Food-Friend Meeting

→ Proje Başlangıç Tarihi: 2019 Ekim

→ Ortak Drive Folder: https://drive.google.com/drive/u/0/folders/1jqPTXyPa7EcRmKBio0qUE66UaD2aSCAh

→ Özetle besin alımının takibi projesidir. Sadece obezite değil yaşam kalitesini artırıcı bir tabanda.

→ Telefon veya akıllı saatlerden sensörler bazlı ve kullanıcılara sorulan sorular bazlı veriler alınıp ortak veri katmanına gönderilir. Veri analiz ve servisleri geliştirilir. Buradan çıkan analizler sonucunda çıktılar kullanıcılara predict veya feedback verir. Ard web uygulaması ve ilgili analiz servisleri tarafında çalışacak.

→ Cihazlardan veri alma yazılımlarının ve platform tarafındaki ve machine learning tarafındaki çalışmaların başlaması gerekmektedir.

→ Toplanan veriler üzerinden analiz yapıp analizler sonucunda tavsiyeler/feedback'ler verebilen bir data analytics tarafı olacak. Bu tarafın sağlıklı çalışması için vatandaşların yeme içme aktivite bilgisi lazım (yemek yeme atıştırma sıvı alma sıklıkları miktarları) . Bu veriler sensör device aracılığıyla alınacak. Bu işle daha çok mobil taraf yazılımını üreten firma ilgilenecek. Ne yediği, yediği şeyin gıda içeriklerini ve bunların yanında obezite ile ilgili kişinin sağlık durumuna ilişkin anketleri (aralıklarla bu bilgileri alıp kilo değişimleri vb takibi) almamız gerekir.

→ Turkcell tarafında yemeklerin karekod barkodları olursa ve yemeği alırken bu barkodları okutabilirsek sisteme girdi sağlayabiliriz. Ne kadar yediğine dair bilgiyi kullanıcıdan alabiliriz veya Turkcell tarafında yemek oranları alınabilir.

→ Örnek olarak; kişinin obezite sorunu var, bu sorundan dolayı 10 gün içerisinde 1 kg zayıflamış olmak hedeflenebilir. Bu diyete de bağlı olabilir. Tüm kurgu Health Goal'e yöneliktir.

→ Projenin uluslararası tarafında 4 temel use-case var:

1. Hastane ortamında Beslenme

2. Evde Bakım Beslenmesi

3. Diyabet Hastalarının Takibi ve Beslenmesi

4. Obezite.

Bu use-case'ler artırılabilir.

→ Bireysel veya kurumsal bazdaki personellerden veri akışı olabilir, kullanıcı tipleri tasarlanmış durumda ve geniş kapsamda ele alınmış durumda.

→ Health Data'lar end-user'dan alınabilir (health professionalları da end-user olarak alabiliriz.). Health Goal'leri end-user veya prof user girebilir. Vatandaşın yağ oranı bilgisini alabilmeliyiz. Enerji sarfiyatı ile ilgili (ne kadar koşmuş, uyumuş vs) bilgi almamız gerekebilir.

→ Mobil taraf bizde değil. end-user mobil kullanacak. Akıllı saatlerden de alınan veriler olacak bunların nasıl alınacağı üzerinde çalışılacak.

→ Hedeflerden bazıları: Gıda Yeme Profilinin Çıkarılması, Aldığı Besinlere Göre Geleceğe Yönelik Prediction Yaparak Feedback Dönüşü, Profesyonellere Değişimlere Bağlı Goal'ler Vermek. Bunlar yapay zeka taraflı dönüşlerin olacağı case'ler. Örnek olarak Turkcell organizasyonuna da yemek programına yönelik feedback dönüşü yapılabilir.

→ Kullanıcının en kolay ve en hızlı şekilde verilerinin girişini sağlayabilmek.

→ Mobil yazılım tarafından veri bizlere aktarılacak ve herkesin kullandığı ortak servislerde analizler yapılacak. Health Professional'lar daha çok end-user'ın yapabildiklerini yapabilmek için mobil kullanacak ama analizlere göre çalışmalarına yön verecek durum web tarafından yapılacak. Analiz ve feedback servisleri bizim tarafımızda dönecek fakat mobile de açık olacak. Mobilde yapılan bazı durumları webde de yapabilmeliyiz. Webdeki kullanıcı diyetisyen olabilir, doktor olabilir, organizasyonun yemek sorumlusu olabilir, veya kullanıcının kendisi de olabilir.

→ Image Processing, Speech To Text gibi teknoloji kullanımlarına dair çalışmalar yapılabilir. Bu çalışmalar, kullanıcılardan alınacak verinin akış hızı ve kullanıcıyı sistemde tutmak amaçlı çalışmalar.

→ O anda nerede yemek yediğine dair o restoranın menüsünden seçim yaptırabiliriz. (Bunun için ilgili restoranın menüsüne erişim gereklidir.)

→ Çağrı Bey: yediğini değil yiyeceğini de gösterebiliriz. (Bu case geliştirilecek.) - Ziya Hoca: yiyecek önerisi yaptıktan sonra bir map entegrasyonu ile çevredeki yiyebileceği restoranları da gösterebiliriz. Fakat bizim case'imize göre yediği ve ne kadar yediğinin takibinin yapılması da şart.

• → Mimari

  Communication Layer'dan bağlantı kurulacak. REST API kullandığımızda her iki taraf da (mobil ve web) kullanabilir. Bu layer App Server'la da iletişimli. Short-Long Term Memory erişimleri de burada bağlantı noktasında. Publish subscribe durumunda olmalı, event'lara bağlı alarmlar üretebilmemiz gerekecek. Event Processing'lerle de sağlanabiliyor. Short-Term data ve Long-Term Data'lara göre farklı predictler ve feedbackler verilebiliyor olacağız. Data Access ve Authentication modülleriyle de verilerin sahipliğini kontrol edebiliyor olacağız.

→ Anlık yeme aktivitesinin kontrolünü yapıp yemek mi yiyorsun soruları ve bunlara verilecek cevaplar. Sensör bazlı.

→ Drive'daki Kullanım Senaryoları dosyası üzerinden back-loglar ve requirement listler çıkarabiliriz. Senaryoların içerisinde düz bir şekilde nerede nelerin yapılacağı ile ilgili başlıklar ekleyebiliriz.

→ Başka bir gelecek döküman içerisinde takip edeceğimiz vatandaşlar için hangi besin değerleri önemlidir maddeleri var. Nutrition data olarak o bilgilere ulaşmanın yollarına bakacağız. İlgili listeyi kısaltma çalışması yapabiliriz.

Sequence Diagram da çıkarabiliriz.

Veri yönetim planı ile ilgili çalışma yapabiliriz.

Diyetkolik Uygulaması Web (Çağrı Bey'in Önerisi)

Bunların yanı sıra diyetisyenlerin listelendiği, raporların oluşturulduğu ekranlar da mevcut. Uygulamanın web tarafında kullanıcıdan manuel olarak veri girişi sağlanarak kullanıcı bazlı bir analiz yapılıyor.

https://www.diyetkolik.com/