Los conjuntos de datos son clave para el desarrollo de nuevas aplicaciones basadas en aprendizaje automático, pero son muy costosos de preparar, lo que dificulta la investigación y el desarrollo en el campo. Proponemos una arquitectura de sistema de extremo a extremo optimizada para la recopilación de conjuntos de datos de reconocimiento de actividades deportivas y despliegue de aplicaciones desde el borde hasta la nube. Las pruebas en contextos auténticos de uso en cuatro deportes diferentes han revelado la capacidad del sistema para recopilar datos utilizables para el aprendizaje automático, con un consumo de energía compatible con el marco temporal de la mayoría de los tipos de deportes. La arquitectura propuesta se basa en una característica clave del marco de Internet de las cosas Measurify para la gestión de datos de medición (es decir, gestión de conjuntos de datos .csv) y admite un flujo de trabajo diseñado para el etiquetado eficiente de datos de series temporales de señales. La arquitectura es independiente de cualquier deporte específico, y una nueva aplicación de generación de conjuntos de datos puede configurarse en unos pocos días, incluso por desarrolladores novatos. Con el objetivo de apoyar concretamente a la comunidad de I+D, nuestro trabajo se publica de forma abierta.