Примеры работ и кейсы по направлению «Нейронные сети»

AI-Агент: Интеллектуальный прорыв в аналитике маркетплейсов Данный проект направлен на полную автоматизацию аналитического цикла для продавцов. В основе решения лежит умный AI-агент, который фактически заменяет штат аналитиков, обеспечивая беспрецедентную точность и скорость принятия стратегических решений. Технологический стек и процессы Система функционирует по принципу прямого взаимодействия с данными через API личного кабинета. Это гарантирует стопроцентную актуальность информации и исключает ошибки ручного ввода. Основные этапы работы агента включают следующие процессы: Автоматический сбор данных: мгновенное получение статистики по заказам, выкупам и финансовым транзакциям. Глубокая обработка: использование алгоритмов ИИ для сегментации ассортимента и выявления аномалий. Генерация выводов: создание лаконичных текстовых отчетов с реальными рекомендациями на естественном языке. Ценность для бизнеса Вместо таблиц владелец магазина получает четкую дорожную карту развития. Агент фокусируется на самых критичных аспектах: Прогноз спроса: система рассчитывает объем поставок, помогая избежать замораживания капитала. Оптимизация маржи: ИИ находит точки потерь и предлагает корректировки цен на основе текущих трендов. Итог реализации: проект переводит управление магазином в режим автопилота. Это мощное конкурентное преимущество, позволяющее масштабировать бизнес без раздувания штата и лишних операционных затрат.

Годзилла уничтожает башню в Спб

Мини фильм про человека паука в Санкт-Петербурге

Задача: автоматическое извлечение данных из анализов крови по фото и сканам Сложность: закон запрещает передавать персональные данные пациентов внешним провайдерам (OpenAI и др.) Решение: Полностью локальная обработка — данные не покидают контур клиники 3 OCR-модели на выбор (EasyOCR, Tesseract, Surya) + предобработка изображений Локальная LLM формирует структурированный JSON, врач проверяет перед сохранением Метрики: 🎯 Точность извлечения показателей (LLM): 93–95% 🔤 WER для цифр: ~5% (качественные снимки) / ~14% (зашумленные) ⚡ Время обработки: 35–45 сек/файл (CPU), ~5–10 сек с GPU 🔐 Безопасность: 100% локально, без внешних API

Создание видео для соцсетей

Задача создать изображения по ТЗ заказчика за 1 день.

Задача: автоматический анализ тысяч отзывов с агрегаторов (banki.ru, sravni.ru, Яндекс) Сложность: ручной анализ невозможен — 5000+ отзывов, разные темы, нужна динамика по времени Решение: Парсинг отзывов, автоматическая кластеризация по темам (Карты, Приложение, Кэшбэк и др.) Классификация и тональность через LLM, адаптивное добавление новых тем Интерактивные дашборды: динамика настроений, матрица проблем, тепловая карта аспектов Метрики: 🎯 F1-score (классификация): >0.9 ⚡ Скорость API: 300 отзывов за ~3 минуты 📊 Тональность (accuracy): 0.94 🗂️ Финальных категорий: 11 (сформированы из данных, не заданы вручную)

Задача: быстрый поиск ответов в большой базе документов с указанием источника Сложность: документы объёмные, структура сложная — легко потерять контекст или дать неверный ответ Решение: Нарезка документов по страницам с сохранением метаданных (дело, статья, страница) Гибридный поиск: векторы (смысл) + ключевые слова (точные значения) + фильтрация Каждый ответ привязан к документу и странице — можно проверить источник Метрики: 🎯 Точность ответов на детерминированные вопросы: 0.90 ⚡ Время ответа: <1 сек (простые) / 3–5 сек (развёрнутые) 📚 База: 300 документов, 1000 тестовых вопросов 🔗 Grounding: 100% ответов с указанием источника

Задача: создание интеллектуальной образовательной платформы для изучения английского языка с персонализированным обучением Сложность: масштабный проект с микросервисной архитектурой (9+ сервисов), интеграция множественных AI-моделей, обработка речи, защита от jailbreak Мой вклад: - Все модули, связанные с LLM (генерация заданий, оценка ответов, персонализация) - Speech-сервис: распознавание речи (Whisper), оценка произношения (Wav2Vec2) Логика тестирования и оценки знаний: комбинация тестов с выбором ответа и оценки полного текста Интеграция с Guard-сервисом (защита от prompt injection) Решение: Адаптивная система обучения: диагностика → учебный план → упражнения → анализ ошибок Разговорный клуб

Задача: помочь сотрудникам находить в рабочих чатах нужную информацию (встречи, задания, документы) Сложность: обычный поиск не находит по смыслу — нужно помнить точные слова, даты, имена Решение: Распознаём голосовые сообщения в текст Помечаем значимые сообщения (встречи, задания, файлы), сохраняем в базе Смысловой поиск («найди последнее КП от ООО Ромашка») с фильтрацией по дате и типу Ценность: ✅ Сотрудники не пропускают задачи и договорённости ✅ Поиск нужной информации — секунды вместо минут ручного скроллинга ✅ Новые сотрудники быстро вникают в контекст обсуждений