Gymnasia é um aplicativo móvel construído com React Native e Expo que funciona como um personal trainer inteligente. O app permite criar e gerenciar rotinas de treino, acompanhar a dieta e medidas corporais, e conta com um chatbot com IA que atua como assistente de treino.
O projeto segue uma filosofia local-first: toda a funcionalidade principal funciona offline, armazenando os dados localmente no dispositivo do usuário.
Rotinas de treino
Crie rotinas personalizadas com exercícios, séries, repetições e pesos. Cada rotina pode ser categorizada (força, cardio, flexibilidade, etc.) e personalizada com ícones. Durante o treino, um temporizador de descanso com alerta sonoro avisa quando continuar.
Biblioteca de exercícios
Repositório aberto de exercícios com imagens geradas por IA mostrando a execução correta, tanto na versão masculina quanto feminina. Os exercícios incluem grupo muscular, equipamento necessário, dificuldade e instruções detalhadas. Os usuários também podem criar exercícios personalizados.
Assistente de IA
Chat integrado com modelos de linguagem (compatível com OpenAI, Anthropic e outros provedores) que funciona como personal trainer virtual. O chatbot tem acesso ao contexto das suas rotinas e pode sugerir exercícios, responder dúvidas de técnica ou ajudar a planejar seu treino.
Acompanhamento de dieta
Registro diário de refeições com cálculo de calorias e macronutrientes (proteínas, carboidratos e gorduras). Permite configurar objetivos nutricionais personalizados.
Medidas corporais
Acompanhamento de peso e outras medidas corporais com histórico temporal para visualizar seu progresso.
O projeto é um monorepo gerenciado com npm workspaces contendo:
O app móvel utiliza AsyncStorage para persistência local e Expo SecureStore para chaves API. As imagens dos exercícios são servidas do repositório GitHub e cacheadas no dispositivo.
O projeto é open source e está disponível no GitHub.
Se você gostou do projeto, considere dar uma estrela no GitHub.
Aprenda como funcionam as redes neurais do zero com um exemplo prático de regressão linear. Tutorial passo a passo que explica neurônios artificiais, inicialização de parâmetros, funções de perda e erro quadrático médio (EQM) com código Python.
Aprenda a implementar elicitação em servidores MCP (Model Context Protocol) com FastMCP. Tutorial completo passo a passo...
Aprenda a construir servidor e cliente MCP com durabilidade para tarefas de longa duração. Tutorial completo do Model Co...
Vamos conversar.
maximofn@gmail.com
Especialista em Machine Learning e Inteligência Artificial. Desenvolvo soluções com IA generativa, agentes inteligentes e modelos personalizados.
Agentes de IA, impulsionados por LLMs, prometem transformar aplicações. Mas eles são meros executores hoje ou futuros colaboradores inteligentes? Para...
Aprenda a criar um sistema de IA para executar eficientemente em um dispositivo
Os espaços do Hugging Face nos permitem executar modelos com demos muito simples, mas e se a demo quebrar? Ou se o usuário a deletar? Por isso, criei contêineres docker com alguns espaços interessantes, para poder usá-los localmente, aconteça o que acontecer. Na verdade, se você clicar em qualquer botão de visualização de projeto, ele pode levá-lo a um espaço que não funciona.
Vamos conversar.
maximofn@gmail.com
Especialista em Machine Learning e Inteligência Artificial. Desenvolvo soluções com IA generativa, agentes inteligentes e modelos personalizados.
Dataset com piadas em inglês
Uso: Fine-tuning de modelos de geração de texto humorístico
Dataset com traduções de inglês para espanhol
Uso: Treinamento de modelos de tradução inglês-espanhol
Dataset com filmes e séries da Netflix
Uso: Análise de catálogo Netflix e sistemas de recomendação
