Un movimiento de sentadilla erróneo podría causar diferentes lesiones en atletas amateurs que no son expertos en ejercicios de entrenamiento. Incluso cuando los entrenadores personales supervisan el rendimiento de los atletas, variaciones leves en los movimientos de tobillos, rodillas y parte baja de la espalda podrían no ser reconocidas. Por lo tanto, presentamos un dispositivo portátil inteligente para alertar a los atletas sobre si su rendimiento en sentadillas es correcto. Recopilamos datos de personas con experiencia en ejercicios de entrenamiento y de aprendices, supervisando a entrenadores personales en la anotación de datos. Luego, utilizamos técnicas de preprocesamiento de datos para reducir muestras ruidosas y entrenar modelos de Aprendizaje Automático con una pequeña huella de memoria que se pueden exportar a microcontroladores para clasificar los movimientos de sentadillas. Como resultado, el algoritmo k-Vecinos más cercanos con k = 5 logra un rendimiento del 85% y un peso de 40 KB de RAM.