Edzésoptimalizálási webalkalmazás fejlesztése mesterséges intelligencia segítségével

Abstract

A szakdolgozat célja egy mesterséges intelligenciával támogatott, szabályalapú szakértői rendszer kifejlesztése volt a személyre szabott fitnesz edzéstervezés optimalizálására. A kutatás rávilágított arra, hogy a gépi tanulási modellekkel szemben a determinisztikus szakértői rendszerek biztonságosabb, anatómiailag validáltabb megoldást nyújtanak a sporttudományi alkalmazásokban. A webalkalmazás backend logikája Python és Flask keretrendszerre épül, míg az adatkezelést a Pandas és egy SQLite relációs adatbázis biztosítja. Az edzéstervek összeállítását egy saját fejlesztésű, Frissességi Pontszámra épülő mohó algoritmus végzi, amely hatékonyan minimalizálja az izomcsoportok túlterhelését. A felhasználói felület reszponzív, mobilra optimalizált elvek alapján készült Bootstrap 5 technológiával. A szoftver robusztusságát és adatvédelmi megfelelőségét kiterjedt funkcionális, valamint kiberbiztonsági tesztelések igazolták. Az elkészült platform sikeresen demokratizálja a professzionális edzéstervezést, megbízható és tudományos alapot nyújtva a kezdő sportolók számára.