TrainerRoad lanza planes de entrenamiento deportivo basados en aprendizaje automático
TrainerRoad lanza planes de entrenamiento deportivo basados en aprendizaje automático

TrainerRoad lanza planes de entrenamiento deportivo basados en aprendizaje automático

TrainerRoad ha anunciado el lanzamiento de sus nuevos planes de entrenamiento basados en algoritmos, Adaptive Training.

A partir de la base de datos de la compañía de millones de actividades y entrenamientos, Adaptive Training afirma tomar principios de capacitación científica y aplicar un algoritmo de aprendizaje automático para brindar entrenamiento individualizado a cada uno de sus usuarios.

Mediante una comparación de sus datos de potencia frente a la sesión prescrita, así como una encuesta posterior a la conducción, Adaptive Training analizará su rendimiento en cada entrenamiento para descifrar qué tan difícil lo encontró. Luego, ajustará el plan en consecuencia para que el entrenamiento posterior progrese a un ritmo alcanzable pero óptimo.

La teoría y la práctica

Los ingenieros de TrainerRoad han tomado cada entrenamiento de su base de datos de miles de personas y las han asociado con uno de los siete sistemas de energía siguientes (generalmente conocidos como zonas de entrenamiento): Resistencia, Tempo, Punto dulce, Umbral, VO2 máximo, Anaeróbico y Sprint.

Luego han asociado una puntuación de progresión, que va de cero a nueve, a cada entrenamiento, cuantificando su dificultad.

En un plan tradicional, no ajustado, un atleta que falló en un entrenamiento de umbral en la semana uno aún recibiría entrenamientos progresivamente más duros en las semanas siguientes y probablemente continuaría fallando en los entrenamientos, lo que resultaría en un estrés de entrenamiento subóptimo y una posible mella en la motivación.

En este escenario, Adaptive Training ralentizaría la progresión hasta que un ciclista pueda completar Tunemah o una sesión de umbral alternativa con una puntuación similar. Por el contrario, si un ciclista completó Tunemah con facilidad, Adaptive Training podría omitir McAdie +1 en favor de una alternativa aún más difícil.

A continuación, los usuarios reciben un nivel de progresión para cada uno de estos sistemas de energía en función de las tasas de éxito y fracaso de los entrenamientos recientes, y el panel de ‘Niveles de progresión’ de TrainerRoad brindará una descripción general de qué tan bien está progresando cada uno de estos sistemas de energía individuales.

Facebook
Twitter
LinkedIn
Pinterest
Email

RELACIONADOS

Alexis Nickin Gaxiola expone tendencias tecnológicas Fintech para 2026.
Alexis Nickin Gaxiola ve a Fintech en modelo con enfoque B2B
desempleo
La IA podría provocar un alza temporal del desempleo
alemania
Alemania lanza su nube de IA para la industria europea

novedades

Alexis Nickin Gaxiola expone tendencias tecnológicas Fintech para 2026.
Alexis Nickin Gaxiola ve a Fintech en modelo con enfoque B2B
desempleo
La IA podría provocar un alza temporal del desempleo
alemania
Alemania lanza su nube de IA para la industria europea
Fintech, oportunidad para la economía: Javier Reyes de la Campa
Impulsará IA 15% de la productividad en 106 economías
sensores
Crean red de sensores para monitorizar ecosistema en España
estudiantes
Estudiantes ganan oro en Feria Internacional de Ciencia
androide
Humanizan el movimiento de los labios de androides