Riconoscimento dell’attività umana mediante algoritmi di Machine Learning: uno studio sperimentale

Lo studio si basa sui dati raccolti dalla "Human Activity Recognition (HAR) using Smartphones", un progetto che ha coinvolto 30 volontari di età compresa tra 19 e 48 anni. Durante sei diverse attività (camminare, salire le scale, scendere le scale, sedersi, stare in piedi e sdraiarsi), i partecipanti hanno indossato uno Smartphone Samsung Galaxy S II, che ha registrato l'accelerazione lineare e la velocità angolare su tre assi utilizzando accelerometri e giroscopi. Il dataset è stato reso disponibile all'interno del UC Irvine Machine Learning Repository. E' stata eseguita un'analisi approfondita dei dati forniti, sviluppando modelli di classificazione per identificare le diverse attività dell'utente nel tempo. Sono stati utilizzati sia modelli classici che tecniche di Deep Learning per valutare l'accuratezza delle previsioni. L'obiettivo è stato comprendere quale modello si adattasse meglio al problema di classificazione multi classe e alle caratteristiche del dataset. L'intero progetto di analisi è stato condotto utilizzando Python e Jupyter Notebook, un ambiente di sviluppo interattivo che offre funzionalità avanzate e librerie integrate per la Data Science. Il progetto è stato un esempio di come l'integrazione tra intelligenza artificiale, tecnologia degli Smartphone e analisi dei dati, possa portare a risultati significativi nell'ambito del monitoraggio delle attività umane.