Розробка сервера ”Щоденник харчування” на основі штучного інтелекту та REST API для нього для вироблення рекомендацій при складанні індивідуальної дієти

Abstract

Кваліфікаційна робота присвячена дослідженню на тему "Розробка сервера ”Щоденник харчування” на основі штучного інтелекту та REST API для нього для вироблення рекомендацій при складанні індивідуальної дієти" охоплює процес створення системи, здатної аналізувати харчові звички користувачів та надавати персоналізовані рекомендації. У першому розділі проведено детальний аналіз існуючих рішень та технологій, що використовуються в галузі дієтології та штучного інтелекту. Другий розділ присвячений проєктуванню архітектури сервера, включаючи моделі баз даних, алгоритми машинного навчання та інтерфейс REST API. В третьому розділі описано реалізацію розробленого серверного рішення, включаючи інтеграцію з базами даних та налаштування алгоритмів штучного інтелекту. Проведено тестування системи на реальних даних, щоб перевірити точність та ефективність рекомендацій. Отримані результати демонструють потенціал використання даного сервера для покращення харчових звичок користувачів. The qualification work is devoted to the research on the topic "Development of the "Diary of food" server based on artificial intelligence and REST API for it to make recommendations for making individual diets" covers the process of creating a system capable of analyzing the eating habits of users and providing personalized recommendations. The first chapter provides a detailed analysis of existing solutions and technologies used in the field of dietetics and artificial intelligence. The second chapter is devoted to the design of the server architecture, including database models, machine learning algorithms, and the REST API interface. The third chapter describes the implementation of the developed server solution, including integration with databases and setting up artificial intelligence algorithms. The system was tested on real data to verify the accuracy and effectiveness of the recommendations. The obtained results demonstrate the potential of using this server to improve the eating habits of users.