| | Geschrieben von Zitat von Jacza Um umfangreiche Berechnungen auf teurer Hardware zu vermeiden...
|
| | |
Bei vielen Menschen wird es nur ein Handy sein.
Und der Witz hier ist ja, dass man die Daten sozialisiert und dann alle was davon haben.
Speziell die Unis lieben kostenfreie und grosse(!) Datenmengen.
Jede Datenreduktion kann Informationen vernichten, von dessen Existenz man noch keine Kenntnis hat.
Und zu Online-Learning....
Unser Anwendungsfall ist eher was für Batch-Learning (== teure Hardware).
Im Gegensatz z.B. zu Börsenanalysen, wo neuere Daten eine höhere Relevanz besitzen.
Außerdem wird der Setup saukomplex, wenn man auch noch lokale ML-Installationen berücksichtigen muss, die sich dann mit dem Handy synchronisieren sollen.
Ich sehe insgesamt 4 Teilprojekte:
- Hardware samt Schnittstelle
- GUI (entwickelt mit z.B. Sie haben nicht die Berechtigung Links zu sehen.
Registrieren oder
Einlogen) mit Datensammlung und Einbindung ML-Modell
- ML
- Datensammlungsserver (da gibt es einiges zu beachten, Datenschutz ganz oben)
Die GUI könnte man so aufbauen, dass verschiedene ML-Modelle geladen werden können.
Dann wählt man das aus, was man für am besten geeignet hält und kann sich notfalls auch selbst was stricken.
Hinzugefügt 14. Juni 2019, um 14:02:56 Uhr: | | Geschrieben von Zitat von Düsentrieb Pulsi hatte auch mal "open source" begonnen.
|
| | |
Man sollte hier auch eher eine Copyleft-Lizenz wie GPL nutzen.
Damit sind kommerzielle Übernahmen ausgeschlossen.
Hinzugefügt 14. Juni 2019, um 14:09:15 Uhr: | | Geschrieben von Zitat von Düsentrieb Allerdings sehe ich die Probleme nicht generell auf der Hardware-Seite.
|
| | |
Ich schon.
Die Software-Seite kann ich überblicken, Hardware kann ich nur einschalten....
Das Hardware-Design muss auch länger leben, da bei Änderungen an der Hardware der Nutzen der bisherigen Daten in Frage gestellt wird.