Differences

This shows you the differences between two versions of the page.

--- projects:bewaesserung:start [2022/04/14 10:09]
lukas [Setup]
+++ projects:bewaesserung:start [2022/04/19 10:25] (current)
lukas
@@ Line 192: / Line 192: @@
 Hat alles funktioniert, können die Server durch ein Beenden des Prozesses im Terminal geschlossen werden (in der Regel mit STRG + C)
+===== Machine Learning =====
+{{:projects:bewaesserung:algorythmus_des_machine_learning_prozessses.png?600|}}
+Schematische Darstellung des machine learning Algorythmus
+Definition der einzelnen Schritte:
+  - Weather Dataset - Enthält alle Daten zum Wetter
+  - Edit Metadata - Wetterdaten editieren und richtige Metadaten eintragen
+  - Enter Data Manualy - Import der Sensordaten als .csv oder .json
+  - Join Data - Vereinigung beider Datenquellen
+  - Select Columns in Dataset - Auswahl der für den Recommender wichtigen Daten zum Lernen (Bodenfeuchte, Temperatur, Niederschlag, etc.)
+  - Remove Duplicate Rows - Entfernen aller doppelten Datensätze
+  - Split Data - Daten werden erneut geteilt, um alle doppelten Datensätze zu entfernen (8) und ins Training übertragen (9)
+  - Score SVD Recommender - Datensätze werden final zusammengefügt und im Recommender verarbeitet
+===== Fazit =====
+==== Erreichte Ziele ====
+Zu Beginn des Projekts wurden verschiedene User Stories definiert, die die Anforderungen an das Projekt widerspiegeln, deren Funktionen im Folgenden aufgelistet werden. Dabei konnten nicht alle Anforderungen in der gegebenen Zeit umgesetzt werden.
+Login - Der User kann sich einen Account anlegen und sich damit einloggen. Es wird ein Token generiert und lokal gespeichert.
+Sensordaten auslesen - Nach Eingabe von Sensordaten werden diese Ausgelesen und ins Frontend übertragen
+Wetterdaten auslesen - Nach Eingabe von Wetterdaten werden diese Ausgelesen und ins Frontend übertragen
+Frontend mit Dashboard - Mit Hilfe von CoreUi wurde ein simples und aussagekräftiges Dashboard erstellt, was auch zur Darstellung der Graphen und Navigationsmöglichkeit für den Endbenutzer nutzt.
+Darstellung der Daten in Graphen - Die Graphen werden über das Backend eingelesen und mit Hilfe von Axios und einer API, welche Frameworks umgesetzt wurde, im Frontend über CoreUi dargestellt.
+Grundfunktion des Machine Learning mit Azure ML Studio - Ein Ablaufplan für vorhandene Daten mit Screenshots für die Abläufe wurde erstellt um mit Hilfe von vorhanden Daten die Grundfunktionalität des Machine Learning testen und nutzen zu können.
+==== Lessons learned ====
+Während des Projektverlaufs konnte das Team seine Fähigkeiten in der Programmierung ausbauen. Die Einarbeitung in die verschiedenen Frameworks und Programmiersprachen hat viel Zeit in Anspruch genommen. Hier hätte man eher auf die im Studium vermittelten Sprachen zurückgreifen sollen, um die Einarbeitungszeit zu verkürzen. Demzufolge gab es viele fehlerhafte Ansätze, die erst im späteren Verlauf erkannt wurden. Innerhalb des Teams gab es hin und wieder Kommunikationsschwierigkeiten, wodurch die Aufgabenverteilung erschwert wurde.
+==== Nächste Schritte ====
+Die folgenden Punkte sind eine (nicht geordnete) Liste an Features, welche für zukünftige Releases angedacht sind.
+  - Deployment - In einem echten Umfeld installieren
+  - Datenbank ersetzen - SQLite mit einer dedizierten Datenbank ersetzen (Da SQLite eher für schnelles Prototyping gedacht ist.
+  - API verfeinern - Suchfunktionalität, Sortierfunktion, Filterung von Datensätzen
+  - Machine Learning - Wenn genug Daten gesammelt wurden, erste reale Ergebnisse bekommen
+  - Umstellung der Token Systematik - Momentan ist es mit Localstorage gelöst, sollte aber beispielsweise auf Cookies umgestellt werden.
+  - User Management - Frontend Registration, Gruppeneinteilung, Rechteverwaltung
+  - Push Notifikation - z.B.: Sobald ein Wetterumschwung stattfindet
+  - Vernetzung verschiedener Instanzen - Was machen die Pflanzen meiner Nachbarn / Arbeitskollegen / Familienmitglieder / etc.
+  - Anlegen einer eigenen Sensormap - Viele Sensoren gruppieren und ein gemeinsamen Graphen für alle aus der Gruppe anzeigen lassen
 ===== DevOps =====
@@ Line 233: / Line 275: @@
 [[projects:bewaesserung:DokumentationSensoren|DokumentationSensoren]]\\
 [[projects:bewaesserung:installation|Installation]]\\
+===== Förderung =====
+Das Projekt Cross Innovation Lab Niederrhein wird unterstützt und gefördert durch:
+{{:projects:appliedinnovationmanagement2:appliedinnovationmanagement2:logo-xi-long-high-res-black.png?200|}} {{:projects:appliedinnovationmanagement2:appliedinnovationmanagement2:hsrw-logo_rgb_200pxbreite_web_jpeg.jpg?200|}} {{:projects:appliedinnovationmanagement2:appliedinnovationmanagement2:agrobusiness_logo.jpg?200|}}
+{{:projects:appliedinnovationmanagement2:appliedinnovationmanagement2:hrw_col.jpg?200|}} {{:projects:appliedinnovationmanagement2:appliedinnovationmanagement2:mccevlogo.gif?200|}} {{:projects:appliedinnovationmanagement2:appliedinnovationmanagement2:coduct_logo.jpg?200|}}
+{{:projects:appliedinnovationmanagement2:appliedinnovationmanagement2:efre_foerderhinweis_deutsch_farbig.jpg?200|}}{{:projects:appliedinnovationmanagement2:appliedinnovationmanagement2:ziel2nrw.jpg?200|}}{{:projects:appliedinnovationmanagement2:appliedinnovationmanagement2:nrw_lr_rgb.png?200|}}

FabLab Kamp-Lintfort

User Tools

Site Tools

Differences

Page Tools