Презентация по итогам первой итерации расположена по следующей ссылке: https://github.com/moevm/mse1h2024-clock-ml/blob/main/presentations/presentation-of-iteration-1.pdf
Презентация по итогам второй итерации расположена по следующей ссылке: https://docs.google.com/presentation/d/1j1_87Uv0fEpcExKYiFLr_5FNqMDgb5Gw/edit?usp=sharing&ouid=111427935539197861932&rtpof=true&sd=true
Презентация по итогам третьей итерации расположена по следующей ссылке: https://docs.google.com/presentation/d/1C0vjtDFfpSiug6lsrH-bZBM0-QH0U1Yb/edit?usp=sharing&ouid=111427935539197861932&rtpof=true&sd=true
Скринкасты расположены по следующим ссылкам: https://drive.google.com/file/d/1oNA2Cdr9bn9Pm68F-xoK29EnIXuNGiVH/view?usp=drivesdk https://drive.google.com/file/d/1Be8CDkx_xECEZLN5_Z8qnloZlTBDPw6h/view?usp=drivesdk
Презентация по итогам четвертой итерации расположена по следующей ссылке: https://docs.google.com/presentation/d/1vLEs-0V8x0VS1tU5-oEKhI8xeEUQDjHU/edit#slide=id.p4
Скринкаст расположен по следующей ссылке: https://drive.google.com/file/d/1gXLnCc5hIgJb4OhaPRbfJf0H3AZxRNIC/view?resourcekey
Изначально, необходимо установить docker-compose с помощью следующей команды:
sudo apt install docker-composeДалее, необходимо склонировать проект и корне проекта ввести следующие команды:
docker-compose build && docker-compose upПо окончанию сборки, проект будет развёрнут на портах:
- 80 - пользовательский интерфейс
- 745 - серверная часть
- 746 - ML сервис
Для начала взаимодействия в качестве пользователя, необходимо зайти в браузер и перейти по ссылке:
http://localhost:80/При переходе на данную страницу появится приветствие, а также кнопка для начала теста. После нажатия кнопки происходит перенаправление на пустой лист где можно нарисовать часы. Кроме того, предоставляются две кнопки:
- Включение/выключение режима отправки через брокера сообщений нарисованного изображения
- Кнопка отправки нарисованного изображения
Первая кнопка включает/выключает режим отправки через брокера сообщений. В случае её включения, взаимодействие между серверной частью и ML сервисом будет осуществляться только через RabbitMQ. В случае, если она деактивирована, связь между серверной частью и ML сервисом будет производиться с помощью отправки сервером REST запросов ML сервису, где ML сервис будет принимать запросы с помощью Flask. После нажатия второй кнопки выполняется сохранение текущего изображения с последующей его отправкой на сервер.
После отправки нарисованного изображения, должен прийти результат теста, оцениваемый в целочисленном количестве баллов из 10.