Розробка та дослідження кросплатформного застосунку для трекінгу тренувань з рекомендаційною системою на базі штучного інтелекту

Abstract

У роботі обґрунтовано розробку кросплатформного застосунку для трекінгу тренувань із рекомендаційною системою на базі штучного інтелекту. Досліджено та реалізовано гібридну RAG-архітектуру з використанням LLM-технологій для безпечної, фізіологічно обґрунтованої та контекстно-залежної генерації тренувальних планів. Реалізований застосунок забезпечує динамічну адаптацію рекомендацій до стану користувача та підтверджує ефективність обраних архітектурних і технологічних рішень.

The thesis substantiates the development of a cross-platform application for training tracking with an artificial intelligence–based recommendation system. Methods and algorithms for implementing a hybrid RAG architecture using LLM technologies are investigated to ensure safe, physiologically grounded, and context-aware generation of training plans. The developed system enables dynamic adaptation of recommendations to the user’s physiological state and demonstrates the effectiveness of the selected architectural and technological solutions.