System Oceny Zdrowia Psychicznego
AI i uczenie maszynowe
Aplikacja internetowa oparta na uczeniu maszynowym, przeznaczona do oceny prawdopodobieństwa depresji na podstawie danych dostarczonych przez użytkownika dotyczących stylu życia i czynników demograficznych. System analizuje takie dane, jak informacje demograficzne, obciążenie naukowe, nawyki snu, cechy żywieniowe itp., aby natychmiast stworzyć prognozę i dostarczyć ogólne zalecenia.
Stos technologiczny
Uczenie maszynowe i nauka o danych:
• Python, Pandas, NumPy, Matplotlib, Sklearn: Czyszczenie, przetwarzanie danych, budowanie wykresów, uczenie i porównywanie modeli.
• Pipeline: Budowa pełnego pipeline'u przetwarzania danych (imputacja brakujących wartości, skalowanie).
Backend:
• Flask (Python): REST API do interakcji z modelem ML.
• Integracja: Obsługa statycznych plików z budowy React przez Flask (Jedno serwerowe wdrożenie).
Frontend:
• React + Vite + TypeScript: Nowoczesna, szybka i typowana część kliencka.
• Tailwind CSS: Stylizacja komponentów, responsywny design (Mobile-First).
• React Select: Dostosowane komponenty UI w celu poprawy UX na urządzeniach mobilnych.
Osiągnięto wysokie wyniki F1-score/Accuracy dzięki starannemu doborowi cech i walidacji. Opracowano wygodny formularz z natychmiastową walidacją i wizualizacją wyników. System pokazuje nie tylko wynik (Tak/Nie), ale także procent pewności modelu. Zintegrowano listę infolinii wsparcia psychologicznego. Pełne wsparcie dla urządzeń mobilnych (rozwiązano problem natywnych select na iOS/Android).
#machinelearning #ML #python #flask #React/TypeScript #React #TailwindCSS
Stos technologiczny
Uczenie maszynowe i nauka o danych:
• Python, Pandas, NumPy, Matplotlib, Sklearn: Czyszczenie, przetwarzanie danych, budowanie wykresów, uczenie i porównywanie modeli.
• Pipeline: Budowa pełnego pipeline'u przetwarzania danych (imputacja brakujących wartości, skalowanie).
Backend:
• Flask (Python): REST API do interakcji z modelem ML.
• Integracja: Obsługa statycznych plików z budowy React przez Flask (Jedno serwerowe wdrożenie).
Frontend:
• React + Vite + TypeScript: Nowoczesna, szybka i typowana część kliencka.
• Tailwind CSS: Stylizacja komponentów, responsywny design (Mobile-First).
• React Select: Dostosowane komponenty UI w celu poprawy UX na urządzeniach mobilnych.
Osiągnięto wysokie wyniki F1-score/Accuracy dzięki starannemu doborowi cech i walidacji. Opracowano wygodny formularz z natychmiastową walidacją i wizualizacją wyników. System pokazuje nie tylko wynik (Tak/Nie), ale także procent pewności modelu. Zintegrowano listę infolinii wsparcia psychologicznego. Pełne wsparcie dla urządzeń mobilnych (rozwiązano problem natywnych select na iOS/Android).
#machinelearning #ML #python #flask #React/TypeScript #React #TailwindCSS