లేబలర్ నియర్‌బై నిర్మాణం

Table of Contents

నా మొదటి హ్యాకథాన్

2022 వేసవి చివరి రోజుల్లో, నేను ఒక ఉత్సాహభరితమైన ప్రాజెక్ట్‌పై పనిచేయాలని ఎంతో కోరుకున్నాను. అప్పుడే నా అండర్‌గ్రాడ్యుయేట్ చదువును పూర్తిచేసి, సాఫ్ట్‌వేర్ ఇంజనీర్‌గా పూర్తి సమయం పనిచేస్తున్నాను. ఒక సైడ్ ప్రాజెక్ట్‌కు నిజంగా సమయం కేటాయించాలని నాకు ఎంతో కోరికగా ఉండేది, ఆ సమయంలో దాని కోసం నాకు తగినంత ఖాళీ సమయం కూడా ఉండేది. 2022 ఆగస్టులో Devpost అనే వెబ్‌సైట్‌ను కనుగొనే వరకు, ఏ ప్రాజెక్ట్‌పై పనిచేయాలో నాకు నిజంగా తెలియదు. Devpost అనేది హ్యాకథాన్‌లు అని పిలువబడే సాఫ్ట్‌వేర్ పోటీలను నిర్వహించే వెబ్‌సైట్. Devpost‌ను పరిశీలిస్తున్నప్పుడు, NEAR Protocol సంస్థ నిర్వహించిన NEAR MetaBUILD III అనే హ్యాకథాన్‌ను నేను కనుగొన్నాను.

NEAR అంటే ఏమిటి?

NEAR Protocol అనేది స్మార్ట్ కాంట్రాక్ట్‌లు మరియు NEAR క్రిప్టోకరెన్సీకి మద్దతు ఇచ్చే బ్లాక్‌చెయిన్. ఇది చాలా తక్కువ లావాదేవీ రుసుములు, స్మార్ట్ కాంట్రాక్ట్‌లకు మద్దతు, స్వంత అధికారిక టెస్ట్ నెట్‌వర్క్, అలాగే మీరు Rust మరియు/లేదా Java Script‌లో స్మార్ట్ కాంట్రాక్ట్‌లను రాయగలగడం వల్ల లభించే గొప్ప డెవలపర్ వాతావరణం కోసం ప్రధానంగా ప్రసిద్ధి చెందింది. CoinGecko యొక్క అద్భుతమైన వీడియో ద్వారా NEAR Protocol గురించి మీరు మరింత మెరుగైన అవగాహన పొందవచ్చు:

ఈ సమయంలో, Coinbase అధికారికంగా NEAR Protocol‌ను తమ ప్లాట్‌ఫారమ్‌లో ట్రేడ్ చేయగల కాయిన్‌గా మద్దతు ఇవ్వడం ప్రారంభించింది. ఇది చాలా ముఖ్యమైన విషయం, ఎందుకంటే Coinbase తమ ప్లాట్‌ఫారమ్‌లో ఏ కాయిన్లకు మద్దతు ఇవ్వాలో నిర్ణయించేటప్పుడు చాలా ఎంపికలు చేసేది అని ప్రసిద్ధి చెందింది. ఇది NEAR‌ను మరింత విశ్వసనీయమైన ప్లాట్‌ఫారమ్‌గా మార్చడంలో సహాయపడింది. మీరు ఇప్పటికీ Coinbaseలో NEAR‌ను ట్రేడ్ చేయవచ్చు.

ఎందుకు సమయం కేటాయించాలి?

కొంత సమయం ఆలోచించిన తరువాత, NEAR MetaBUILD III హ్యాకథాన్‌లో పోటీ పడటానికి నా సమయాన్ని కేటాయించాలని నిర్ణయించుకున్నాను. నా కారణాలు ఇవి:

  • క్రిప్టో అంతరించిపోదు, అలాగే ఇది కొనసాగబోయే సాంకేతికత. కాబట్టి ఈ సాంకేతికతను నేర్చుకోవడానికి కొంత సమయం పెట్టుబడి పెట్టడం సమంజసంగా అనిపించింది.
  • హ్యాకథాన్‌లో గొప్ప బహుమతులు ఉన్నాయి; విజేతలలో ఒకరిగా నిలిస్తే NEARలో $20,000 నుండి $100,000 వరకు పొందవచ్చు.
  • హ్యాకథాన్‌కు ఒక నిర్దిష్ట గడువు ఉంది, అంటే సాధారణంగా అనేక సైడ్ ప్రాజెక్ట్‌ల మాదిరిగా ప్రాజెక్ట్‌ను నెలల తరబడి లాగలేము.
  • ఈ ప్రాజెక్ట్ గొప్ప అభ్యాస అనుభవంగా, హ్యాకథాన్‌లకు గొప్ప పరిచయంగా నిలుస్తుంది.
  • అత్యంత చెడు పరిస్థితిలో కూడా, నా రెజ్యూమేలో చూపించడానికి ఒక గొప్ప ప్రాజెక్ట్‌ను రూపొందించుకునే అవకాశం హ్యాకథాన్ నాకు ఇస్తుంది.

ఇవన్నీ దృష్టిలో ఉంచుకుని, 2022 ఆగస్టు 26న కళాశాల నాటి నా సన్నిహిత మిత్రుడికి ఫోన్ చేసి, ఈ హ్యాకథాన్ కోసం ప్రణాళికలు రూపొందించడం ప్రారంభించాము. హ్యాకథాన్ 2023 సెప్టెంబర్ 23న ప్రారంభమై, 2022 నవంబర్ 21న ముగియాల్సి ఉంది. అయితే హ్యాకథాన్ చివరి దశలో గడువును 2023 నవంబర్ 24 వరకు పొడిగించారు. మేము 1 నెల ముందుగానే ఉన్నందున, ఈ 2 నెలల హ్యాకథాన్‌లో ఏం చేయాలో నేర్చుకోవడానికి, ఆలోచనలు చేయడానికి ఈ సమయాన్ని ఉపయోగించాలని నిర్ణయించుకున్నాము. ఆ మొదటి నెలలో, క్రిప్టో మరియు బ్లాక్‌చెయిన్‌లపై సాధారణ అవగాహన పొందాము. NEAR టెస్ట్‌నెట్‌ను పరిశీలించి అభ్యసించాము, NEAR SDK‌ను సమీక్షించాము, అలాగే రెండు స్మార్ట్ కాంట్రాక్ట్‌లను డిప్లాయ్ చేశాము.

ఆలోచన

బ్లాక్‌చెయిన్ మరియు NEAR‌కు సంబంధించిన అన్ని విషయాలపై గొప్ప పరిచయం పొందిన తరువాత, మేము ఆలోచనలను పరిశీలించడం ప్రారంభించాము. ఈ ప్రాజెక్ట్ కేవలం ఒక “హ్యాకథాన్ ప్రాజెక్ట్”గా కాకుండా, ఇతరులు ఉపయోగించగల ఉత్పత్తిగా మారాలని, అలాగే ట్రేడింగ్‌కు మాత్రమే కాకుండా ఇతర విషయాలకు కూడా క్రిప్టో ఎలా ఉపయోగపడుతుందో చూపించే ఉదాహరణగా ఉండాలని నేను కోరుకున్నాను.

ఈ ఆలోచనతో, Unreal Engine Blueprint‌కు సమానమైనదాన్ని, అయితే కోడింగ్ అవసరం లేకుండా NEAR బ్లాక్‌చెయిన్‌పై స్మార్ట్ కాంట్రాక్ట్‌లను సులభంగా సృష్టించి డిప్లాయ్ చేయడానికి ఉపయోగపడేదాన్ని రూపొందించాలని మొదట నిర్ణయించుకున్నాము. అయితే హ్యాకథాన్ ప్రారంభానికి ఒక వారం ముందు, ఆ ఆలోచనను వదిలేశాము, ఎందుకంటే అది సరైనదిగా అనిపించలేదు. NEAR స్మార్ట్ కాంట్రాక్ట్‌లకు ఇంకా ఆచరణాత్మక వినియోగ సందర్భం లేకపోతే, వాటిని సృష్టించడానికి ఎవరైనా మా టూల్‌ను ఎందుకు ఉపయోగిస్తారు? చాలామందికి అవసరం లేని టూల్‌ను అభివృద్ధి చేసినట్లే అవుతుంది.

హ్యాకథాన్ ప్రారంభానికి కేవలం ఒక వారం మాత్రమే మిగిలి ఉండగా, మేము మళ్లీ ఆలోచనలు చేయడం ప్రారంభించి, ఈ ఆలోచనపై స్థిరపడ్డాము:

A decentralized platform where AI researchers can outsource
data labeling to labelers around the world

ఈ ప్రాజెక్ట్‌కు “Labeler NearBy” అని పేరు పెట్టాము. ఈ ఆలోచనను ఎంచుకోవడానికి మా నిర్ణయం క్రింది కారణాలపై ఆధారపడింది:

  • AI అభివృద్ధికి శిక్షణ కోసం డేటాను మానవులు లేబుల్ చేయడం అవసరం.
  • నిర్దిష్ట డేటాసెట్‌లను లేబుల్ చేయడానికి నైపుణ్యం కలిగిన వ్యక్తులను కనుగొని నిర్వహించడం సవాలుతో కూడుకున్నది.
  • Scale AI అనే సంస్థ ఈ ఆలోచనను ఇప్పటికే విజయవంతంగా అమలు చేసింది; వారు ఉత్పత్తి-మార్కెట్ అనుకూలతను కనుగొన్న విధానం దీనికి ఆధారం.
  • Scale AI వంటి కేంద్రీకృత సేవలు ఆందోళనలను కలిగిస్తాయి, ఎందుకంటే సంస్థలు తమ డేటాను లేబలింగ్ కంపెనీకి పంపాలి, ఆ కంపెనీ ప్రపంచవ్యాప్తంగా ఉన్న మానవ లేబలర్‌లకు పనిని అప్పగిస్తుంది. లేబలింగ్ ప్రక్రియ తర్వాత, కంపెనీ లేబుల్ చేసిన డేటాను సంస్థకు తిరిగి పంపుతుంది. దీని ద్వారా విలువైన శిక్షణ డేటాపై నియంత్రణ కోల్పోతారు; ఆ డేటాను లేబలింగ్ కంపెనీ తమ స్వంత మోడళ్లకు శిక్షణ ఇవ్వడానికి ఉపయోగించవచ్చు. ఈ సేవను వికేంద్రీకరించడం తార్కిక పరిష్కారంగా అనిపించింది.
  • వికేంద్రీకృత యాప్ (dApp) రంగంలో ఈ ఆలోచనపై పనిచేస్తున్న ప్రాజెక్ట్‌లు చాలా తక్కువగా ఉన్నాయని మేము కనుగొన్నాము. అందువల్ల ఈ రంగంలో కొత్త ఆవిష్కరణలు చేసి, మార్గదర్శకులుగా నిలిచే అవకాశం మాకు లభించింది.

సంక్లిష్టతను తగ్గించడానికి, ప్రస్తుతానికి Labeler NearBy కేవలం చిత్ర డేటాకు మాత్రమే మద్దతు ఇవ్వాలని నిర్ణయించుకున్నాము.

సమర్పణ

ఆలోచనను ఎంచుకుని, హ్యాకథాన్ అధికారికంగా ప్రారంభమైన తరువాత, నా మిత్రుడు మరియు నేను Labeler NearBy నిర్మించడం ప్రారంభించాము. మేము 2 నెలల పాటు మా ప్రాజెక్ట్‌పై పనిచేసి, 2022 నవంబర్ 24న మా ప్రాజెక్ట్ తుది ముసాయిదాను Devpost‌కు సమర్పించాము. మా ప్రాజెక్ట్‌ను Devpost‌లో సమర్పించడంతో పాటు, మా సమర్పణకు Github‌లో ఒక కాపీని కూడా సృష్టించాము. ఈ బ్లాగ్ Labeler NearBy యొక్క ప్రతి సాంకేతిక అంశాన్ని, అభివృద్ధి ప్రక్రియను వివరించదు. ఇది తెలిసి ఉండగా, Labeler NearBy ఎలా పనిచేస్తుందో మరింత తెలుసుకోవడానికి లేదా మా తుది సమర్పణను చూడటానికి, క్రింది లింక్‌లలో ఏదో ఒకదాన్ని సందర్శించండి:

Labeler NearBy రెండు కోడ్‌బేస్‌లను కలిగి ఉంటుంది: ln-researcher మరియు ln-labeler. ఈ కోడ్‌బేస్‌లు MIT లైసెన్స్ కింద పూర్తిగా ఓపెన్ సోర్స్‌గా ఉన్నాయి, వాటిని క్రింది లింక్‌ల ద్వారా చూడవచ్చు:

Labeler NearBy (LN) ఎలా పనిచేస్తుందో సాధారణ అవలోకనం ఇక్కడ ఉంది:

ఒక పరిశోధకుడికి తన AI మోడల్‌కు శిక్షణ ఇవ్వడానికి లేబుల్ చేసిన చిత్రాలు అవసరం. దీన్ని సాధించడానికి, పరిశోధకుడు తన డేటాను హోస్ట్ చేయడానికి, లేబలర్‌లు తన డేటాను లేబుల్ చేయడానికి ఒక మార్గాన్ని అందించడానికి LN‌ను ఉపయోగిస్తాడు. ఇది ln-researcher ద్వారా సాధించబడుతుంది. ఇది API, పరిశోధకుడి స్మార్ట్ కాంట్రాక్ట్‌లు మరియు స్థానిక Postgres డేటాబేస్‌ను కలిగి ఉన్న, స్వయంగా హోస్ట్ చేసుకోగల వెబ్ సేవ. లేబలర్ కోసం, ఒక వెబ్ ఫ్రంట్‌ఎండ్ అందించబడుతుంది (అందించబడి ఉండేది), దాని ద్వారా వారు పరిశోధకుడి చిత్రాలను యాక్సెస్ చేసి లేబుల్ చేయగలరు. లేబలింగ్ ప్రక్రియలో, ఒక చిత్రాన్ని వేర్వేరు లేబలర్‌లు మూడు సార్లు లేబుల్ చేస్తారు. ఓటింగ్ వ్యవస్థ ద్వారా నిర్ణయించబడే అత్యుత్తమ లేబుల్‌లను అందించిన లేబలర్‌కు మాత్రమే NEAR కాయిన్లు బహుమతిగా లభిస్తాయి. ఈ ప్రక్రియకు బాధ్యత వహించే వెబ్ యాప్‌ను ln-labeler అంటారు. ప్రతి లేబలింగ్ చర్యకు పరిశోధకుడు నిధులు సమకూరుస్తాడు, అలాగే Coinbase ద్వారా NEAR కాయిన్లను సులభంగా డాలర్లుగా మార్చవచ్చు. అన్ని లావాదేవీ సంబంధిత వ్యవహారాలను NEAR Protocol బ్లాక్‌చెయిన్‌పై హోస్ట్ చేసిన స్మార్ట్ కాంట్రాక్ట్‌లు నిర్వహిస్తాయి.

హ్యాకథాన్ కోసం Labeler NearBy యొక్క మా డెమో వీడియోను ఇక్కడ చూడవచ్చు:

గొప్ప సాధన

నేను అమలు చేసిన వాటిలో నాకు అత్యంత గర్వంగా అనిపించే ఫీచర్ getImage() అనే ఫంక్షన్. ఈ ఫంక్షన్ ln-researcherలో API ఎండ్‌పాయింట్‌గా పనిచేస్తుంది, అలాగే Labeler NearBy (LN)లో పరిశోధకులు మరియు లేబలర్‌ల మధ్య డేటా పైప్‌లైన్‌లో కీలక పాత్ర పోషిస్తుంది.

ఈ API ఎండ్‌పాయింట్ పరిశోధకులు తమ చిత్రాలను సురక్షితంగా, విశ్వసనీయంగా లేబలింగ్ కోసం పంపిణీ చేయడానికి సహాయపడుతుంది. లేబలింగ్ కేటాయింపులు NEAR Protocol బ్లాక్‌చెయిన్‌పై ఉన్న NEAR స్మార్ట్ కాంట్రాక్ట్‌ల ద్వారా నిర్వహించబడతాయి, అదే సమయంలో చిత్ర డేటా పరిశోధకుడు ln-researcher ద్వారా హోస్ట్ చేస్తాడు.

కేటాయించిన లేబలర్ మాత్రమే చిత్రాన్ని యాక్సెస్ చేయగలడని నిర్ధారించడానికి ఈ ఎండ్‌పాయింట్ అనేక భద్రతా తనిఖీలను నిర్వహిస్తుంది. ఇందులో అభ్యర్థన సంతకాన్ని ధృవీకరించడం, అలాగే టాస్క్ ఉనికిలో ఉందని మరియు అభ్యర్థన పంపుతున్న లేబలర్‌కు అది కేటాయించబడిందని నిర్ధారించడానికి అనుబంధిత స్మార్ట్ కాంట్రాక్ట్‌ను తనిఖీ చేయడం ఉంటాయి.

పరిశోధకుడి స్వయంగా హోస్ట్ చేసుకున్న ln-researcher APIలో అభ్యర్థన ధృవీకరించబడిన తర్వాత, ఈ ఫంక్షన్ స్థానిక Postgres డేటాబేస్ నుండి చిత్రాన్ని పొందుతుంది, చిత్రాన్ని ఎన్‌క్రిప్ట్ చేస్తుంది, ఆపై అధికారం కలిగిన లేబలర్‌కు పంపుతుంది; లేబలర్ ఆ చిత్రాన్ని డీక్రిప్ట్ చేసి లేబుల్ చేయగలడు. అదే సమయంలో, చిత్రం లేబుల్ అవుతున్న పురోగతిని సూచించేలా ఫంక్షన్ డేటాబేస్‌లోని చిత్రం స్థితిని నవీకరిస్తుంది. ఈ ప్రక్రియంతటిలో, పరిశోధకుడు మరియు లేబలర్ ఇద్దరి RSA కీలు ప్రామాణీకరణ కోసం ఉపయోగించబడతాయి. అలాగే చిత్రం ఎన్‌క్రిప్ట్ చేయడానికి AES ఎన్‌క్రిప్షన్ ఉపయోగించబడుతుంది.

పరిశోధకుల నుండి లేబలర్‌లకు చిత్రాలను సురక్షితంగా, నియంత్రిత విధానంలో పంపిణీ చేయడంలో ఈ ఎండ్‌పాయింట్ కీలక పాత్ర పోషిస్తుంది. ఇది సురక్షితమైన డేటా బదిలీని నిర్ధారించడంతో పాటు, చిత్ర లేబలింగ్ ప్రక్రియను సమర్థవంతంగా ట్రాక్ చేసి నిర్వహిస్తుంది. అదనంగా, కనీసం ఈ ఎండ్‌పాయింట్ విషయంలోనైనా HTTPS ఉపయోగించాల్సిన అవసరాన్ని తొలగించే సామర్థ్యం ఈ ప్రక్రియకు ఉంది.

ఈ నిర్దిష్ట ఎండ్‌పాయింట్/ఫంక్షన్ పరీక్షించబడింది మరియు పనిచేస్తుందని నిరూపించబడింది. Labeler NearBy మొత్తం కార్యాచరణను, అలాగే పైన పేర్కొన్న ఎండ్‌పాయింట్/ఫంక్షన్ ఎలా పనిచేస్తుందో స్పష్టంగా చూపించే రేఖాచిత్రం క్రింద ఉంది:

ఫలితం

దురదృష్టవశాత్తూ, హ్యాకథాన్ గడువులోపు ఈ ప్రాజెక్ట్‌ను పూర్తిగా పూర్తి చేయలేకపోయామన్నదే విచారకరమైన వాస్తవం. ln-researcher వంటి ప్రాజెక్ట్‌లోని ఎక్కువ భాగం పూర్తయింది, కానీ ఫ్రంట్‌ఎండ్ (ln-labeler) పూర్తికాలేదు మరియు ప్రత్యక్ష డెమోను అమలు చేయలేకపోయాము. బ్యాక్‌ఎండ్ (ln-researcher) ప్రాథమికంగా పూర్తయినప్పటికీ, సరిగ్గా పనిచేసే ఫ్రంట్‌ఎండ్ లేకపోవడం, ప్రత్యక్ష డెమో లేకపోవడం వల్ల Labeler NearBy ఆలోచనను ఎవరూ ప్రయత్నించలేకపోయారు. అంతేకాకుండా, న్యాయనిర్ణేతలు కూడా ప్రాజెక్ట్‌ను ప్రయత్నించలేకపోయారు; దాని బదులుగా వారు సమర్పణను చదవాల్సి వచ్చింది, కోడ్‌ను పరిశీలించాల్సి వచ్చింది మరియు/లేదా దానిని తామే అమలు చేయడానికి ప్రయత్నించాల్సి వచ్చింది. దీనివల్ల గెలిచే మా అవకాశాలు దాదాపు సున్నా శాతానికి పడిపోయాయి. 2022 డిసెంబర్ 15న హ్యాకథాన్ విజేతలను ప్రకటించినప్పుడు ఇది ధృవీకరించబడింది, మరియు వారిలో మేము లేము.

ఓటమి

ఈ హ్యాకథాన్‌ తుది ఫలితం నిరుత్సాహపరిచిందన్న వాస్తవాన్ని నేను దాచను. ఈ ప్రాజెక్ట్‌పై నెలల సమయం పెట్టుబడిగా వెచ్చించబడింది, మరియు పరిశోధకులకు చాలా ఉపయోగకరమైన సాధనాన్ని అందించగలదని నేను భావించినందున, ఈ ప్రాజెక్ట్‌ గురించి నాకు ఒక గొప్ప దృష్టికోణం ఉండేది.

నేను చేపట్టే ప్రాజెక్ట్‌లకు సంబంధించి నాకు ఒక స్పష్టమైన ప్రమాణం ఉంది: అవి విజయవంతం కావాలి లేదా విఫలం కావాలి; మధ్యస్థానం అంటూ ఏదీ లేదు. కాబట్టి, గడువులోపు ప్రాజెక్ట్ పూర్తిగా పూర్తికాకపోవడం, సంభావ్య వినియోగదారులకు అందుబాటులో లేకపోవడం వల్ల ఈ ప్రాజెక్ట్ ఒక వైఫల్యంగా నిలిచింది.

అయితే వైఫల్యం జీవితంలో సహజమైన భాగమని గుర్తుంచుకోవడం ముఖ్యం. మన వైఫల్యాల నుంచి నేర్చుకునే పాఠాలపై మన విజయాలు నిర్మించబడతాయి. ఈ హ్యాకథాన్‌ ఫలితం నిరుత్సాహపరిచినప్పటికీ, ఒక ప్రాజెక్ట్/ఉత్పత్తిని అభివృద్ధి చేసి నిర్మించే విషయంలో అది ఇప్పటికీ విలువైన అవగాహనలను అందించింది.

నేర్చుకున్న పాఠాలు

ఈ అనుభవం నుంచి నేను నేర్చుకున్న ప్రధాన పాఠాలు ఇవి:

  1. మేము ఎంచుకున్న ప్రాజెక్ట్‌పై పునరావృతంగా పని చేయడానికి ముందే చాలా ఫీచర్లను నిర్మించాల్సి వచ్చింది. దీని ద్వారా నేను ఏమి చెప్పాలనుకుంటున్నాను? ఈ ప్రాజెక్ట్‌కు సంబంధించిన ఆలోచనలోని దాదాపు అన్ని భాగాలను నిర్మించిన తర్వాత మాత్రమే ఆ ఆలోచనను పరీక్షించగలిగాము. పనిచేయడానికి అవసరమైన భాగాలు తక్కువగా ఉన్న ప్రాజెక్ట్‌ను ఎంచుకోవడం మరింత సముచితంగా ఉండేది. అలా చేసి ఉంటే, అవసరమైన భాగాలను వేగంగా నిర్మించి, ప్రాజెక్ట్‌పై త్వరగా పునరావృతంగా పని చేయగలిగేవాళ్లం. అలా చేసి ఉంటే, గడువును మరింత సులభంగా చేరుకుని, కొంత సరళమైనదైనా మరింత పూర్తయిన ప్రాజెక్ట్‌ను రూపొందించగలిగేవాళ్లం. సాంకేతిక ప్రారంభ సంస్థల వేగవంతకర్త అయిన YC, మీరు త్వరగా ప్రారంభించి, వినియోగదారులతో మాట్లాడి, పునరావృతంగా మెరుగుపరచాలని ప్రాధాన్యం ఇస్తుంది. ఈ హ్యాకథాన్‌ కోసం మా ప్రాజెక్ట్‌తో మేము కూడా అలాగే చేయాల్సి ఉండేది.
  2. ఈ ప్రాజెక్ట్‌ను నిర్మించడానికి ఎంత సమయం పడుతుందో మేము తక్కువగా అంచనా వేశాము. ఇది మా మొదటి హ్యాకథాన్, అలాగే వికేంద్రీకృత అనువర్తనం (dapp) రూపొందించడం కూడా మా మొదటిసారి. అంతేకాకుండా, నేను పూర్తి సమయం సాఫ్ట్‌వేర్ ఇంజినీర్‌గా పనిచేస్తుండగా, నా స్నేహితుడు తన మాస్టర్స్‌ చదువును పూర్తి చేస్తున్నాడు. అయినప్పటికీ, 2 నెలలు సరిపోతాయని మేము భావించాము. ప్రాజెక్ట్ పరిధిని తగ్గించడం మరియు/లేదా మా పనిభారాన్ని తగ్గించగల మరో బృంద సభ్యుడిని కనుగొనడం మరింత సముచితంగా ఉండేది.
  3. విన్‌స్టన్ చర్చిల్ ప్రసిద్ధంగా ఇలా అన్నాడు: “పరిపూర్ణత పురోగతికి శత్రువు”. నేను ఈ ప్రాజెక్ట్‌ను వ్యాపారం-నుంచి-వినియోగదారునికి (B2C) ఉత్పత్తిలా పరిగణిస్తున్నాను, వాస్తవానికి ఇది కేవలం ఒక హ్యాకథాన్‌ ప్రాజెక్ట్, గరిష్ఠంగా కనీస ఆచరణీయ ఉత్పత్తి (MVP) మాత్రమే. కాబట్టి ప్రారంభంలోనే, ప్రధాన ఫీచర్లు తగినంతగా పనిచేసేలా చేయడంపై నా సమయాన్ని కేంద్రీకరించాల్సినప్పుడు, చిన్నచిన్న వివరాలపై నేను చాలా ఎక్కువ సమయాన్ని వృథా చేశాను.

ఈ విలువైన పాఠాలతో పాటు, నా వ్యక్తిగత వైపు ప్రాజెక్ట్‌లలో మరియు వృత్తిపరమైన ప్రయత్నాల్లో అమూల్యమైనవిగా నిరూపితమైన కొత్త నైపుణ్యాలను నేను సంపాదించాను. ఈ నైపుణ్యాల్లో ఇవి ఉన్నాయి:

  1. Node.js, JavaScript, మరియు Express.js ద్వారా APIలను అభివృద్ధి చేయడం
  2. డేటా నిర్వహణ కోసం PostgreSQLను అమర్చడం మరియు ఉపయోగించడం
  3. PG వంటి ప్యాకేజీలను ఉపయోగించడం ద్వారా API అభివృద్ధిలో PostgresSQLను ఏకీకృతం చేయడం.
  4. మెరుగైన డేటా భద్రత కోసం RSA (అసమాన గుప్తీకరణ) మరియు AES (సమాన గుప్తీకరణ)ను ఉపయోగించడం.

ముగింపు

మొత్తంగా, తుది ఫలితంతో నిరాశ చెందినప్పటికీ, మేము ఈ హ్యాకథాన్‌లో పాల్గొన్నందుకు సంతోషంగా ఉన్నాను. Labeler NearByపై పనిచేస్తున్నప్పుడు సంపాదించిన విలువైన పాఠాలు మరియు నైపుణ్యాలకు నేను కృతజ్ఞుడిని, ఎందుకంటే అవి నన్ను మరింత మెరుగైన డెవలపర్‌గా తీర్చిదిద్దాయి మరియు నా తదుపరి ప్రాజెక్ట్ అయిన Notify-Cyber అభివృద్ధికి గణనీయంగా తోడ్పడ్డాయి.

ఇతర గమనికలు

  • నేను Labeler NearBy ప్రాజెక్ట్‌ వద్దకు తిరిగి రావచ్చు, కానీ ప్రస్తుతానికి ఈ ప్రాజెక్ట్‌ “దీర్ఘ విరామంలో” ఉంది
  • ప్రస్తుతం, Labeler NearBy NEAR యొక్క టెస్ట్‌నెట్‌లో మాత్రమే అమలవ్వాలి. దీనికి మరింత అభివృద్ధి, పరీక్షలు మరియు ఆడిటింగ్ అవసరం.