Проекты

Удобное приложение для быстрого и простого анализа мочи. Автоматическая генерация результатов теста на основе цветов реагентных зон.

Нейронные сети используются для множества задач, но слышали ли вы когда-нибудь про распознавание птиц? Мы – нет, поэтому возможность поработать над этим проектом очень нас захватила В итоге, опыт оказался крайне интересным.

Мы разработали мобильный гид для посетителей художественного музея. Наше мобильное приложение способно мгновенно распознать картины под любым углом и предоставить информацию о них в текстовой форме.

Перед нами стояла задача разработать модуль регистрации, который бы устранил возможность мошенничества и использования нескольких учетных записей одним пользователем. Модуль должен распознавать лица и документы, а также автоматизировать процесс регистрации за счет автоматического заполнения информации с удостоверения личности.

Наш парсер позволяет собирать данные с самого популярного маркетплейса и фильтровать их в соответствии с потребностями нашего клиента.

Нам предложили разработать инструмент по сбору данных, который будет взаимодействовать с национальной сетью инцидентов, извлекая необходимые данные и экспортируя их в файл Excel. Информация структурируется по спецификации клиента.

Мы разработали парсер данных, способный собирать и извлекать данные с веб-страницы за считанные секунды.

Мы живем во времена продуктовых маркетплейсов и сильной конкуренции, поэтому важно следить за отзывами клиентов. Именно они могут помочь улучшить продукт или сделать его более популярным. Автоматизация работы с отзывами – выигрышная стратегия в наши дни, а искусственный интеллект и машинное обучение могут очень сильно в этом помочь.

Машинное обучение набирает обороты, эта тема вышла за рамки среды разработчиков и уже стало общей темой для широкой общественности. При всём этом разработка моделей для обучения нейронных сетей требует высокого уровня знаний и опыта. Не все могут обучить модель самостоятельно, а обращаться к сторонним специалистам дорого. Рассказываем, как мы создавали систему по обучению нейронных сетей.

Написание различных текстов для продвижения товаров становится проблемой для маркетологов, продвигающих товары в онлайн среде. Но эта проблема легко решается при помощи машинного обучения и обработки естественного языка (NLP), которые мы применили в системе, способной генерировать "человечные" тексты для постов в социальных сетях.

Системы с искусственным интеллектом пользуются популярностью, поскольку они могут работать с текстами (натуральными языками) примерно также, как и человек. Применять такие системы можно почти где угодно, где нужен анализ текстов: от соцсетей и изучения потребительских настроений до генерирования оригинального контента на заданную тему. Нам удалось поработать с наиболее продвинутой AI-моделью для обработки естественного языка - GPT-3.

Чем больше цифрового контента, такого как видео-игры, видео-ролики, фильмы и мультики, производится, тем сложнее продюсерским компаниям и инвесторам понять, что стоит продвижения и вложения капитала, а что нет. Такие компании часто относятся к контенту с точки зрения коммерческого успеха, который так сложно измерить, ведь его сложно формализовать в показателях. Но анализируя различные аспекты уже получившего успех медиа-контента, можно понять, какие именно показатели влияют на его популярность.