Open Source Load Monitor

Het project heeft als doel de resultaten van het Raak project Big data technologie voor detectie overbelasting sporters beschikbaar te maken voor een groter publiek. Tijdens het RAAK project is er een prototype ontwikkeld van een monitor die de belasting van sporters in kaart brengt. Deze tool helpt trainers en sporters om snel inzicht te krijgen in mogelijke over- en onderbelasting van de atleten om zo een optimaal trainingsprogramma op te stellen waarmee de kans op blessures wordt geminimaliseerd en de fitheid wordt gemaximaliseerd.
Hierbij wordt gebruik gemaakt van machine learning om voorspellingsmodellen te maken op basis van de aangeleverde data van de respectievelijke consortiumpartners. Omdat de sportclubs verschillende sensoren gebruiken voor de bewegingsdata en verschillende vragenlijsten gebruiken voor wellbeing en trainingszwaarte moeten de modellen geschikt gemaakt worden voor elke club apart.
Binnen dit Top-Up project creëren we een opensource omgeving waarbij belangstellenden het algemene deel (de gebruikersinterface en de methodiek voor machine learning) kunnen gebruiken, waarbij ze voor het datadeel een aanpassing kunnen maken voor hun eigen organisatie. Op deze manier willen we de in de RAAK project opgedane kennis verder verspreiden en de mogelijkheid bieden om dit door te ontwikkelen.

Open Source Load Monitor heeft als doel om de resultaten van het Raak-Publiek project ‘Big data technologie voor detectie overbelasting sporters’ beschikbaar te maken voor een groter publiek. Tijdens het project is er een softwareprototype ontwikkeld van een monitor die de belasting van sporters in kaart brengt.
Deze tool helpt trainers en sporters om snel inzicht te krijgen in mogelijke over- en onder-belasting van de sporters om zo een optimaal trainingsprogramma op te stellen waarmee de kans op blessures wordt geminimaliseerd en de fitheid wordt gemaximaliseerd. Hierbij wordt gebruik gemaakt van machine learning om voorspellingsmodellen te maken op basis van de aangeleverde data van de respectievelijke consortiumpartners.
Omdat de sportclubs verschillende sensoren gebruiken voor de bewegingsdata en verschillende vragenlijsten gebruiken voor well-being en trainingszwaarte moeten de modellen geschikt gemaakt worden voor elke club apart.
De Top-Up subsidie zal gebruikt worden om een opensource omgeving te creëren waarbij belangstellenden het algemene deel (de gebruikersinterface en de methodiek voor machine learning) kunnen gebruiken, waarbij ze voor het datadeel een aanpassing kunnen maken voor hun eigen organisatie. Op deze manier willen we de in het project opgedane kennis verder verspreiden en de mogelijkheid bieden om dit door te ontwikkelen.