tutor ai llm toolkit

Tutor -ai - kit de ferramentas baseado em NLP para cada professor

Bem-vindo ao Tutor-AI, uma plataforma SaaS pronta para a produção projetada para ajudar os professores a gerenciar com eficiência testes de classe e submissões de alunos de classificação usando a tecnologia avançada de OCR. Este aplicativo baseado em Django aproveita o modelo de promotamento para testes e integra o Google Vision para automatizar a avaliação de submissões manuscritas. Hospedado no Google Cloud, o Tutor-AI é construído para escalar e oferecer uma experiência perfeita para os educadores.

Índice

• Características
• Pilha de tecnologia
• Instalação
  • Pré -requisitos
  • Clone o repositório
  • Configure o ambiente
  • Migrar o banco de dados
  • Execute o servidor de desenvolvimento
  • Acesse o aplicativo
• Uso
• Contribuindo
• Licença
• Contato

Características

• Modelagem imediata para testes: crie, personalize e gerencie os testes sem esforço com nosso sistema de modelos de prompt intuitivo.
• Classificação do OCR com o Google Vision: Utilize os recursos de OCR do Google Vision para classificar automaticamente os envios manuscritos, economizando tempo e garantindo a precisão.
• Seguro e escalável: hospedado no Google Cloud para fornecer uma plataforma robusta, escalável e segura para as necessidades da sua sala de aula.
• Gerenciamento de envio dos alunos: rastrear e gerenciar facilmente os envios de testes dos alunos, com armazenamento e recuperação organizados.
• Interface amigável: projetado com foco na simplicidade e usabilidade, facilitando a navegação e o uso de todos os recursos de maneira eficaz.

Pilha de tecnologia

• Back -end: Django
• Frontend: HTML, CSS, JavaScript, Bootstrap
• OCR: API do Google Vision
• Hosting: Google Cloud
• Banco de dados: SQLite (para desenvolvimento), Google Cloud SQL (para produção)

Instalação

Pré -requisitos

• Python> = 3.8
• PIP (instalador do pacote Python)
• Conta do Google Cloud
• Chave da API do Google Vision

Clone o repositório

git clone https://github.com/hadithedetonator/tutor-ai-llm-toolkit.git
cd tutor-ai-llm-toolkit

Configure o ambiente

1. Crie um ambiente virtual:

   python -m venv venv
   source venv/bin/activate   # On Windows use `venvScriptsactivate`

2. Instale dependências:

   pip install -r requirements.txt

Migrar o banco de dados

 python manage.py migrate app
python manage.py migrate accounts
python manage.py migrate

Execute o servidor de desenvolvimento

python manage.py runserver

Acesse o aplicativo

Abra o navegador e navegue para http: // localhost: 8000.

Uso

• Registro/login: os professores podem se registrar ou fazer login em suas contas.
• Crie testes, tarefas, exames: use o sistema de modelos de prompt para criar e gerenciar testes, exames e até um exame médio /final.
• Submissões dos alunos: Os alunos podem enviar suas respostas manuscritas.
• Classificação automática: o Google Vision OCR processa e classifica os envios.
• Revisão e observação: os professores podem revisar o relatório da IA ​​de envios graduados e fornecer notas finais.

Contribuindo

As contribuições são bem -vindas! Siga estas etapas para contribuir:

1. Bifurcar o projeto
2. Crie seu ramo de recursos ( git checkout -b feature/AmazingFeature )
3. Comprometa suas mudanças ( git commit -m 'Add some AmazingFeature' )
4. Empurre para o ramo ( git push origin feature/AmazingFeature )
5. Abra um pedido de tração

Para quaisquer perguntas ou discussões, você pode entrar em contato comigo em [email protected].

Licença

Distribuído sob a licença do MIT. Consulte a licença para obter mais informações.

Contato

Abdul Hadi - [email protected]