Contextualización del problema

Dos grandes retos:

• Willian Esler: Es más importante conocer la persona que tiene la enfermedad que la enfermedad que tiene la persona (Functional Medicine textbook)
• Vlademir Isurrin: Los atletas en su busqueda de optimizar el rendimiento intentar utilizar herramientas matemática (New Horizons for the Methodology and Physiology of Training Periodization)
  
  

Contamos con la herramienta más precisa:

• Joel Cohen: Las matemáticas son en biología el siguiente microscópio, sólo que mejor.

El problema de la individualización y del entrenamiento en general

• Dos atletas ante la misma carga del entrenamiento no responden igual, ni en igualdad de condiciones.

• Hasta hoy, nadie sabe que carga de entrenamiento es la que le ha producido un determinado efecto sobre su fuerza o sobre su rendimiento en general (González Bádillo y muchos más)

¿ Como un entrenador programa sesiones individuales de entrenamiento?

Útilizara por lo menos alguno de los siguientes critérios

• Tipo de competición a preparar
• Circunstancias personales del atleta
• Entrenamientos previos y estado actual del atleta
• Resistencia Psicológica del atleta
  

A partir de estos información a priori el entrenador podría plantearse fijar más variables:

• Ritmos Específicos
• Tipos de sesiones interválicas
• Recuperaciones
• ………………………………………..

¿ Como un entrenador programa sesiones individuales de entrenamiento II?

¿ El entrenador puede tener hoy en día el control sobre la planificación del entrenamiento deportivo?

• Demasiada naturaleza estocástica no controlable en el proceso de entrenamiento y en la vida diaria del atleta.
• El resultado de muchos procesos del entrenamiento sigue un comportamiento caótica apenas investigado.
• La investigación deportiva es totalmente unidirecional y no permite tener una visión global del proceso de entrenamiento deportivo además de carecer de una transferencía práctica.
• No hay herramientas matemáticas necesarias ni para empezar a cuantificar el entrenamiento deportivo de forma real, medir la individualidad y todavía menos realizar predicciones sobre ciertas rutinas. Lo mismo ocurre en nutrición.

¿Cual es la solución?

• En primer lugar,tenemos que asumir que un ser humano por si solo no puede controlar la inmensa cantidad de variables que entran en juego.
• Es por tanto necesario recurrir a las nuevas tecnologias en un entorno integrado y único.
• Además es necesario desarrollar toda una batería de nuevas herramientas matemáticas
• Para el control del entrenamiento deportivo dada la complejidad del proceso es inviable realizarlo experimentalmente y por tanto va a ser necesario recurrir a técnicas de aprendizaje automático.

¿Que es el aprendizaje automático?

Es una rama de la inteligencia artifial cuyo objeto es desarrolar técnicas que permitan a las computadores aprender. Puede ser visto tambien como un intento de automatizar algunas partes del método científico mediante métodos matemáticos. Tienen múltiples aplicaciones en los motores de busqueda de nuestros navegadores de Internet, en la predicción de los mercados financieros , reconocimiento de voz,robótica …..

Viendo el futuro

Nuestras lineas de trabajo: Objetivos generales I

• Crear métricas y herramientas que midan el impacto real del entrenamiento con sus efectos y que permitan extraer información útil para la correcta aplicación de los algoritmos de inteligencia artificial y cálculos estadísticos en el sentido del big data.
  
• Tener la capacidad para poder realizar predicciones sobre el resultado de realizar una rutina o otro en el rendimiento final de la forma física o el peso.
• Desarrolar un conjunto de técnicas para el control del entrenamiento: determinar el momento óptimo de acortar una sesión en función del estado actúal o de realizar modificaciones en lo planificado a corto plazo.

Nuestras lineas de trabajo: Objetivos generales II

• Resolver múltiples problemas de optimización desde la suplementación deportiva (dosis óptimas y en que forma), estrategias de carrera o de partidos, hasta la periodización óptima maximizando resultados o rendimiento económicos.
• Conectar la nutrición con el entrenamiento deportivo a traves de las matemáticas (Perfiles energéticos individualizados) midiendo los gastos energéticos reales.
• Análisis de cluster de las demandas reales en deportes de equipo de las demandas físicas y técnicas (clusters dinámicos y en series de tiempo)
• Estudio del efecto de una serie variables en el rendimiento a traves de series de tiempo multidimensionales o redes neuronales, por ejemplo con la evolución del rendimiento a través peso,calidad del sueño y de los valores hematológicos del atleta.

Problemas deportes de resistencia contexto general de aplicación I

Uno de los principales objetivos de la ciencia es tener la capacidad para poder analizar lo que ocurre en un fenomeno y poder realizar predicciones sobre su comportamiento futuro ,sin embargo en la ciencia del entrenamiento deportivo estamos muy lejos de esta meta con los efectos del entrenamiento deportivo , aunque ciertamente sea el objeto de existencia de esta ciencia. La explicación para tal situación la encontramos al examinar los principios básicos

Problemas deportes de resistencia contexto general de aplicación II

• La no existencia de buenas métricas, que midan el impacto real del entrenamiento en cada zona enérgetica y que imposibilitan el conocimiento real del esfuerzo ejecutado por el atleta.
• Tener una herramienta similar a la correlación en estadística para comparar como de similares son dos clases de entrenamientos .
• Estrechamente relacionado con lo anterior, poder medir la variabilidad intrinsica del entreamiento , es un hecho bien conocido que al aumentar la variabilidad del entrenamiento aumenta las posibilidades de conseguir mejores adaptaciones.

Problemas deportes de resistencia contexto general de aplicación III

• Tener una medida para estar informados de como el atleta recuperara las cargas que está ejecutando, o dicho de otra manera saber en tiempo real hasta donde puede llegar en el momento actual el rendimiento del atleta en función de la fatiga acumulada.
• Tener un mecanismo para saber hasta donde llega el efecto de una determinada sesión y de que forma afecta a otra sesión, en estadística esto se llama autocorrelación temporal.

Problemas deportes de resistencia contexto general de aplicación IV

Una vez constestadas estas preguntas básicas y con la información necesaria, el entrenador podría plantearse realizar un plan de entrenamiento (ya conoce todas las relaciones entre las cargas y su impacto ) pero para ello,además el entrenador debería ir un paso más alla y disponer de la siguiente información a priori para poder ser capaz de regular las cargas correctamente: - Saber la velocidad o el tiempo que el atleta pueda correr cualquier distancia, de forma que podamos controlar la sesión. Este problema ya lo tengo solucionado - Poder realizar lo mismo pero esta vez en una sesión interválica, esto es, conocer cuntas repeticiones de cierta distancia o cierto tiempo a una velocidad y recuperación prefijada puede aguantar el atleta.

Problemas deportes de resistencia contexto general de aplicación V

Por último, la tarea final del entrenador sera optimizar el plan de entrenamiento:

• Planificar el entrenamiento de tal forma que lleguemos con la mejor forma posible en un instante de tiempo determinado o de la mejor forma posible para varios instantes de tiempo con la menor cantidad de entrenamiento posible para minimizar el riesgo de lesión o enfermo (aunque esto último pueda ser interesante) para estar el menor tiempo posible sin entrenar.

Para ello , el entrenador dispondra de las nuevas tecnologias que le ayudaran a decidir en cada sesión de entrenamiento ,el momento en el que el atleta debera parar el entrenamiento (planificado de ante mano) o modificarlo para optimizar la maximación de resultados en función de estado de fatiga acumulado , control del sueño,hematológico, estado de humor, cantidad de ingesta calórica … El proceso de control es por tanto diario , mientras que el proceso de planificación debería hacerse a largo plazo.

Controlar el entrenamiento de fuerza con técnicas de aprendizaje automático, para decidir cual es el momento óptimo para parar una sesión de entrenamiento.

Datos:

• Con la velocidad de movimiento podemos medir la % sobre RM
• Es invariante entre individuos
• Las pérdidas de velocidad tras ejecutar más de una repetición son lineales
• Una forma de valorar el esfuerzo en este contexto es a traves de las perdidas de velocidad

Deportes de equipo I

1. Identificar y desarrolar mecanismos que permitan al entrenador modificar a los jugadores en la pista en función de su estado físico actúal y los rivales en la pista como asi selecionar el sistema ofensivo y defensivo óptimos más probable teniendo las debilidas y fortalezas del equipo rival.
2. Clasificar los patrones de juego de un equipo para elegir la mejor estrategia de juego. En ellas tiene cabida la estadística especial para identificar zonas de mayor fortaleza y vulnerabilidad.
3. Empezar a analizar las demandas físicas reales con técnicas de análisis de cluster en series de tiempo como de análisis espectral de la serie de tiempo.

Deportes de equipo II

4. Realizar tareas de optimización en la alimentación y bebida de los jugadores en terreno de juego asi como tareas de rotación óptimas para ahorro energético.
5. Extender la construcción realizada para deportes individuales, construyendo nuevas métricas para medir el impacto de las actividas en deportes de resistencia y poder utilizar las técnicas nombradas en la sección anterior para poder realizar tareas de simulación , optimización y predicción.
6. Crear métricas para medir la peligrosidad de los equipo rival y en función de esto, calcular cuando son necesarios los picos óptimos de forma física de un equipo óptima o cual es la forma que permira maximizar el rendimiento medio de la temporada.

Ciclismo

• Elegir estrategias óptimas de carrera en función del estado real en carretera (situación rival, viento, peso)
• Tener mecanismos para saber como de probablema es el éxito de una fuga en tiempo real o para simular escenarios de carrera en función de la situación actual.
  
• Optimización de nutrición, contenidos nutricionales mínimos teniendo en cuenta las necesidades mínimas y la carga ejecutada de entrenamiento

Complementos

• Técnicas de aprendizaje automática para saber cual es la calidad óptima de sueño en función de la monotorización diaria del atleta. O la música óptima con la que rendimos más o incluso los pensamientos (entrenamiento de visualización)
• Optimización de la suplementación de minerales teniendo en cuenta las cargas físicas y el proceso de recuperación de las mismas, con espacial intereses en el hematocrito, techo calidad de esfuerzo demandas nutricionales
• Análisis de las cualidades de un deportista (por ejemplo en tenis) y de sus rivales para minimizar costes y optimizar el rendimiento económico (selección de torneos en tenis).

Nutrición

• Explicar y predecir los cambios de peso en función de la ingesta y el ejercicio físico.
• Determinar el % óptima de hidratos de carbono, grasas, proteinas de cada atleta en cada instante de tiempo.
• Establecer los horarios óptimos de comidas y entrenamientos para maximizar la recuperación.
• Tener herramientas matemáticas exactas que midan el gasto energético en cada instante de tiempo par a poder abordar con precesión todos los problemas anteriores.

Simulando el proceso de entrenamiento: El modelo de Banister

Sea w(t) la carga física en el intante de tiempo t y sean g(t) los efectos positivos y h(t) los efectos negativos. Consideremos el siguiente sistema de evolución:

\(\small{\frac{\partial g(t)}{\partial t} + \frac{1}{\tau_{1}}g(t)=w(t)}\)
\(\small{\frac{\partial h(t)}{\partial t} + \frac{1}{\tau_{2}}h(t)=w(t)}\)
Utilizando el operador convolución y aplicando previamente la transformada de Laplace, obtenemos:
\(\small{g(t)=w(t)*e^\frac{-t}{\tau_{1}}=\int_{0}^{t} w(s)e^{-\frac{t-s}{\tau_{1}}}ds}\)
\(\small{h(t)=w(t)*e^\frac{-t}{\tau_{2}}=\int_{0}^{t} w(s)e^{-\frac{t-s}{\tau_{2}}}ds}\)

Simulando el proceso de entrenamiento: El modelo de Banister II

Discretizando:
\(\small{g(n)=\sum_{i=1}^{n-1} w(i)e^{-\frac{n-i}{\tau_{1}}}}\)
\(\small{h(n)=\sum_{i=1}^{n-1} w(i)e^{-\frac{n-i}{\tau_{2}}}}\)

La forma fisica actual podemos modelizar:

\[\small{p(n)=p(0)+k_{1}\sum_{i=1}^{n-1} w(i)e^{-\frac{n-i}{\tau_{1}}}+k_{2}\sum_{i=1}^{n-1} w(i)e^{-\frac{n-i}{\tau_{2}}}}\]

• Partimos de una muestra \(\small{p(1),\dots,p(s)}\) con la forma física en diferentes instantes y en p(0).
• El problema es estimar las constantes \(\small{k_{1},k_{2},\tau_{1},\tau_{2}}\) por mínimos cuadrados a partir de la muestra anterior.

I idea: Un sofware para el control del peso y habitos saludables

Un sofware que realize rutinas dietéticas y de entrenamientos personalizados para llegar hasta cierto nivel de peso o de mantenimiento. Además el sofware permitiría minimizar el coste de los alimentos asi como optimizar en la dieta los gustos del usuario

II idea: Un sofware para la elaboración de planes automáticos en natación, ciclismo y atletismo.

El sofware del entrenamiento deportivo definitivo: Procontrol

"