Learning Engine
Moteur ML
La couche qui transforme les données athlète en apprentissage, puis en prédictions pour alimenter le jumeau numérique.
--
Pédagogie
Combien de données faut-il ?
La confiance dépend du volume de données et de la qualité réelle des prédictions — le volume seul ne peut jamais suffire : un modèle qui a vu beaucoup d'exemples mais les prédit mal reste plafonné bas (validation croisée sur les exemples réels). Avec un entraînement régulier et un suivi quotidien du sommeil/HRV, le seuil de 40% (qui débride les séances dures) s'atteint en général en 2-3 semaines ; approcher le plafond (~85-90%) prend plutôt un mois de données combinées activités + récupération.
Pour toi
Orientations et préconisations
Architecture
Comment le moteur apprend
Input
Données utilisées
Learner
Modèle individuel
Predictions
Sorties du moteur
Réussite séance dure
--
--
Readiness demain
--
--
Ajustement personnel
--
Écart appris vs prior
Erreur moyenne
--
Sur les exemples disponibles
--
Models