Propose.AI verbindet viele unterschiedliche Disziplinen miteinander. Von Maschine Learning über neuronale Netzwerke bis hin zur Manipulation heterogener Datenquellen existieren viele unterschiedliche Themenkomplexe, welche sinnvoll miteinander verknüpft werden müssen. Aus diesem Grund wurde das Projekt mit einer Seminarphase eingeleitet, in welcher jedes Gruppenmitglied zu einem ausgewählten Thema eine Ausarbeitung verfasst. Ziel ist es, Expertisen in den jeweils unterschiedlichen Disziplinen zu sammeln um diese anschließend im Rahmen eines projektinternen Workshops mit den Gruppenmitgliedern zu teilen. Auf diesem Weg schaffen wir es, innerhalb einer kurzen Zeitspanne ein umfangreiches Fachwissen in der Gruppe zu etablieren.
Man sollte meinen, dass so eine Seminararbeit + Workshop den durchschnittlichen Studenten bereits komplett auslastet. Aber nicht uns. In unserem ersten Monat hat sich schon einiges getan.
- Um eine strikte Trennung zwischen Front- und Back-End-Entwicklung zu vermeiden, entschied sich das Team für einen vertikalen split der Aufgabenverteilung. Nach einem internen Brainstorming wurde der Entschluss getroffen, sowohl den Brillenberater als auch den Brillenpassreader zuerst zu realisieren. Der Gedanke dahinter war, zunächst die Kernanwendungsfälle des Projektes umzusetzen und gleichzeitig einen guten Einstieg in das Projekt zu finden. Dazu wurde das Team in zwei kleiner Teams aufgeteilt, welche sich mit jeweils einer der Aufgaben beschäftigt.
- Innerhalb der gebildeten Teams wurden bereits erste Konzepte und Entwürfe der UI zum jeweiligen Anwendungsfall erarbeitet. Anhand von Mock-Ups wurden vorläufige Konzepte zur jeweiligen UI abgeleitet.
- Die Entwicklungsumgebung wurde ebenfalls eingerichtet. Verwendung findet Anaconda als Python Distributor in Verbindung mit PyCharm und Tensorflow als Machine-Learning-Umgebung
Veröffentlicht von: Jan-Hendrik Witte