Gredient является победителем 5-й премии MIDS Capstone Award, спонсируемой Databricks, для класса 2020 года.

32 миллиона американцев имеют пищевую аллергию, а миллионы других имеют диетические ограничения. Чтобы избавиться от рутинной проверки списков ингредиентов на наличие аллергенов, студенты 5-го курса MIDS Иса Чау, Сильвия Мирамонтес, Эмма Рассон, Джей Джей Сахабу и Челси Шу создали Gredient, приложение для iOS, которое выполняет чтение для тебя.

Расскажите нам о своем проекте.

Иса: Gredient – отмеченное наградами приложение для iOS, которое помогает пользователям проверять, содержит ли продукт ингредиенты, которых пользователь хочет избежать. Серверная часть основана на модели оптического распознавания символов (OCR), размещенной в бессерверной облачной инфраструктуре AWS. Благодаря модели OCR Gredient может обрабатывать даже самые редкие ингредиенты, которых пользователям следует избегать, вместо того, чтобы полагаться на ранее скомпилированные базы данных ингредиентов или продуктов.

Что вдохновило Гредиента?

ДжейДжей: По мере того, как потребители все больше заботятся о своем здоровье, а уровень аллергии растет, покупатели могут часами проводить в продуктовом магазине, проверяя наличие вредных ингредиентов на этикетках продуктов. Ориентированная на здоровье, наша команда была вдохновлена ​​решением этой проблемы и созданием продукта, который помогает людям вести безопасный и здоровый образ жизни, с приложением, которое упростит наблюдение за тем, какие ингредиенты входят в состав обработанных пищевых продуктов.

Какова была временная шкала или процесс от концепции до финального проекта?

Сильвия: мы завершили работу над продуктом за 14 недель. С самого начала мы отмечали амбициозность нашего проекта и понимали, что самым большим ограничением будет время. Нашими самыми большими проблемами в этот период времени были выбор и создание работающей облачной инфраструктуры, а также изучение того, как правильно создавать мобильное приложение для устройств iOS.

Поскольку у нас было хорошее представление о наших технических слабостях и сильных сторонах, во время нашей первой встречи мы разработали стратегию сохранения импульса, устанавливая крайние сроки для соблюдения каждую неделю и не сбиться с пути. Мы также разработали набор руководящих принципов, которым должна следовать команда, чтобы поддерживать подотчетность. В рекомендациях также указывалось, что делать, когда какой-либо член команды сталкивался с проблемой. Мы считаем, что конечный продукт был бы невозможен без настойчивости команды в преодолении препятствий при разработке приложений.

Эмма. Наша группа, состоящая из пяти человек, разделена на подгруппы, которые занимаются фронтенд-разработкой, бэкенд-моделированием и инфраструктурой. Эти подкоманды потратили большую часть времени на создание своих соответствующих компонентов Gredient и работали над объединением передней и задней части в последние пару недель завершающего камня.

Как вы работали в команде? Как вам удалось поработать над своим проектом в качестве участника онлайн-программы?

Сильвия: На начальных этапах курса мы потратили около двух недель на изучение оптимальных способов создания нашей облачной инфраструктуры. Проведя исследования и обратившись за советом в нашу сеть, мы решили использовать Amazon Web Services (AWS).

Иса: Как только мы определились с общей архитектурой нашего проекта, мы разделили нашу команду, чтобы специализироваться на клиентской и серверной части, с одним человеком в качестве посредника, чтобы убедиться, что две половины проекта были совместимы, а также помогали там, где требовались дополнительные руки. У нас также было две еженедельные видеовстречи, встреча по постановке целей/делегированию задач и вторая контрольная встреча в середине недели. Наши еженедельные цели были важной частью поддержания нашего темпа в течение семестра. У нас также были бы неформальные «рабочие собрания», которые любой участник мог начать или присоединиться к совместной работе.

Как ваша учебная программа I School помогла вам подготовиться к этому проекту?

Эмма: Мы обнаружили, что W266: Обработка естественного языка с помощью глубокого обучения и W207: Прикладное машинное обучение наиболее полезны для подготовки к разработке моделей OCR и NLP, используемых в серверной части Gredient. Благодаря бессерверной архитектуре W205: основы проектирования данных также оказался полезным при построении конвейеров данных. Кроме того, навыки, полученные в W201 и W209, помогли в разработке привлекательных и эффективных презентаций.

Есть ли у вас планы на будущее в отношении проекта?

Иса: Мы хотели бы выпустить Gredient в App Store, но по соображениям ответственности перед этим нам необходимо обратиться за юридической консультацией. В будущем мы надеемся разработать более сложный языковой режим для повышения точности Gredient, улучшения пользовательского интерфейса; а также разработать Gredient для телефонов Android.

JJ: Мы также заинтересованы в добавлении премиальных функций, таких как страница истории сканирования, создание нескольких профилей и список вредных ингредиентов. В конечном итоге мы будем искать партнерские отношения со службами доставки еды и продуктов, чтобы дать пользователям уверенность при заказе обеда или покупке продуктов, которые защищены от аллергенов.

Какое влияние может оказать этот проект или кому он будет полезен?

Челси: в Америке 32 миллиона человек страдают пищевой аллергией, 200 000 из которых нуждаются в неотложной медицинской помощи. Кроме того, покупка продуктов с учетом аллергии может занять много времени, нервов и обременительно. Длинные этикетки ингредиентов с мелким шрифтом могут затруднить чтение для слабовидящих, а также могут вызвать у людей с аллергией или опекунов неуверенность в том, действительно ли они правильно читают этикетку. Наше приложение Gredient призвано изменить процесс совершения покупок, помогая пользователям быстро и точно проверять этикетки ингредиентов на наличие аллергенов, чтобы они могли делать покупки уверенно и безопасно и, в конечном итоге, жить более здоровой, безопасной и легкой жизнью.