Εμφάνιση απλής εγγραφής

Τεχνητή νοημοσύνη (Artificial Intelligence - AI) και μηχανική μάθηση (Machine Learning-ML) σε εφαρμογές διατροφής

dc.contributor.advisorKanellou, Anastasia
dc.contributor.authorΖανάι, Κέισι
dc.date.accessioned2024-07-30T06:58:06Z
dc.date.available2024-07-30T06:58:06Z
dc.date.issued2024-07-18
dc.identifier.urihttps://polynoe.lib.uniwa.gr/xmlui/handle/11400/7251
dc.identifier.urihttp://dx.doi.org/10.26265/polynoe-7083
dc.description.abstractΣτη σύγχρονη εποχή που χαρακτηρίζεται από τεχνολογικές εξελίξεις, η ενσωμάτωση της τε- χνητής νοημοσύνης (Artificial Intelligence) και της μηχανικής μάθησης (Machine Learning) σε διατροφικές εφαρμογές έχει συγκεντρώσει αυξανόμενη προσοχή για τις δυνατότητές της να φέ- ρει επανάσταση στην παρακολούθηση και βελτιστοποίηση της διατροφής. Η παρούσα πτυχιακή εργασία επιχειρεί μια ολοκληρωμένη διερεύνηση του ρόλου της Τεχνητής Νοημοσύνης και της Μηχανικής Μάθησης σε διατροφικές εφαρμογές, εστιάζοντας στη χρήση τους στη διατροφική αξιολόγηση, τον προγραμματισμό γευμάτων και την υποστήριξη αλλαγής συμπεριφοράς. Μέσω μιας συστηματικής ανασκόπησης της υπάρχουσας βιβλιογραφίας, η παρούσα πτυχιακή εργασία εξετάζει δημοφιλείς διατροφικές εφαρμογές και τα χαρακτηριστικά τους, παρέχοντας πληροφορίες σχετικά με τις προτιμήσεις των χρηστών, τα πρότυπα εμπλοκής και την αποτελεσματικότητα των ψηφιακών παρεμβάσεων. Επιπλέον, μελέτες περιπτώσεων αναδεικνύουν επιτυχημένες εφαρμογές αλγορίθμων Τεχνητής Νοημοσύνης και Μηχανικής Μάθησης στη διατροφική ανάλυση, παρου- σιάζοντας τον αντίκτυπό τους στη διατροφή της δημόσιας υγείας και την ατομική ευημερία. Εξε- τάζονται επίσης προκλήσεις και περιορισμούς, συμπεριλαμβανομένων ζητημάτων ποιότητας δε- δομένων και ηθικών προβληματισμών, καθώς και συστάσεις για μελλοντική έρευνα και ανάπτυξη. Τελικά, η παρούσα πτυχιακή εργασία, συμβάλλει στη βαθύτερη κατανόηση των δυνατοτήτων της Τεχνητής Νοημοσύνης και της Μηχανικής Μάθησης στην προώθηση πιο υγιεινών διατροφικών συμπεριφορών και υπογραμμίζει τη σημασία της διεπιστημονικής συνεργασίας για την προώθηση του πεδίου των ψηφιακών παρεμβάσεων στην υγεία.el
dc.format.extent45el
dc.language.isoelel
dc.publisherΠανεπιστήμιο Δυτικής Αττικήςel
dc.rightsΑναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές*
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Διεθνές*
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Διεθνές*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectΕφαρμογές διατροφήςel
dc.subjectΤεχνητή νοημοσύνηel
dc.subjectΜηχανική μάθησηel
dc.subjectΒαθιά μάθησηel
dc.subjectΚινητή υγείαel
dc.subjectNutrition appsel
dc.subjectArtificial intelligenceel
dc.subjectMachine learningel
dc.subjectDeep learningel
dc.subjectMobile healthel
dc.titleΤεχνητή νοημοσύνη (Artificial Intelligence - AI) και μηχανική μάθηση (Machine Learning-ML) σε εφαρμογές διατροφήςel
dc.title.alternativeArtificial intelligence and machine learning in nutrition applicationsel
dc.typeΠτυχιακή εργασίαel
dc.contributor.committeeBARTZIS, VASILEIOS
dc.contributor.committeeΚοντελές, Σπυρίδων
dc.contributor.facultyΣχολή Επιστημών Τροφίμωνel
dc.contributor.departmentΤμήμα Επιστήμης και Τεχνολογίας Τροφίμωνel
dc.description.abstracttranslatedIn today’s era of technological advances, the integration of Artificial Intelligence and Machine Learning in nutritional applications has attracted increasing attention for its potential to revolution- ize the monitoring and optimization of nutrition. This thesis attempts a well-rounded exploration of the role of Artificial Intelligence and Machine Learning in nutritional applications, focusing on their use in nutritional assessment, meal planning, and behaviour change support. Through a systematic review of the existing bibliography, this thesis examines popular nutrition apps and their features, providing information on user preferences, engagement patterns, and the effective- ness of digital interventions. In addition, case studies highlight successful applications of Artificial Intelligence and Machine Learning algorithms in nutritional analysis, illustrating their impact on public health nutrition and individual well-being.Challenges and limitations, including data qual- ity issues and ethical concerns, and recommendations for future research and development are also addressed. Ultimately, this thesis contributes to a deeper understanding of the potential of Artifi- cial Intelligence and Machine Learning in promoting healthier eating behaviours and highlights the importance of interdisciplinary collaboration to advance the field of digital health interventionsel


Αρχεία σε αυτό το τεκμήριο

Thumbnail

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Εμφάνιση απλής εγγραφής

Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές
Εκτός από όπου επισημαίνεται κάτι διαφορετικό, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές