목록데이터사이언스/케이스스터디 (3)

GIL's LAB

약물이 보행 패턴에 미치는 영향 분석: 회전각 및 Jerk 기반 비교

1. 프로젝트 개요이번 분석에서는 약물 투여 여부에 따른 보행 패턴 차이를 분석했다.18명의 피험자가 직선 보행 후 회전할 때 신체 부위별 회전각을 측정했으며, 이를 통해 실험군(약물 투여)과 대조군(비투여)의 차이를 비교했다.2. 데이터 및 변수 정의실험 데이터 구성피험자 그룹실험군 (13명): 약물 투여 피험자대조군 (5명): 약물 비투여 피험자측정 부위 (총 12개)골반(Pelvis), 엉덩이(Hip), 무릎(Knee), 발목(Ankle), 상체(Trunk), 머리/목(Head/Neck), 어깨(Shoulder), 팔꿈치(Elbow)모든 부위에서 x, y, z 축 회전각(Rotation Angle) 데이터 수집주요 분석 변수각 부위의 움직임을 정량화하기 위해 여러 지표를 사용했다. RMS (Root..
데이터사이언스/케이스스터디 2025. 3. 4. 10:08
트위터 네트워크 그래프

1. 프로젝트 개요데이터 수집: 타겟 유저를 입력하면 해당 유저의 팔로워 데이터를 수집데이터 시각화: 타겟 유저와 팔로워를 네트워크 형태로 시각화함 2. 사용 패키지tweepy: 트위터 데이터 수집용networkx: 네트워크 데이터 분석용pyvis: 인터랙티브 그래프 시각화용 3. 시각화 결과 예시    유사 프로젝트 요청이 필요하다면? https://kmong.com/gig/374194의뢰 내용에 따라 작업 기간과..." data-og-host="kmong.com" data-og-source-url="https://kmong.com/gig/374194" data-og-url="https://kmong.com/gig/374194" data-og-image="https://scrap.kakaocdn.net..
데이터사이언스/케이스스터디 2025. 3. 4. 08:26
수면 상태 예측 모델 개발: 심박수와 모션 데이터를 활용한 분석

1. 프로젝트 개요이번 분석에서는 심박수 및 모션 가속 센서 데이터를 활용하여 수면 상태를 예측하는 모델을 개발했다. 데이터는 PhysioNet에서 수집된 31명의 피험자 데이터를 사용했으며, 주요 목표는 주어진 생체 데이터를 바탕으로 수면 상태(Wake, Light Sleep, Deep Sleep, REM)를 예측하는 것이다. 2. 사용 데이터 및 전처리데이터 구성심박수 (HR) 데이터: 불규칙한 주기로 측정됨모션 가속도 센서 데이터: X, Y, Z 축 값으로 제공됨수면 상태 레이블: 30초 단위로 측정됨 (Wake, Light Sleep, Deep Sleep, REM)주요 전처리 과정심박수 데이터 보완: 특정 시점(t)의 수면 상태 예측을 위해 이전 30초 동안의 평균 심박수를 계산하여 추가모션 데이..
데이터사이언스/케이스스터디 2025. 3. 4. 08:15
이전 Prev 1 Next 다음