> 00:00:13,619
se llama PowerTrack

5
00:00:13,619 --> 00:00:18,559
y es una aplicación móvil inteligente para la gestión y el seguimiento de entrenamientos personales.

6
00:00:19,500 --> 00:00:22,179
Yo decidí integrar una inteligencia artificial extra

7
00:00:22,179 --> 00:00:27,379
para personalizar las rutinas y un plan nutricional para distinto tipo de usuario.

8
00:00:27,379 --> 00:00:56,380
La principal idea de por qué surge este proyecto y por qué he decidido hacerlo es porque yo soy una persona bastante activa físicamente, me gusta el deporte y como actualmente estoy yendo bastante al gimnasio y llevo bastante el progreso y la constancia metidas ahí en la cabeza, pues decidí por qué no voy a hacer un tipo de aplicación donde actualmente se han detectado que las aplicaciones que hay en el mercado ofrecen rutinas genéricas,

9
00:00:57,380 --> 00:01:05,239
descomplejas y una separación entre un entrenamiento y una nutrición que yo creo que especialmente

10
00:01:05,239 --> 00:01:10,340
a los usuarios mayores les puede dificultar un seguimiento real de progreso o incluso

11
00:01:10,340 --> 00:01:16,700
no tan solo porque sean mayores sino también a los jóvenes, que tengamos donde también

12
00:01:16,700 --> 00:01:22,260
apuntar un seguimiento y además un consejo de nutrición que no nos hace falta pagar

13
00:01:22,260 --> 00:01:30,640
externamente a otra persona para que nos dé un plan nutricional, pues también ayuda bastante.

14
00:01:31,780 --> 00:01:39,000
Está más pensado para gente joven que no tiene tiempo para prepararse muy bien sus cosas,

15
00:01:39,000 --> 00:01:41,260
quiere ir a lo rápido, etc.

16
00:01:42,219 --> 00:01:48,459
Bueno, pues ahora a continuación voy a hacer una breve explicación sobre la arquitectura

17
00:01:48,459 --> 00:01:50,159
y tecnologías de esta aplicación.

18
00:01:51,319 --> 00:01:55,719
Y bueno, en primer lugar, la aplicación está desarrollada con Kotlin,

19
00:01:56,280 --> 00:02:01,319
con Compose, que es la interfaz con la que interactúa el usuario.

20
00:02:02,459 --> 00:02:06,560
En segundo lugar, como se puede ver, el backend principal está desarrollado

21
00:02:06,560 --> 00:02:10,719
con Spring Boot en Java, que gestiona toda la lógica de negocio,

22
00:02:10,719 --> 00:02:15,360
seguridad, mediante JWT, la base de datos MySQL,

23
00:02:16,180 --> 00:02:18,199
que también la implementé con FlowWave.

24
00:02:18,460 --> 00:02:20,180
¿Por qué decidí hacerlo con Flyway?

25
00:02:21,599 --> 00:02:27,520
Decidí utilizarlo porque tuve bastantes problemas con el tema de los duplicados en la base de datos

26
00:02:27,520 --> 00:02:33,680
y me fijé que era un error que la verdad, mediante que estuve investigando

27
00:02:33,680 --> 00:02:38,120
y también gracias a unos compañeros de la empresa en la que estoy de práctica,

28
00:02:38,680 --> 00:02:44,039
me dieron un poco de feedback y actualmente en bastantes empresas se utiliza Flyway

29
00:02:44,039 --> 00:02:49,960
y la verdad es que tampoco es muy difícil de utilizar ni de implementar, es bastante sencillo

30
00:02:49,960 --> 00:02:55,000
y dije, es la mejor ruta para evitar tampoco que me surjan más problemas

31
00:02:55,000 --> 00:03:00,819
y evitar lo que surjan también en la hora de probar esta aplicación y decidí irme por ello.

32
00:03:01,919 --> 00:03:09,259
Bueno, ahora tenemos la parte del microservicio de inteligencia artificial desarrollado en Python con FastAPI

33
00:03:09,259 --> 00:03:15,819
que tiene un endpoint REST que el backend lo llama para obtener la recomendación personalizada del usuario.

34
00:03:17,539 --> 00:03:27,960
A continuación vamos a probar la aplicación, vamos a ver todas sus funcionalidades y las pantallas que he implementado.

35
00:03:28,879 --> 00:03:35,800
Como podemos ver la pantalla login para que el usuario ingrese su cuenta, también tenemos la opción de registrarse.

36
00:03:35,800 --> 00:03:39,060
vamos a hacerlo de principio, vamos a registrarnos

37
00:03:39,060 --> 00:03:40,759
vamos a poner un nombre

38
00:03:40,759 --> 00:03:42,340
Pepe, un email

39
00:03:42,340 --> 00:03:45,039
podemos probar también errores

40
00:03:45,039 --> 00:03:47,139
vamos a hacerlo sin ningún dominio

41
00:03:47,139 --> 00:03:48,719
vamos a poner Pepe otra vez

42
00:03:48,719 --> 00:03:50,919
vamos a poner yo que sé

43
00:03:50,919 --> 00:03:52,879
Pepe y vamos a

44
00:03:52,879 --> 00:03:54,560
hacer contraseñas para ver si

45
00:03:54,560 --> 00:03:56,840
bueno, al principio

46
00:03:56,840 --> 00:03:58,740
nos dice que Pepe necesita

47
00:03:58,740 --> 00:04:00,120
si o si un email

48
00:04:00,120 --> 00:04:02,199
vamos a poner por ejemplo

49
00:04:02,199 --> 00:04:04,120
gmail.com

50
00:04:04,120 --> 00:04:18,180
las contraseñas no son correctas, vamos a ver si salta un error, ahí estamos, podemos ver que también se puede ver la contraseña aquí,

51
00:04:18,180 --> 00:04:31,540
1, 2, 3, 4, 5, 1, 2, 3, 4, 5, vale, nos registramos, vale, volvemos a la aplicación, ya como nos hemos registrado

52
00:04:31,540 --> 00:04:44,509
correctamente, ingresamos el usuario, vamos a ver si la contraseña, bueno, ahí estamos, vale, entramos a la pantalla

53
00:04:44,509 --> 00:04:51,389
de formulario, donde aquí la IA que he entrenado yo va a conocer al usuario básicamente su

54
00:04:51,389 --> 00:04:58,910
objetivo, qué tipo de género tiene, cuántos años, unas preguntas varias para conocer

55
00:04:58,910 --> 00:05:05,689
al usuario. Vamos a decir que somos mujer, tenemos entre 16 y 29 años, nuestra prioridad

56
00:05:05,689 --> 00:05:12,170
es ganar músculo, vamos a poner que lleva más de dos años entrenando y que tenemos

57
00:05:12,170 --> 00:05:17,490
de entrenamiento cinco días a la semana. No tengo ninguna lesión y vamos a hacer un

58
00:05:17,490 --> 00:05:26,870
mixto. Vamos a poner que peso 65 kilos. Aquí entramos a la pantalla de espera donde la

59
00:05:26,870 --> 00:05:33,290
IA está pensando el modelo del usuario y a continuación tenemos el para ti. Este para

60
00:05:33,290 --> 00:05:42,110
ti está diseñado para que el usuario básicamente sepa un plan de entrenamiento, otro plan

61
00:05:42,110 --> 00:05:49,329
nutricional que está recomendando para ese tipo de usuario. Pues aquí tenemos un breve

62
00:05:49,329 --> 00:05:56,209
texto donde la IA depende del usuario, le recomienda una cosa u otra, también unos

63
00:05:56,209 --> 00:06:02,470
consejos nutricionales, tenemos aquí el volumen, bueno, el tipo de entrenamiento que nos ha

64
00:06:02,470 --> 00:06:11,589
recomendado la IA y también el valor nutricional que tenemos que tener. Vale, pues vamos a

65
00:06:11,589 --> 00:06:17,829
entrar en el detalle de entrenamiento. Como vemos la IA asigna un volumen avanzado al

66
00:06:17,829 --> 00:06:24,850
usuario y aquí tenemos la lista de ejercicios, donde están repartidos por distintas categorías

67
00:06:24,850 --> 00:06:31,709
de músculo. Tenemos aquí la serie, las repeticiones y el descanso recomendado y también tenemos

68
00:06:31,709 --> 00:06:38,529
un GIF para ver cómo se hace el ejercicio y no tener dudas sobre ello. Aquí tenemos

69
00:06:38,529 --> 00:06:49,829
bastantes ejercicios con distinto tipo. Bueno, aquí tenemos el plan nutricional, si pinchamos

70
00:06:49,829 --> 00:06:55,990
entramos al detalle, donde podemos ver aquí lo que nos ha recomendado la IA. En este caso

71
00:06:55,990 --> 00:07:02,790
tenemos el super hábit avanzado, donde nos calcula las calorías diarias y la proteína,

72
00:07:02,790 --> 00:07:11,310
los carbohidratos y las grasas. Tenemos aquí repartidas las comidas, tanto como desayuno, almuerzo, cena y merienda.

73
00:07:12,310 --> 00:07:21,550
En el almuerzo pues tenemos distintos tipos de comidas a comer, si no queremos arroz con pollo, pues también tenemos otro tipo de comida.

74
00:07:21,550 --> 00:07:29,769
Como podemos ver también aparecen las calorías junto con las grasas y la proteína

75
00:07:29,769 --> 00:07:34,649
Y este sería el detalle de comidas

76
00:07:34,649 --> 00:07:41,209
Vamos a pasar a otra funcionalidad de la aplicación donde tenemos el calendario

77
00:07:41,209 --> 00:07:47,790
Aquí podemos asignar en distinto día el tipo de entrenamiento que hemos tenido

78
00:07:47,790 --> 00:07:51,509
Por ejemplo, he entrenado el 1 de mayo pero se me olvidó apuntarlo

79
00:07:51,509 --> 00:07:53,990
Asignamos el 1 de mayo, le damos a añadir

80
00:07:53,990 --> 00:07:56,610
Tenemos aquí el registrar entrenamiento

81
00:07:56,610 --> 00:07:57,930
Donde podemos registrar

82
00:07:57,930 --> 00:07:59,310
Distinto tipo de ejercicio

83
00:07:59,310 --> 00:08:02,009
Vamos a poner que he hecho prensa de piernas

84
00:08:02,009 --> 00:08:03,430
Y he puesto

85
00:08:03,430 --> 00:08:05,290
100 kilos, venga va

86
00:08:05,290 --> 00:08:07,790
Añadimos otro ejercicio más

87
00:08:07,790 --> 00:08:10,230
Hemos hecho también remón polea baja

88
00:08:10,230 --> 00:08:12,170
Y le he puesto

89
00:08:12,170 --> 00:08:13,750
50 kilos

90
00:08:13,750 --> 00:08:14,850
Hoy estoy fuerte

91
00:08:14,850 --> 00:08:18,449
Ponemos aquí observaciones

92
00:08:18,449 --> 00:08:28,269
mucho peso. Por ejemplo, le damos a guardar entrenamiento, vemos que se ha guardado correctamente,

93
00:08:28,269 --> 00:08:36,509
vamos al calendario y aquí nos sale el día de entrenamiento con los ejercicios que hemos

94
00:08:36,509 --> 00:08:44,570
hecho, los pesos, las repeticiones y una observación. Por ejemplo, vamos a añadir este día. Bueno,

95
00:08:44,570 --> 00:09:05,309
Aquí también tenemos el contador de los días entrenados, vamos a decir que hoy hemos entrenado dominadas, con nada de peso, jalón al pecho, con 60 kilos y ¡ay! que me he equivocado, que este ejercicio no lo he hecho, pues nada, lo borro y ya está.

96
00:09:05,309 --> 00:09:28,669
No quiero poner ninguna observación, le damos a guardar, volvemos al calendario y vemos que también se ha guardado el día de hoy, los días entrenados, tenemos aquí otro apartado de registrar para ser más fácil y llevadero, si no queremos darle aquí, que es un clip, pero tenemos también aquí un apartado.

97
00:09:28,669 --> 00:09:38,909
Y por último tenemos el apartado de perfil, donde el usuario puede agregar una foto de su galería, en este caso como estoy en el emulador no tengo ninguna foto en la galería.

98
00:09:40,090 --> 00:09:45,230
Y también puede ver su nombre de usuario, su email y la rutina sin nada.

99
00:09:46,230 --> 00:09:55,669
Le damos a cerrar sesión y bueno, pues si queremos iniciar sesión otra vez, iniciamos y automáticamente se pone en el para ti.

100
00:09:55,669 --> 00:10:03,750
Vale, pues a continuación voy a explicar el modelo de la inteligencia artificial que entrené

101
00:10:03,750 --> 00:10:09,669
Voy a mostrar un poquito el código hecho con Python, el modelo de Random Forest

102
00:10:09,669 --> 00:10:16,269
Cómo fue entrenado con un dataset de 5.000 registros y vamos allá

103
00:10:16,269 --> 00:10:24,110
El problema que resuelve esta IA es que la mayoría de las aplicaciones fitness dan la misma rutina a todo el mundo

104
00:10:24,110 --> 00:10:34,990
Entonces PowerTrack lo que hace es que recibe el perfil básico del usuario y lo recomienda automáticamente a una rutina y dieta más adecuada para ese tipo de usuario.

105
00:10:35,490 --> 00:10:45,889
Como vemos aquí tenemos un modelo que recibe ocho variables y de las cuales se categoriza al usuario.

106
00:10:46,870 --> 00:10:56,750
Tenemos también 8 recomendaciones, de las cuales también dependiendo del objetivo del usuario y del estudio que hace la IA en ese usuario se recomienda.

107
00:10:57,470 --> 00:11:03,409
Bueno, vamos a una pregunta que os podéis preguntar y es cómo se genera el dataset.

108
00:11:03,409 --> 00:11:09,870
Como no tenía datos reales de usuarios, diseñé reglas expertas que imitan un entrenador profesional, por así decirlo.

109
00:11:09,870 --> 00:11:24,149
Por ejemplo, si el usuario tiene una lesión, siempre recibe el perfil 7. Si el usuario tiene más de 50 años y quiere definición, perfil 3. Esas reglas se generaron con 5.000 registros sintéticos.

110
00:11:24,149 --> 00:11:41,149
El punto más fuerte e importante a mencionar yo creo es que se añadió un 4% de ruido aleatorio del dataset, es decir, esto hace que el modelo no memorice las reglas sino que aprenda patrones generalizados.

111
00:11:41,149 --> 00:11:55,029
¿Vale? Pues aquí tenemos el flujo, el usuario va a mandar una petición post donde el usuario va a ver el formulario, va a tener que rellenarlo y se lo manda directamente a Spring, al backend.

112
00:11:55,710 --> 00:12:05,049
Spring lo que hace es llamar al microservicio hecho desde FastAPI y recibe la recomendación, la guarda en la base de datos y se la devuelve al usuario otra vez.

113
00:12:05,049 --> 00:12:12,690
básicamente es llamar a un backend pero externo a Spring Boot que es el principal que tenemos

114
00:12:12,690 --> 00:12:22,409
aquí lo importante de todo esto es que el dataset de 5000 registros está generado con reglas científicas basadas en estudios

115
00:12:22,409 --> 00:12:34,529
es decir en organismos como la ACSM y la INSS que básicamente por eso el modelo alcanza una precisión del 96.10%

116
00:12:34,529 --> 00:12:41,649
y que la variable más importante resultó ser la lesión física con un 50% de importancia.

117
00:12:42,710 --> 00:12:48,950
Y por último me gustaría comentar unas mejoras a futuro que me hubiese gustado implementar,

118
00:12:49,029 --> 00:12:54,590
por ejemplo como la integración estable con Gemini para generar un contenido dinámico

119
00:12:54,590 --> 00:13:02,330
y una incorporación de peso exacto del usuario como una variable continua del modelo de la IA que he entrenado

120
00:13:02,330 --> 00:13:07,429
para que no sea todo cerrado a 5.000 registros y 8 recomendaciones.

121
00:13:08,110 --> 00:13:13,129
También me hubiese gustado implementar unas estadísticas de progreso a lo largo del tiempo

122
00:13:13,129 --> 00:13:21,909
para que el usuario vea cuál ha sido su progreso exacto en diferente ciclo de su vida, por ejemplo.

123
00:13:23,289 --> 00:13:25,570
Y esa sería mi aplicación de TFG.