Die Challange war "Herausfinden, was eine Person gerade macht". Der Fachbegriff nennt sich auch HAR (Human Activity Recognize) und als erstes mussten wir verstehen, wie die Daten erhoben wurden. Im Bild unten ist einer dieser HAR Sensoren, welche die Firma WEGA benutzte.

Am Anfang mussten wir uns mit den Daten auseinander setzen, welche durch die Uhr als Vektor aufgezeichnet wurden. Dann haben wir gemeinsam Ideen gesammelt und entschlossen, Filters zu kreieren. Beispiel Filter: Mindestens 2s Zähneputzen bevor es als Zähneputze zählt. An diesem Punkt entschlossen wir uns aufzuteilen um die Arbeit in der kurzen Zeit besser zu bewältigen. Die einte Gruppe hat sich mit den Filtern auseinander gesetzt und die andere mit den Classifieres (Auswähl welche KI am besten ist). Für die Classifiers haben wir folgendes angeschaut:

•  Getestet haben wir es mit der Software KNIME
•  NAIVE BAYE Classifier, 46% accuracy
•  Support vector machine, 25% accuracy und viele Errors
•  Decision Tree, 52% accuracy 

Da keiner der Classifiers gut funktionierte, haben wir den Random Forest angewandt und eine Accuracy von 50% erhalten. Wir haben dann noch die Filters der Kollegen angewant und erhielten so ein unglaubliches Ergebniss von 92%. Das heisst, die KI konnte 9 von 10 Fälle erkennen, was der Mensch gerade für eine Aktivität macht.

Bei der Vorstellung der Erkenntnisse ging alles gut und wir konnten die Jury von uns überzeugen. Wir haben so den 2.Platz belegt und Zielen für das nächste Jahr den 1. an.