Evaluere den foregående periode og opstille nye individuelle læringsmål for de næste 14 dage.

Evaluere den foregående periode: hvad gik efter planen, hvad gik ikke som forventet, hvad har jeg lært af det, og hvordan skal de næste 14 dage se ud.

I den foregående periode havde jeg disse læringsmål:

• Fortsat udarbejdelse af analyse af det system, der skal implementeres.
• Vurdere hvordan resultaterne fra AI-billedklassifikationstjenesten skal behandles og vægtes i en samlet vurdering.
• Overveje fordele og ulemper ved at anvende Microservices kontra en monolitisk arkitektur.
• Skrive tests, der kan validere og verificere output fra analysedelen i microservicen.

Jeg har oplevet denne 14-dages periode som travl. Der har været rigeligt at tage fat på med to valgfag, guildmøder, procesmøder og produktarbejde. Desuden er jeg gået i gang med at søge praktikplads, hvilket tager meget tid, da hvert CV og hver ansøgning skal tilpasses til de enkelte virksomheder. Jeg bruger desuden rigtig meget tid på at finde virksomheder der interesserer mig. Jeg har været glad for at jeg har haft opstillet læringsmål, således at jeg ved hvad det er jeg har planlagt, på den måde har det været nemmere at prioritere hvad der er vigtigt at få lavet ift. Hvad der godt kan vente lidt. Jeg har desuden også haft mulighed for at tjekke nogle ting af, som gør at jeg har haft en følelse af fremdrift.

• Fortsat udarbejdelse af analyse af det system, der skal implementeres
  Jeg er kommet godt i gang med analysen af det system, der skal implementeres. Jeg har lavet en use case med tilhørende artefakter for at skabe sporbarhed helt frem til implementering af koden. Analysearbejdet vil fortsat være en iterativ proces mellem teori og praksis. Jeg føler dog, at jeg er godt på vej med dette læringsmål. Se mit indlæg om analysen her: Uge 38.

• Vurdere hvordan resultaterne fra AI-billedklassifikationstjenesten skal behandles og vægtes i en samlet vurdering
  Dette har fyldt meget i den foregående periode. Jeg startede med en idé om at vægte de enkelte features, som man gør fx ved fuzzy string matching, men fandt senere ud af, at det var bedre at bruge hver feature til det, den var bedst til. Nogle features var gode til tekst, andre til billedkvalitet, og andre igen til at bestemme maskinetype. Se mit indlæg, hvor jeg dykker ned i dette læringsmål: Uge 39.

• Skrive tests, der kan validere og verificere output fra analysedelen i microservicen
  Dette læringsmål er en forlængelse af ovenstående. Jeg har i den forbindelse lavet en smoke test, som gav mig indblik i det output, jeg fik, efter at have behandlet data i microservicen. Resultatet af testen beskrives i samme indlæg, hvor jeg også diskuterer vægtningen af de forskellige features: Uge 39.

• Overveje fordele og ulemper ved at anvende Microservices kontra en monolitisk arkitektur
  Jeg er ikke kommet i mål med dette læringsmål endnu, men jeg er begyndt på indlægget og håber at færdiggøre det i den kommende uge.

Nye læringsmål for de næste 14 dage:

• Overveje hvordan jeg kan forbedre mine arbejdsprocesser ved at bruge feedbackens tre elementer.
• Skrive UnitTests, der kan bidrage til at kvalitetssikre driften af microservicen.
• Implementere en Kafka-adapter, der kan lytte til et topic fra IngestionService.
• Implementere en Kafka-adapter, der kan publicere events på et nyt, dedikeret topic.
• Undersøge om implementering af en LLM kan være med til at berige metadata yderligere.