Matilda: A Machine Learning Software Application to Virtually Assist with Skincare for Visually Acute and Impaired—A Capstone Design Project
Notice bibliographique
Résumé
This paper details a two-semester senior software capstone project spanning a timeframe of approximately seven months, in which students are tasked to design an innovative project, supervised by a faculty member.The authors hope that by detailing their experience through this report, they can provide insight into the design of a software capstone project to aspiring engineers and soon-to-be senior engineering students.Skincare has become an increasingly popular industry with a global reach in the e-commerce space.With a saturated skincare industry, companies have developed technology to customize recommendations but provide limited and potentially biased choices.Currently, the industry lacks an all-inclusive application that generates user-customized recommendations to allow consumers to focus on suitable products.Hence, the project seeks to fill this gap by building a web application that helps all users find skincare products tailored to their needs and skin conditions via a multi-part recommendation algorithm.Utilizing machine learning predictions with personalized user profiles, the web application solution efficiently compiles relevant and necessary product information for consumers to decide between products in a centralized location.The user interface of the web application has also been designed with usability in mind to serve a broader audience.The application specifically considers individuals who are visually acute and impaired through font size, color contrast, screen reader compatibility, and keyboard accessibility.Through conducting user surveys, the team found that 79.2% of users found Matilda to be user-friendly and 87.5% of users were satisfied with Matilda's recommendations.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,004 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».