AI-ассистент для прогнозирования спортивных травм

Возможности

• Прогноз риска травм с учётом типа, тяжести и восстановления
• Визуализация зависимости травм от рейтингов и показателей
• Персональные рекомендации по тренировкам и восстановлению
• Веб-интерфейс на Streamlit и полноценный API (FastAPI)

Стек технологий

• Python 3.10+
• pandas, xgboost, scikit-learn, seaborn, matplotlib, Streamlit, FastAPI, Docker

Структура проекта

FormCheck/
│
├── apps/                   
│   ├── main.py               ← API (FastAPI)
│   ├── streamlit_app.py      ← Веб-интерфейс (Streamlit)
│   └── dockerfile            ← Docker для API и Streamlit
│
├── data/
│   └── formcheck_data.csv    ← Исходные данные
│
├── docks/
│   ├── Empathy map.png       ← API (FastAPI)
│   ├── UX Persona.png        ← Веб-интерфейс (Streamlit)
│   └── Статья ВАК            ← Docker для API и Streamlit
│
├── models/
│   └── rf_model.pkl          ← Обученная модель
│
├── requirements.txt
├── docker-compose.yml
└── README.md

Установка и запуск

git clone https://github.com/danlikendy/formcheck_project.git
cd formcheck_project
pip install -r requirements.txt

Запуск API

uvicorn apps.main:app --reload

Запуск Streamlit-интерфейса

streamlit run apps/streamlit_app.py

Запуск через Docker Compose (API и Streamlit вместе)

docker-compose up --build

Автор

Цыганцов Артём Сергеевич — danlikendy