Claygirl / ai-roadshow-fitbit

Fitbit data analysis for infoShare AI Roadshow

Geek Repo:Geek Repo

Github PK Tool:Github PK Tool

infoShare AI Roadshow

Materiały zostały przygotowane na infoShare AI Roadshow 2018.

Data Science na danych z trackera aktywności - case

Czy jestem meteoropatką?

W analizie pokazuję jak można przykładowo skorelować dane o efektywności snu i tętnie spoczynkowym z danymi pogodowymi. W projekcie Jupyterowym wykorzystane zostały: Pandas, Seaborn, Numpy i StatsModels.


Jak pobrać dane z Fitbit Web API?

Rejestracja nowej aplikacji na stronie https://dev.fitbit.com/apps/new. Ważne, żeby zaznaczyć "OAuth 2.0 Application Type" jako "Personal". Wymagane URLe mogą być dowolne, ale zaczynające się od http://, strony nie są sprawdzane przy rejestracji.

Strona zarejestrowanej aplikacji

Po zarejestrowaniu aplikacji trzeba przejść do "OAuth 2.0 tutorial page" i tam wybrać Authorization Code Flow. Na końcu tutorial pozwala na wygenerowanie gotowych komend w curl, które można uruchomić bezpośrednio z konsoli i ich wynik przekierować do pliku. Pod Windowsem polecenia będą działały poprawnie dopiero po zamianie ' (apostrof) na " (cudzysłów).

Nie polecam korzystania z Pythonowego modułu do Web API Fitbita (python-fitbit https://pypi.org/project/fitbit/) - w momencie tworzenia prezentacji projekt nie wspierał najnowszej wersji API.

About

Fitbit data analysis for infoShare AI Roadshow


Languages

Language:HTML 45.9%Language:Jupyter Notebook 31.0%Language:JavaScript 14.9%Language:CSS 8.2%