🏃 Half-Marathon Time Predictor
AI Project · ML Inference Web Application
Half-Marathon Time Predictor is an AI-powered web application for estimating half-marathon finish time using data available before race day (pre-race inference).
The project demonstrates a production-grade machine learning pipeline, from data validation and model versioning to real-time inference in a cloud-deployed Streamlit application. The models were trained based on data from the Wrocław Half Marathon in 2023 and 2024.
▶️ Live Demo
🔹 Key Features
- Pre-race time prediction (no data leakage)
- Two complementary ML models:
- 5K-based baseline model
- 5K + 10K enhanced model
- Automatic model selection based on available input data
- Free-text input with LLM-based data extraction
- Regex fallback when LLM is unavailable
- Strict schema validation (Pandera)
- Realistic pace visualization (km-by-km)
🔹 Use Cases
- race time estimation before competition
- training goal setting
- performance benchmarking
- ML system design reference (pre-race inference)
🧠 Models (Overview)
PRE_RACE_5K
- Inputs: sex, age, 5 km time
- Designed for minimal input scenarios
- MAE ≈ 5 minutes on 2024 test data
PRE_RACE_10K
- Inputs: sex, age, 5 km time, 10 km time
- More accurate pacing representation
- Lower prediction error than 5K-only model
The application automatically selects the optimal model based on provided data.
🧠 Architecture (Overview)
- Frontend / UI: Streamlit
- ML Layer: PyCaret (scikit-learn)
- Input Validation: Pandera + JSON schema
- LLM Extraction: OpenAI API (optional)
- Monitoring: Langfuse (optional)
- Model Distribution: GitHub Releases
- Deployment: Streamlit Community Cloud
The architecture emphasizes data correctness, versioned inference, and safe handling of partially specified user input.
▶️ Live Demo
Tech stack:
Python · Streamlit · PyCaret · scikit-learn · Pandera · OpenAI API · Langfuse · GitHub Releases
Half-Marathon Time Predictor to aplikacja oparta o AI, służąca do szacowania czasu ukończenia półmaratonu na podstawie danych dostępnych przed startem biegu (pre-race inference).
Projekt prezentuje produkcyjny pipeline ML, obejmujący walidację danych, wersjonowanie modeli oraz inferencję w aplikacji webowej. Modele zostały wytrenowane w oparciu o dane z Półmaratonu Wrocławskiego z lat 2023 i 2024.
▶️ Demo aplikacji
🔹 Funkcjonalność
- Predykcja czasu biegu przed startem (bez data leakage)
- Dwa modele predykcyjne:
- model bazowy (5 km)
- model rozszerzony (5 km + 10 km)
- Automatyczny wybór modelu
- Jedno pole tekstowe jako wejście
- Ekstrakcja danych przez LLM
- Regex fallback przy braku LLM
- Walidacja danych przez Pandera
- Realistyczna wizualizacja tempa km-po-km
🔹 Zastosowania
- estymacja wyniku przed zawodami
- planowanie celów treningowych
- porównanie formy biegowej
- przykład architektury ML pre-race
🧠 Modele (skrót)
PRE_RACE_5K
- Dane wejściowe: płeć, wiek, czas 5 km
- Minimalne wymagania wejściowe
- MAE ≈ 5 minut (test 2024)
PRE_RACE_10K
- Dane wejściowe: płeć, wiek, czas 5 km, czas 10 km
- Lepsze odwzorowanie tempa zawodnika
- Niższy błąd predykcji niż wariant 5 km
Aplikacja automatycznie dobiera model na podstawie dostępnych danych.
🧠 Architektura (skrót)
- Frontend / UI: Streamlit
- Warstwa ML: PyCaret (scikit-learn)
- Walidacja danych: Pandera + schema JSON
- Ekstrakcja danych: OpenAI API (opcjonalnie)
- Monitoring: Langfuse (opcjonalnie)
- Dystrybucja modeli: GitHub Releases
- Wdrożenie: Streamlit Community Cloud
Architektura została zaprojektowana z naciskiem na spójność danych, bezpieczną inferencję i łatwe wersjonowanie modeli.
▶️ Demo aplikacji
Stack technologiczny:
Python · Streamlit · PyCaret · scikit-learn · Pandera · OpenAI API · Langfuse · GitHub Releases