5
免責
• このセッションは所属する組織、団体とは一切関係ありません
10
Band を使って分かったこと
• 手元でケータイの通知が取れるの便利
• Apple Watch はもっと便利な気がする–日本語使えるから
• テクノロジーに縛られた生活に万歳
16
Band で取れるデータ
• 歩数• 移動距離• 心拍数• 消費カロリー• etc
17
具体的に何ができそうか
• 日常の行動でどれくらいカロリー消費するかとか?
• ○○ すると○○ kcal 消費しますよ的なレコメンドの足掛かりができるかも?
19
一般論
• 22 歳男性、体重 63kg 、歩行 50 分– 116kcal
これほんとか?
50 分歩いてこれだけとか辛すぎる
22
今回のゴール
• 具体的に自分の体で何が起きたらどれくらいカロリー消費するのかを知る
23
使うデータ
• 平均心拍数• 消費カロリー• 歩数• 移動距離
※ 一時間当たりの情報
24
データの取得方法
• 7 月末から Microsoft Health Cloud API が提供開始
• Band が取得した情報を上げておくと REST API で取得可能
• アップロードは専用アプリからやると楽
25
API 例
• https://api.microsofthealth.net• /v1/me/Activities• /v1/me/Devices• /vi1/me/Profile• /vi/me/Summaries/{period}• Live API 認証をして個人単位で取得
26
データの扱い方
• API が返すのは JSON
• JSON を CSV に整形する– JSON を CSV に変換するサービスがあった
28
データの中身
• 虫食いになってる箇所があった–充電中のデータが欠落してた
• 今回使わないデータもあった–日付とかは、今回不要–あったらあったで面白かった説も
31
使用するアルゴリズム
• アルゴリズム大量にあってよくわからん
• Azure ML 用のアルゴリズムチートシートがあるよ– ここ
• 印刷して家の壁に貼っておこう
35
結果
• 精度が悪かった– 6割届かないくらい※卒研だったら単位貰えたくらいは頑張った
• データ数足りなかった– 三か月ちょっとのデータじゃあ…
– もっとたくさんの人のデータを収集して一般化した結果が欲しい
37
結果
• 別に運動しなくてもカロリー消費はできそう
• 心拍数を上げる手段を見つけよう–お化け屋敷ダイエットは強ち間違ってない–遊園地ダイエットも有りなのでは
38
結論
• 身体データを機械学習するのに忙しくて運動できなかった
• 学習したデータから個人毎に運動をレコメンドできると面白そう
39
結論
• Azure ML すごい– R とか Python が書けるともっと幅が広がる
• 心拍数が少しだけ高くなる生活で消費カロリーアップ!
40
最後に
• こんなことしてる時間で運動したほうが痩せたと思う