Personal trainer

This project provides tools for a personal trainer managing multiple people. It automates data collection, reports, analytics and more.

Workflow

1. Input datos
2. Parámetros secundarios
3. Macro y Mesociclos
4. Plan de alimentación
5. Plan de ejercicio
6. Seguimiento semanal
7. Seguimiento bisemanal
8. Report final de fase
9. Corregir/adaptar plan sobre la marcha
10. Report final de tratamiento
11. Encuesta de satisfacción

Finished tools

Generate personal data with secondary parameters

Data from google forms (name, age, sex, weight, height, current state, goals, preferences...) + bioparameters (BMR, BMI...) as can be seen in personal_data_example.csv.

Generate exercise plan from simple description in .yml

The trainer defines a simple exercise plan like in exercise_plan_input_example.yml (you can validate it with https://yaml-online-parser.appspot.com/) and the program generates a full training & tracking plan like in exercise_data_example.csv.

Planned Tools

1. Preguntar datos de input [gform]
2. Exportar datos de Input a csv [pandas]
3. Generar parámetros secundarios [python]
4. Guardar datos a perfil (formato json) [json]
5. Generar mesociclos [python]
6. Generar plan de ejercicio a partir de json de input [json]
7. Generar plan de ejercicio a partir de str [python]
8. Preguntar seguimiento semanal [gform]
9. Generar seguimiento semanal a partir de input [pandas]
10. Preguntar seguimiento bisemanal [gform]
11. Generar seguimiento bisemanal a partir de input [pandas]
12. Preguntar feedback mesociclo [gform]
13. Generar report final de mesociclo [pandas]
14. Generar report final de tratamiento [pandas]

Advanced functionalities

• Clasificar cliente a partir de datos de input y parámetros secundarios [clustering]
• Autogenerar plan de ejercicio [cluster -> hausdorff distance]
• Predecir fases a partir de clasificación [cluster -> hausdorff distance // modal sequence]
• Predecir seguimiento semanal a partir de clasificación [cluster -> hausdorff distance // LSTMs // LLMs]
• Predecir report final de fase a partir de clasificación [cluster -> hausdorff distance // LSTMs // LLMs]
• Predecir report final de tratamiento [cluster -> hausdorff distance // LSTMs // LLMs]