Il progetto richiedeva la creazione di un prodotto che consentisse agli studenti di accedere ai canali Teams dei vari corsi, di selezionare un corso specifico e di generare una dispensa a partire dalle video lezioni presenti in quel corso.\ Nello specifico le dispense devono coprire tutti gli argomenti del corso, essere divise in capitoli, includere domande per ciascun capitolo e, infine, fornire le risposte a tali domande.
Per poter realizzare questo prodotto è stato necessario dividere in 2 la realizzazione del progetto:
• Recupero dei video da Teams;
• Generazione delle dispense a partire dai video ed invio delle dispense generate.
Per completare la prima fase, è stato necessario richiedere a Teams l’accesso al servizio di autenticazione. Successivamente, è stato richiesto all’università l’accesso ai vari corsi a cui lo studente è iscritto su Teams. Una volta ottenuti i dati sui corsi, le lezioni collegate sono state scaricate. Per la seconda fase, è stato necessario cercare un modello per la trascrizione delle lezioni e un modello per la generazione delle dispense. Per la trascrizione è stato utilizzato Whisper di OpenAI, mentre per la generazione delle dispense è stato impiegato Qwen1.5-14B-Chat. Infine, il tutto è stato integrato in un’interfaccia che consente agli utenti di interagire con il sistema in modo semplice e intuitivo.
GPU: 30GB
CPU: Un kernel a 64-bit kernel e il supporto CPU per la virtualizzazione
RAM: Almeno 4 GB di RAM
Tipologia di scheda grafica: Nvidia
Driver: Nvidia
Per poter replicare il servizio è necessario installare nella propria macchina Docker in modo tale da poter costruire l'ambiente adatto. Docker si occuperà dell'installazione dei pacchetti richiesti e di inoltrare le richieste correttamente all'interno del sistema.Per la parte di recupero delle lezioni è necessario installare nella propria macchina Docker in modo tale da poter costruire l’ambiente adatto.
Le procedure di installazione ed avvio di Smart Study Mate sono le seguenti:
Fare il download della repo digitando sul terminale git clone https://github.com/josedallatorre/SmartStudyMate.git.
Copiare i file .env.sample cp server/.env.sample server/.env e cp core/.env.sample core/.env.
Modificare i parametri dell'env in server in base agli ID ottenuti su Microsoft Entra e all'architettura (leggere di seguito).
Modificare i parametri dell'env in core in base alla password e alla email di Google con cui verrà inviata la dispensa.
Nel caso in ci sia solo una macchina: docker compose -f compose.dev.yaml up.
Nel caso ci siano due macchine: docker compose up nella macchina che non dispone di GPU e
docker run -it -v ./core:/home/app -p 5000:5000 --gpus all josedallatorre/ssm-core su quella che dispone di GPU.