Difference between revisions of "Fiche de suivi - Recommandation intelligente de films"
Jump to navigation
Jump to search
Elsa.Navarro (talk | contribs) |
|||
| Line 25: | Line 25: | ||
* Mise en place d'un agenda pour le suivi du projet (Coralie) |
* Mise en place d'un agenda pour le suivi du projet (Coralie) |
||
* Comment lier l'API au front-end ? AngularJS ou Polymer ? ... (Quentin) |
* Comment lier l'API au front-end ? AngularJS ou Polymer ? ... (Quentin) |
||
| − | |||
* Mise en place de l'architecture (Tous) avant de faire un prototype comme prévu. |
* Mise en place de l'architecture (Tous) avant de faire un prototype comme prévu. |
||
* Installation, compréhension et manipulation de Keras (Tous) |
* Installation, compréhension et manipulation de Keras (Tous) |
||
| + | * Mise en place d'un prototype capable de récolter grâce à l'API de TMDB les informations de films ciblés. Puis construction d'un modèle de Deep Learning capable de prédire si une personne va aimer un film ou non en fonction de sa note. |
||
== Sprint 1 == |
== Sprint 1 == |
||
Revision as of 15:12, 26 January 2017
Voici la Fiche de suivi du projet ECOM 2016-2017 : Site d'annonces.
Équipe
- Rachex Coralie (Chef de projet - Scrum Master)
- Niogret Edwin
- Hattinguais Julian
- Navarro Elsa
- Dunand Quentin
Avancée du projet
Sprint 0
Dédié aux travaux préparatoires du projet :
- Debriefing autour du projet
- Renseignements sur les technologies et principaux défis techniques
- Choix technologiques
- Préparation des environnements
- Etablissement de la liste des exigences fonctionnelles et non fonctionnelles
Semaine 1 : 23/01 - 29/01
- Mise en place du wiki (Edwin)
- Recherche sur les technologies et les problèmes techniques (Tous)
- Prise RDV avec Massih-Reza Amini pour renseignements (Coralie)
- Mise en place d'un agenda pour le suivi du projet (Coralie)
- Comment lier l'API au front-end ? AngularJS ou Polymer ? ... (Quentin)
- Mise en place de l'architecture (Tous) avant de faire un prototype comme prévu.
- Installation, compréhension et manipulation de Keras (Tous)
- Mise en place d'un prototype capable de récolter grâce à l'API de TMDB les informations de films ciblés. Puis construction d'un modèle de Deep Learning capable de prédire si une personne va aimer un film ou non en fonction de sa note.
Sprint 1
Semaine 2 : 30/01 - 05/02
Travail réalisé :
Semaine 3 : 06/02 - 12/02
Travail réalisé :
Sprint 2
Semaine 4 : 13/02 - 19/02
Travail réalisé :
Semaine 5 : 20/02 - 26/02
Travail réalisé :
Sprint 3
Semaine 6 : 27/02 - 05/03
Travail réalisé :
Semaine 7 : 06/03 - 12/03
Travail réalisé :