Ergebnis

Plan Unser ursprünglicher Plan war es, eine Playlist zu erstellen, in der Lieder von Künstlern vorzufinden sind, die

1. zu den angehörten Genre der User passen.
2. in der Nähe des Users ein Konzert geben.

Adaption Aus zeitlichen Gründen, konnten wir das leider nicht ganz umsetzen und mussten unseren Plan deswegen anpassen.

Ergebnis Unser Ergebnis ist eine Genre-Prediction. An Hand der Top-Künstler des Users, wird eine Vorhersage getroffen, welche Genres dieser hört. Dies wird durch die Spotify-Daten zu der Popularität und den Followern der Künstler vorhergegesagt.

Fazit

Wir haben im Verlauf des Semesters Anpassungen an das Projekt vornehmen müssen, um den zeitlichen Vorgaben gerecht zu werden. Uns war es vor allem wichtig ein stabiles, lauffähiges "Proof of Concept" abzuliefern, welches in einer Live Demo vorgeführt werden kann. Hierzu haben wir uns gegen Ende dazu entschieden, ein paar Ideen und Verbesserungen aus dem Sprint zu nehmen. Das Kernziel für uns war die Implementierung eines Softwaresystems, welche den "Data Lake"-Ansatz mit dem Paradigma des MLOps vereint und funktionstüchtig ist. Der modulare Aufbau unseres Systems, (welches den eingesetzten neuen Technologien zu verschulden ist) sollte es uns erlauben, in der Zukunft iterative Verbesserungen vornehmen zu können. Nach den anfänglichen Hürden der Einarbeitung, waren wir positiv überrascht, wie intuitiv viele dieser Technologien zu benutzen sind und wie diese dabei helfen, nachträgliche Änderungen am System möglichst einfach zu gestalten. Unsere kurzfristigen Aussichten könnten wir in einem nächsten Sprint umsetzen und in das bisherige Modell integrieren.

Alles in allem sind wir stolz auf das, was wir dieses Semester umgesetzt und gelernt haben. Jede:r Einzelne von uns nimmt etwas aus diesem Projekt für künftige Projekte/Aufgaben/Herausforderungen mit.