Privacy &Cookies
denne side bruger cookies. Ved at fortsætte accepterer du deres brug. Lær mere, herunder hvordan du styrer cookies.
så…efter at have været væk fra racing, mens jeg var ansat hos DHS (en temmelig “ikke hvad jeg troede skulle være” Type erfaring), besluttede jeg at søge beskæftigelse, hvor jeg (faktisk) kunne bruge mine tekniske færdigheder fra min post-grad grad. Når alt kommer til alt, hvorfor udholde al den indsats, udgift og tid kun for ikke at bruge den? Denne beslutning førte mig til nye jobfeltindgangsdiskussioner med VSDOT, hvilket førte til en certificering i et ESRI GIS-kursus, certificering i Python 3 programmeringssprog og en professionel certificering i IBM data science. Når jeg bevæger mig lige sammen, absorberer jeg heldigvis specialkurser i maskinindlæring (virkelig sjove ting forresten.)
af karakteren af min blog ved du, at jeg kan lide at bruge værktøjer til rådighed til at undersøge, evaluere og forbedre de processer, jeg er interesseret i, nemlig at forbedre mine fysiologiske systemer for at nå mine racemål. Et af de værktøjer, jeg tidligere har brugt, var Insight-enheden. I begyndelsen af 2018 besluttede Technologies at afbryde støtten til skærmen, der effektivt gjorde den til en mursten; meget til min skuffelse. (Og det siger det pænt.) Det var omkring $300 USD ud af min tegnebog, så nyheden blev ikke modtaget let. Min 2. generations skærm begyndte at samle støv.
så fandt jeg dette: Start
Jeg var nødt til at prøve denne stormfald. Utroligt, mens min tablet startede, gravede jeg min Garmin Edge 810-hovedenhed ud, tændt og valgte den sensorfoderprofil, jeg oprettede for længe siden. Jeg scrambled tilbage til tabletten. Åbnede NRF Connect-appen, aktiverede (3) underretningskarakteristika og skrev derefter den seksadecimale værdi “0402” til UUID angivet i blogindlægget ovenfor annnnddd…
datastrøm!
Jeg kunne ikke tro det. Der, på min Garmin-skærm, rapporterede mine SmO2-og tHb-værdier med glæde, hvad min underarmsmuskel gjorde energimæssigt.
i Figur 1 ser vi Insight monitor sidder på min underarm. Bag viser min tablet NRF Connect-appen. Mellem viser min 810 SmO2 som” rpm “og tHb” mph ” værdier. Bemærk, at denne sensorprofil ved hjælp af etiketterne “rpm” og “mph” for mange år siden var den eneste, jeg kunne bruge med 810-modellen. I dag er der forskellige andre cykeludstyr, der viser metrics korrekt.
dengang brugte jeg det meget fleksible og open source Golden Cheetah-program (GC) til at samle alle mine datastrømme på en skærm:
Jeg er sikker på, at jeg finder ud af, om jeg vil fortsætte med at bruge GC, eller om en anden platform ville være mere egnet, såsom Rouvy. Jeg er ikke sikker på, at jeg kan konfigurere datastrømmene, fordi Rouvy-appen fortolker enheden som en rpm/hastighedsføler:
figur 3 viser, hvordan Rouvy viser dine post-ride foranstaltninger. Dette eksempel viser min sædvanlige sensorindgangsopsætning til en trænersession. Der er en” træningstilstand”, som jeg har brugt til HITINTERVALLER eller specifikke træningsmål, men i skrivende stund har jeg ikke verificeret, hvordan jeg kan integrere BSk-streams.
Bring på Python færdigheder…
i hvert fald har jeg tænkt på at opbygge min egen BSk Insight GUI / interface ved hjælp af Python. Den første Python-vinduer kompatibel pakke jeg har fundet er tkinter. Indtil videre har min erfaring med at bruge dette bibliotek til at bygge GUI været lunken, men jeg vil bare have noget funktionelt for nu…jeg kan altid gøre det temmelig senere. Jeg er lettet over, at min Insight monitor ikke vil deltage i gruppen af dagens elektroniske detritus. Det kan stadig give nyttige oplysninger.
Jeg har ideen om at samle alle mine data i en struktur, så jeg kan kaste mine datavidenskabelige færdigheder på det for at hjælpe med at besvare de mange spørgsmål, jeg har om at nå fysiologiske træningsmål. Og det er bestemt et indlæg i fremtiden. Jeg håber, at i alle vil finde det, i leder efter i dette nye år. Tak for læsningen.