astana_hub - Технологические задачи

775 тех. задач

Разработка встроенного AI-аналитика для BI-систем: ответы по данным на естественном языке

Требуется разработать "встроенный в BI-дашборды AI-аналитик", который по вопросу на естественном языке выдаёт пользователю готовый результат. Ключевые требования к решению: 1. Диалог на естественном языке прямо внутри дашборда — без отдельного интерфейса и без знания SQL/BI. 2. Ответы на фактических данных. Решение опирается на реальную модель данных и рассчитанные метрики, а не «угадывает» по картинке на экране — достоверность ответа критична. 3. Автоматическое построение визуализаций (графики, таблицы, ключевые показатели) под суть вопроса. 4. Готовое аналитическое заключение — короткий понятный вывод для принятия решения, а не только цифры. 5. Отраслевая настраиваемость — единое ядро адаптируется под банк, страховую, ритейл, телеком, производство, госсектор и др. 6. Встраивание поверх существующей BI** без перестройки текущей инфраструктуры и витрин данных. 7. Безопасность корпоративного уровня — работа с данными в контуре заказчика, разграничение доступа. Итог задачи — рабочее решение (от MVP к промышленной версии), превращающее данные в решения на уровне любого сотрудника, а не только аналитика.

Заказчик

Kaz-analytics

Прием решений до

13.07.26 (включительно)

Область задачи

Интеллектуальные системы управления

Количество заявок

Разработка прототипа корпоративного ИИ-помощника для безопасной работы с внутренней базой знаний компании.

Исследование возможностей и создание прототипа (Proof of Concept) локального корпоративного ИИ-ассистента на базе Open-Source языковых моделей (LLM) с архитектурой RAG, способного оперативно и безопасно осуществлять контекстный поиск и анализ информации по внутренним регламентам и документам компании без передачи данных во внешние облачные сервисы. Описание задачи: В рамках выполнения технологической задачи предлагается решить проблему безопасного и быстрого поиска информации внутри корпоративных баз данных. Современные публичные ИИ-решения (ChatGPT, Claude и др.) не могут быть использованы в контуре компании из-за строгих требований информационной безопасности и условий NDA. Задача заключается в том, чтобы развернуть и адаптировать открытую языковую модель (например, Llama 3, Mistral или аналоги) полностью на локальных мощностях. Проект включает в себя: Создание модуля для загрузки и индексации текстовых документов (PDF, DOCX, TXT); Настройку векторной базы данных для точного извлечения контекста (RAG); Разработку удобного веб-интерфейса (чат-бота), который будет отвечать на вопросы сотрудников на казахском и русском языках, обязательно ссылаясь на конкретные пункты и страницы документов-первоисточников. Результатом задачи должен стать работоспособный прототип, упакованный в Docker-контейнер, для демонстрации внутренней технической команде.

Заказчик

Petrel AI

Прием решений до

10.07.26 (включительно)

Область задачи

Другие технологические решения

Количество заявок

Разработка цифровой платформы управления посещаемостью и контроля доступа на массовые мероприятия

Цель проекта — создание единой цифровой платформы для автоматизации процессов контроля доступа посетителей на концерты, спортивные мероприятия, фестивали, театральные представления и другие массовые события. Система должна обеспечивать онлайн-проверку билетов, управление потоками посетителей, мониторинг загруженности входных групп в режиме реального времени и предоставление организаторам аналитических данных о посещаемости мероприятий.

Заказчик

TOPSTAR Technologies

Прием решений до

10.07.26 (включительно)

Область задачи

Количество заявок

Интерактивная шахматная дуэль для учеников ABCHESS

Разработать интерактивный образовательный веб-модуль для проведения соревновательных шахматных занятий. Модуль должен позволять нескольким ученикам одновременно решать шахматные задания на одном экране в игровом формате. Основная цель проекта — повысить вовлечённость детей в процесс обучения за счёт элементов соревнования, визуального прогресса и мгновенной обратной связи. Проект рассматривается как отдельный образовательный инструмент, который в дальнейшем может быть интегрирован с существующими онлайн-платформами и внутренними базами учебных материалов.

Заказчик

ТОО "ЭйБиЧес"

Прием решений до

07.07.26 (включительно)

Область задачи

Обработка и преобразование информации

Количество заявок

Автоматизация и оптимизация внутренних процессов

Автоматизация управления и распределения экспертов, менторов и фрилансеров по входящим заявкам.

Заказчик

Alem School

Прием решений до

03.07.26 (включительно)

Область задачи

Интеллектуальные системы управления

Количество заявок

Системы интерактивного онбординга для B2B AI-платформы

Цель: внедрение готового решения (ПО/инструмента) для создания интерактивного, бесшовного и быстрого онбординга внутри нашей AI-платформы. Описание: Сейчас ключевая задача — сократить Time-to-Value для новых пользователей. Нам нужно решение, которое позволит без привлечения жесткого хард-кода (желательно No-code/Low-code) развернуть внутри интерфейса интерактивные сценарии: пошаговые туры и интерактивные чек-листы. Система должна распознавать действия пользователя в реальном времени и вести его по воронке активации.

Заказчик

Gen2B жауапкершілігі шектеулі серіктестігі

Прием решений до

03.07.26 (включительно)

Область задачи

Нейротехнологии и искусственный интеллект

Количество заявок

на разработка UI-компонента календаря/расписания

Разработать UI-компонент календаря/расписания для отображения событий во временной сетке. Компонент должен использоваться во Vue-приложениях и позволять визуально показывать занятость по времени.

Заказчик

ТОО "Tekme"

Прием решений до

03.07.26 (включительно)

Область задачи

Интеллектуальные системы управления

Количество заявок

Разработка AI-системы персонализированных рекомендаций видеоконтента для цифровой медиаплатформы.

Разработка AI-системы персонализированных рекомендаций видеоконтента для цифровой медиаплатформы. Решение должно обеспечивать анализ пользовательского поведения в режиме реального времени, учитывать историю просмотров, взаимодействие с контентом, жанровые предпочтения и автоматически формировать персонализированную ленту рекомендаций. Система должна использовать алгоритмы машинного обучения для постоянного самообучения на основе новых данных пользователей, а также обеспечивать возможность аналитики эффективности рекомендаций и влияния на пользовательскую активность. Основной целью проекта является повышение пользовательского удержания, увеличение вовлеченности аудитории и оптимизация процессов доставки контента за счет применения технологий искусственного интеллекта.

Заказчик

Azimut Tech

Прием решений до

26.06.26 (включительно)

Область задачи

Нейротехнологии и искусственный интеллект

Количество заявок

Ядро системы — Безопасность, Архитектура и Ролевая модель (RBAC) Продукт: Облачная медицинская информационная система Digital Clinic Hub (DCH)

Создание абсолютно защищенного, отказоустойчивого и масштабируемого ядра облачной платформы (SaaS), которое станет технологическим фундаментом для всех последующих функциональных модулей системы (Календарь, Касса, ЭМК и др.). Главная задача этого блока — обеспечить беспрецедентный уровень изоляции медицинских и финансовых данных между разными клиниками-клиентами, а также внедрить непреодолимую систему разграничения прав доступа для сотрудников внутри каждой клиники Детальное описание функционала и технических решений: Мульти-тенантная микросервисная архитектура: Ядро системы проектируется на базе Node.js и PostgreSQL. Каждая клиника (или отдельный филиал сетевой клиники) получает обособленную базу данных (логическое или физическое разделение на уровне схем), что гарантирует полную изоляцию данных клиентов и поддержку франшизной структуры. Система аутентификации и авторизации (JWT): Внедряется механизм stateless-аутентификации с использованием JSON Web Tokens (JWT). Каждое действие в системе проходит проверку через Middleware на основе полезной нагрузки (payload) токена. В токене жестко зашиты критические данные: role (роль пользователя), branch_id (идентификатор филиала для ограничения видимости), sub (ID пользователя), shift_id (ID активной кассовой смены) и max_discount_pct (допустимый процент скидки). Матрица прав доступа (RBAC): Ядро реализует строгий контроль доступа по 6 основным ролям, где права проверяются прямо на уровне эндпоинтов API: Администратор (Admin): Полный доступ ко всем филиалам, справочникам, скрытой аналитике и отмененным записям. Может применять любые скидки и удалять документы. Менеджер Колл-центра (КЦ): Доступ к расписанию всех филиалов для создания, редактирования, переноса записей и постановки 10-минутной брони. Доступ к финансам полностью закрыт. (Подроль "Отдел прихода" дополнительно может отменять записи с указанием причины). Регистратор: Строго ограничен своим физическим филиалом. Может только менять статус явки пациента («Пришёл» / «Не пришёл»). Врач: Изолированный доступ только к своим записям. Может добавлять медицинские комментарии, но лишен прав на редактирование расписания или финансов. Координатор: Управляет финансовыми статусами курсов лечения («Купил курс» / «Не купил»), имеет право создавать счета и применять скидку (например, строго до 10%), но не может оформлять возвраты или управлять кассовыми сменами. Кассир: Имеет доступ к POS-терминалу своего филиала, может открывать/закрывать смены, проводить оплату, делать Z-отчеты и оформлять возвраты. Тотальный аудит и логирование (Audit Log): Разработка модуля журналирования, который намертво фиксирует все критические операции в системе (создание, отмена записей, прием оплат, возвраты) в служебную таблицу audit_log. Система записывает user_id, время, тип действия, а также состояние данных "до" (before) и "после" (after) внесения изменений. Идемпотентность и защита: Для исключения риска двойных списаний или дублирования записей при нестабильном интернете, ядро внедряет поддержку заголовка Idempotency-Key для всех POST-запросов

Заказчик

ТОО DIGITAL CLINIC HUB

Прием решений до

26.06.26 (включительно)

Область задачи

Другие технологические решения

Количество заявок

Разработка фундаментального клинического модуля «Электронная Медицинская Карта (ЭМК) и цифровое рабочее место врача» с интеграцией управления этапами лечения (физиотерапия, КТ, ПРП-терапия) для облачной медицинской информационной системы Digital Clinic Hub (DCH).

Создать единое, интуитивно понятное цифровое рабочее пространство для медицинского персонала, которое полностью заменит бумажный документооборот . Главная задача ЭМК — обеспечить бесшовный клинический путь пациента от сбора анамнеза до прохождения многоэтапных курсов лечения, а также надежно связать медицинские назначения с работой Координаторов (Отдела заботы) и Кассы . Детальное описание функционала и технических решений: Архитектура карточки пациента: Разработка комплексного интерфейса на базе Vue.js 2 . Карточка будет включать паспортную часть (ИИН, ФИО, телефон, дата рождения) и систему вкладок: «История приемов», «План лечения», «Медиафайлы» и «Финансы» . В шапке карточки будет в реальном времени отображаться баланс пациента и наличие у него задолженностей перед клиникой . Динамические шаблоны осмотра и справочники: Внедрение конструктора протоколов осмотра для разных специализаций врачей. Врач сможет быстро заполнять жалобы, анамнез и объективный статус, а также добавлять текстовые медицинские комментарии к приему . Для стандартизации диагнозов будет интегрирован международный справочник МКБ-10. Управление многоэтапным лечением (Курсы процедур): Важнейшая часть ЭМК в рамках DCH. В карточке пациента будет реализован функционал сохранения и отслеживания сложных этапов лечения: курсов физиотерапии, КТ, ПРП-терапии и фитнес-реабилитации . Врач делает назначение, а интерфейс Отдела заботы мгновенно обновляется, позволяя координаторам добавлять процедуры по требуемому времени пациента . Безопасное хранение медиафайлов: Интеграция с защищенным облачным хранилищем для загрузки результатов анализов, УЗИ и тяжелых DICOM-изображений (КТ/МРТ) с жесткой привязкой к дате визита пациента и его ID. Ролевая модель (RBAC) в ЭМК: Врач: имеет изолированный доступ исключительно к медицинским картам своих пациентов. Может вносить комментарии и назначения . Координатор / Отдел заботы: видит назначения врача для проставления статуса покупки курса («Купил курс / Не купил») и управления сеткой загрузки процедурных кабинетов . КЦ-менеджер: видит только контактные данные для создания записей, но не имеет доступа к врачебной тайне (диагнозам) внутри карты пациента . Технологический стек: Бэкенд разрабатывается на Node.js с базой данных PostgreSQL . Для мгновенного сохранения черновиков осмотра (если у врача пропал интернет) будет использоваться кэширование, а для загрузки файлов — S3-совместимое хранилище.

Заказчик

ТОО DIGITAL CLINIC HUB

Прием решений до

26.06.26 (включительно)

Область задачи

Другие технологические решения

Количество заявок