Frontend: hier Database: Neo4j auf AWS EC2 Backend: backend auf AWS EC2
Dies geht um Kryokonservierung...
wird kurzzeitig in solche Schritte unterteilt:
-
Dantenbank zur Speicherung alle Messungen
- Pre-Data von Zellen wie Rundheit, Durchmesse, ...
- Parameters über Einfrierensverfahren, wie Rate, ...
- Parameters über Einfrierenslösung, wie Zusatz, ...
- Post-Data von Zellen wie Rundheit, Durchmesse, Überlebensrate, ...
-
Tools für die Darstellung und Analyse der Daten in Datenbank
- Analysetools, von Daten zum Diagramm bzw. Kurve, über Tendenz, Mittelwerte, ...
- Extraktionstools, Suche Daten von chaotischen Daten
- Prognosetools mit ggf. Maschinellem Lernen / Deep Learning
- Backbone von Modell
- Training von überwachtem Lernen
- Inputs: Pre-Data der Zellen, Parameters über Einfrierensverfahren und Parameters über Einfrierenslösung in Datenbank
- Outputs: Post-Data der Zellen
- Am Ende sollte Vorhersage zu Post-Data auskommen, wenn Pre-Dara und Parameters gegeben wurden.
- ggf. könnten die Parameters mit alle Tools verbessert werden
- ggf. etwas über UI