MIDS顶点项目夏季2018

rootcellar

该项目

“根水窖”项目是学生皇冠体育平台,信息和数据的科学节目大学伯克利分校的主人到底顶点项目。我们的目标是使一个易于使用的餐计划和厨房,使nutitious吃更容易。更加兢兢业业,数据驱动的方法,以每周菜单规划和鼓励车采购到更多的数据驱动的,并可能导致营养努力减少浪费。

ESTA平台的概念是由团队负责人迈克gruzynski创建。项目要求相对稀疏,并允许团队从头在12周之久的顶级课程开发一个数据科学的最终产品。

下面是什么地方到这个项目的简要概述:

数据源

算法 ETL数据

  • Data ETL
    • 食谱也没有一个标准frmat。他们有成分模糊语言,缺乏测量,这使得联动硬营养数据库格式,如果是配方中不规范的一致性。
  • 主成分分析(PCA)
    • 帮助理解和定义PCA基于nuritional特点不同类别的食品营养空间(例如VS VS VS legmes水果分化的鸡,牛肉)。
  • 神经网络 - cbow
    • cbow用于联动data.gov营养成分数据库中的神经网络。
    • 我们试图利用线性和非线性的机器学习算法(逻辑回归,随机森林,SVM,梯度升压)到单个数据库链接到成分配料;然而成分的描述很非线性的(例如芦笋洗涤水,鸡皮肤上,去骨鸡肉去皮),在使用机器学习算法典型的〜80%的准确度造成。
    • cbow预测食谱到95%的神经网络助推准确性。
    • 这是一个额外的好处。当cbow-NN无法匹配的成分,它失败比线性模型和住宿一般在像类软。
  • 基于归档微遗传算法(AMGA)
    • AMGA用于多目标优化(宏和微量营养素重要即优化损耗函数)。
    • 部份算法收集来自用户的输入有多少餐一周,他们想计划。
    • 施加配方滤波器之后(用户移除最近食谱和不喜欢),它创建通过优化配方的宏/微组合的损失函数膳食计划。
    • 使用了遗传算法的,因为它是离散的数学空间随着配方的许多不同组合。

用户反馈

  • 在项目开始时的团队完成的用户评价,以操纵产品的研发和目标。这些初始用户评价从价格转向球队的焦点价值的营养和膳食计划和预算。此外,外展带领球队初始用户专注于与低启动成本和维护成本实现系统。
  • 过MVP和UI开发的过程中,球队进行了(并将继续进行)附加的用户评价测试用户界面和模型。这些用户测试有助于识别机会,以简化的用户界面,使之成为以及确定的机会,提高底层模型和功能的用户更直观。
  • 用户非常全面兴奋的项目,如能力,膳食计划Cus至mied有自己的饮食和健康需求。 UERS在那里也热衷于在一个地方准备拥有一切(如配方,购物车)。

希望这个项目的影响

  • 为什么支付食谱建议,是不适合你的健康的经纪人?相反,有定制你的喜好和营养需要的膳食计划。
    • 像招呼蓝色围裙和食谱新鲜农产品质量较低的服务不是为单一的营养需求进行了优化。自动选择一个地窖膳食计划和聚集的食物清单,这样你就不必多想什么就买什么acerca。
    • 窖的目标是使您能够创建有效地找到食谱和餐点的营养和最大化的口味偏好。
    • ,此外,我们能够帮助通过建立餐计划减少食物垃圾,在你的厨房和补充附加成分与电子购物推车成分的优化利用。
  • 除了帮助您创建一个惊人的定制的膳食计划,窖的目标是向社会的资源:
    • 帮助教育和研究作为一种工具来研究不同的饮食和食品计划如何独自ALTER当改变宏观营养素和数量。
    • 协助餐馆,餐饮业等行业的选手作为一种工具来创建时令菜肴。
    • enablinge保健医生监测患者的营养摄入,并建议重定向的患者潜在的选择。

最近更新时间:

2019年10月1日