大数据与可穿戴技术有助于减肥?

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

近年来可穿戴设备逐渐占据人人们的眼球,智能眼镜、智能手表、智能手环,无一不彰显着可穿戴设备的魅力。甚至有谷歌眼镜带火了可穿戴设备,甚至有城管自费万元购买谷歌眼镜,便于执法取证。现在当另一个如火的技术——大数据与可穿戴技术遇上时,爱美的美美就再也不用发愁吃的过多,无法减肥,保持好身材了。

尽管有数不清的饮食,健康计划,而且杂志,报纸和电视广告都在宣传着各种各样的减肥方法,但是哪一种才是最有效的减肥方法?而大数据又能起到什么作用?

数据来自哪里?

现在所有技术和程序都使用了大量的数据,所以需要一个更广泛的方法来把控这些信息,并提供有用的反馈。那么这些数据从哪来?答案就在你自身。在2014年消费电子展(CES)上,可穿戴技术可是出尽了风头,而且有一个可穿戴子范畴也是大出风头,那就是可穿戴健身设备。

最新的小玩意

展会上有一款非常流行的设备是Fibit的手环健康追踪器。它能在24小时之内收集并衡量你这一天健康指数,从你走的步数,到你燃烧了多少的卡路里,以及从你爬了多少级阶梯到一天之中你最活跃的时期。

一天结束,直到你睡觉时,数据的收集也还没有停止。电子展上另外一个有杰出表现的是Sleep Number的最新产品。他们发布了一款8000美元的睡眠追踪器——智能床,来追踪信息,如睡眠模式、心跳频率、呼吸频率,以及你撒谎和移动的时间。所有这些信息随后会整合到一个应用中,然后推送建议调整床垫到最优,而且是语音控制、建议每次睡眠的锻炼例程,或建议最有效的睡眠周期,以便于卡路里燃烧和肌肉恢复。

在全球环境严重污染的情况下,健康科技产业无疑在呈爆炸性的增长。除了上面的例子,现在还有耳机监视您的心率、发带监视你的体温、磅枰监测你的体重是增加还是减少,以及健身设备。

你怎么看?

大数据与或穿戴技术结合是否将会成为有效减肥的未来?还是它只是一时的兴起,不能取代好的饮食习惯和有规律的锻炼?

原文发布时间为:2014年04月25日
本文作者:蒋红冰
本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。
相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
1月前
|
存储 机器学习/深度学习 分布式计算
大数据技术——解锁数据的力量,引领未来趋势
【10月更文挑战第5天】大数据技术——解锁数据的力量,引领未来趋势
|
7天前
|
存储 机器学习/深度学习 SQL
大数据处理与分析技术
大数据处理与分析技术
34 2
|
27天前
|
存储 分布式计算 数据可视化
大数据常用技术与工具
【10月更文挑战第16天】
90 4
|
9天前
|
存储 分布式计算 NoSQL
【赵渝强老师】大数据技术的理论基础
本文介绍了大数据平台的核心思想,包括Google的三篇重要论文:Google文件系统(GFS)、MapReduce分布式计算模型和BigTable大表。这些论文奠定了大数据生态圈的技术基础,进而发展出了Hadoop、Spark和Flink等生态系统。文章详细解释了GFS的架构、MapReduce的计算过程以及BigTable的思想和HBase的实现。
|
1月前
|
存储 数据采集 监控
大数据技术:开启智能决策与创新服务的新纪元
【10月更文挑战第5天】大数据技术:开启智能决策与创新服务的新纪元
|
10天前
|
SQL 存储 算法
比 SQL 快出数量级的大数据计算技术
SQL 是大数据计算中最常用的工具,但在实际应用中,SQL 经常跑得很慢,浪费大量硬件资源。例如,某银行的反洗钱计算在 11 节点的 Vertica 集群上跑了 1.5 小时,而用 SPL 重写后,单机只需 26 秒。类似地,电商漏斗运算和时空碰撞任务在使用 SPL 后,性能也大幅提升。这是因为 SQL 无法写出低复杂度的算法,而 SPL 提供了更强大的数据类型和基础运算,能够实现高效计算。
|
13天前
|
存储 大数据 定位技术
大数据 数据索引技术
【10月更文挑战第26天】
32 3
|
13天前
|
存储 大数据 OLAP
大数据数据分区技术
【10月更文挑战第26天】
45 2
|
16天前
|
消息中间件 分布式计算 大数据
数据为王:大数据处理与分析技术在企业决策中的力量
【10月更文挑战第29天】在信息爆炸的时代,大数据处理与分析技术为企业提供了前所未有的洞察力和决策支持。本文探讨了大数据技术在企业决策中的重要性和实际应用,包括数据的力量、实时分析、数据驱动的决策以及数据安全与隐私保护。通过这些技术,企业能够从海量数据中提取有价值的信息,预测市场趋势,优化业务流程,从而在竞争中占据优势。
51 2
|
18天前
|
存储 分布式计算 Hadoop
数据湖技术:Hadoop与Spark在大数据处理中的协同作用
【10月更文挑战第27天】在大数据时代,数据湖技术凭借其灵活性和成本效益成为企业存储和分析大规模异构数据的首选。Hadoop和Spark作为数据湖技术的核心组件,通过HDFS存储数据和Spark进行高效计算,实现了数据处理的优化。本文探讨了Hadoop与Spark的最佳实践,包括数据存储、处理、安全和可视化等方面,展示了它们在实际应用中的协同效应。
63 2