Améliorer le journal d’entraînement Strava

Optimisez votre journal d'entraînement Strava

Visualisation des schémas d’entraînement des coureurs de marathon à l’aide de Strava, Python et Matplotlib.

En tant que coureur de marathon, j’utilise Strava. Beaucoup. En plus de toutes les fonctionnalités sociales habituelles (partager des activités, suivre ce que font mes amis, vérifier les activités de mon club, etc.), je compte sur Strava pour suivre toutes mes activités et l’utilise régulièrement pour analyser mes progrès d’entraînement. Du moins, j’essaie. J’aime utiliser le journal d’entraînement de Strava pour examiner comment se passe mon entraînement actuel, par rapport aux années précédentes, mais malheureusement, ce n’est pas là que brille Strava, même si le journal d’entraînement est une fonctionnalité premium.

Une partie du problème est la très faible quantité d’informations fournies par le journal d’entraînement. Par exemple, dans l’exemple de journal d’entraînement ci-dessous, nous voyons plusieurs semaines d’activités (les cercles colorés) qui donnent un résumé de la fréquence et de la distance des activités d’entraînement, mais sans aucune information sur l’intensité ou l’effort de l’entraînement. Donc, j’ai pensé qu’il serait intéressant de voir comment nous pourrions améliorer cela…

Une partie du journal d'entraînement Strava de l'auteur ; capture d'écran réalisée par l'auteur.

Je commencerai cet article en discutant de mon point de vue sur ce qui manque au journal d’entraînement actuel de Strava et en suggérant comment ces informations manquantes pourraient être ajoutées à une visualisation réinventée du journal d’entraînement. Je décrirai comment cela peut être mis en œuvre, en utilisant des exemples de Python et de Matplotlib, et je finirai par présenter un exemple concret du résultat en utilisant mes propres données d’entraînement pour le Marathon de Dublin 2023.

Motivations

L’exemple ci-dessus du journal d’entraînement de Strava montre les 4 dernières semaines de mon entraînement pour le marathon de Dublin de cette année (2023). Chaque ligne correspond à une semaine d’entraînement et chaque colonne à un jour différent de la semaine. Les jours où j’ai fait de l’entraînement sont associés à des cercles codés par couleur indiquant la distance parcourue ce jour-là. Les cercles rouges sont des courses. Les cercles verts plus foncés sont de longues courses. Les cercles verts ombragés sont des séances d’entraînement, généralement des sessions d’intervalle à plusieurs parties plus complexes, et les cercles verts clairs sont des courses régulières qui ne sont ni de longues courses ni des séances d’entraînement. Toutes ces catégories sont attribuées manuellement…

We will continue to update IPGirl; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

AI

Les examens en ligne non supervisés fournissent des évaluations valides

Jason Chan et Dahwi Ahn de l'Université d'État de l'Iowa ont constaté que les résultats des examens en ligne et non s...

AI

Révolutionner la segmentation panoptique avec FC-CLIP un cadre d'intelligence artificielle (IA) unifié à une seule étape.

La segmentation d’image est une tâche fondamentale de vision par ordinateur dans laquelle une image est divisée...

AI

La recherche à Stanford présente PointOdyssey un ensemble de données synthétique à grande échelle pour le suivi à long terme des points.

Les ensembles de données annotés à grande échelle ont servi de voie rapide pour créer des modèles précis dans diverse...

AI

Les chercheurs du MIT présentent une nouvelle attention multi-échelle légère pour la segmentation sémantique sur l'appareil

L’objectif de la segmentation sémantique, un problème fondamental en vision par ordinateur, est de classer chaq...

AI

Découvrez LogAI une bibliothèque open-source conçue pour l'analyse et l'intelligence des journaux.

LogAI est une bibliothèque gratuite pour l’analyse et l’intelligence des journaux qui prend en charge div...

AI

Automatisez l'activité de conception graphique avec le plug-in ChatGPT Canva

Réduisez le temps nécessaire pour développer le design dont vous avez besoin.