Технологические задачи
Модуль Технологические задачи - это задачи, связанные с разработкой, внедрением и совершенствованием новых технологий, продуктов и процессов.
Если у вас есть потребность по разработке, внедрению и другие спросы вы можете разместить информацию ниже.
ИИ-ассистент для приёмной комиссии учебного центра с интеграцией в CRM
Нужен ИИ-ассистент (чат-бот) для приёмной комиссии учебного центра дополнительного IT-образования, который круглосуточно отвечает на входящие обращения в WhatsApp, Instagram и на сайте, помогает подобрать направление обучения и записывает на пробный урок. Основные требования: — ответы на типовые вопросы (направления, расписание, стоимость, формат, адреса) на русском и казахском языках на основе базы знаний, которую сотрудники могут редактировать без программиста; — квалификация обращения: возраст ученика, интересующее направление, удобное время, контакт; — запись на пробный урок в свободные слоты расписания; — передача лида и всей переписки в CRM, передача диалога живому менеджеру по запросу клиента или при сложном вопросе; — аналитика: количество обращений, конверсия в запись и в приход на урок, частые вопросы; — хранение персональных данных в соответствии с законодательством РК.
Прием решений до
13.10.26 (включительно)
Область задачи
Нейротехнологии и искусственный интеллектКоличество заявок
2
Веб-сервис для автоматической генерации справок в учебном центре дополнительного образования
Нужен веб-сервис, который по данным о студентах автоматически формирует справки и документы учебного центра в PDF на официальных бланках: справка об обучении (для работодателя, госорганов, посольств, военкомата), справка о прохождении курса, характеристика, ходатайства и письма. Сотрудник выбирает шаблон, вводит данные вручную или загружает список из Excel/CSV и получает готовые документы — по одному или пачкой. Основные требования: — веб-интерфейс с авторизацией сотрудников и ролями (менеджер, руководитель); — библиотека шаблонов на основе загружаемых DOCX-бланков: новую справку можно добавить без правки кода; — ручной ввод и массовый импорт из Excel/CSV, предпросмотр документа перед генерацией; — выгрузка в PDF по одному и ZIP-архивом; — автоматический расчёт дат и сроков обучения по настройкам программы; — место под печать и подпись, в перспективе — QR-код для проверки подлинности и подписание ЭЦП (NCALayer); — журнал выданных справок с номерами и датами; — импорт данных из учётной системы (LMS) по API или выгрузке; — хранение и обработка персональных данных в соответствии с законодательством РК.
Прием решений до
13.10.26 (включительно)
Область задачи
Обработка и преобразование информацииКоличество заявок
1
Система ранжирования событий Ticketon
Построить систему, которая для каждого показа витрины подбирает и упорядочивает события под пользователя и контекст, соблюдает правила бизнеса и доказывает прирост покупок в A/B против текущего порядка.
Прием решений до
13.10.26 (включительно)
Область задачи
Другие технологические решенияКоличество заявок
1
Разработка системы параллельного заполнения заявок учащихся на образовательных порталах
Разработать серверную систему для параллельного заполнения заявок на образовательных порталах на основе проверенных данных и документов учащихся. Для каждой заявки система должна запускать отдельную изолированную виртуальную среду с собственным браузером и согласованным сетевым маршрутом. Основные функции: перенос данных в поля формы, загрузка документов, проверка заполнения, сохранение черновиков и отслеживание статусов заявок. Оператор должен видеть ход работы, получать уведомления о необходимости вмешательства и иметь возможность временно управлять выбранной сессией. CAPTCHA и подтверждение входа проходят при участии человека. Итоговая отправка заявки выполняется только после проверки и подтверждения оператором. Пилот предусматривает работу с тремя согласованными образовательными порталами, поддержку не менее 10 параллельных сессий и точность заполнения заранее сопоставленных полей не ниже 98%.
Прием решений до
12.10.26 (включительно)
Область задачи
Разработка ПОКоличество заявок
2
ML-прогнозирование и оптимизация почасовых отклонений ПЛАН / ФАКТ при работе на оптовом рынке электрической энергии РК
Цель проекта — разработка и внедрение системы прогнозирования почасовых объемов производства и/или потребления электрической энергии для минимизации отклонений между плановыми и фактическими значениями при работе на оптовом рынке электрической энергии Республики Казахстан. В рамках проекта планируется создать аналитическое решение на основе методов машинного обучения, статистического прогнозирования и оптимизационных алгоритмов, которое будет формировать максимально точный почасовой прогноз энергопотребления/выработки на сутки вперед и при необходимости актуализировать его по мере поступления новых данных. Система должна учитывать исторические почасовые данные, календарные факторы, сезонность, день недели, праздничные и выходные дни, погодные условия, температурные зависимости, производственные графики, технологические режимы объектов, плановые остановки, ремонты, аварийные события и другие факторы, влияющие на фактическое потребление или производство электроэнергии. Основной задачей является снижение величины и частоты почасовых отклонений ПЛАН / ФАКТ, которые приводят к возникновению дисбалансов и финансовому урегулированию на Балансирующем рынке электрической энергии (БРЭ). Результатом проекта должна стать система поддержки принятия решений, которая позволит: автоматически формировать прогноз на каждый час расчетных суток; определять ожидаемое отклонение фактического объема от заявленного графика; выявлять часы с повышенным риском возникновения существенного дисбаланса; рассчитывать рекомендуемое плановое значение с учетом прогнозируемого потребления/выработки; сравнивать несколько моделей прогнозирования и автоматически выбирать наиболее точную; осуществлять регулярное переобучение моделей на новых фактических данных; отображать показатели ПЛАН / ПРОГНОЗ / ФАКТ / ОТКЛОНЕНИЕ в аналитическом интерфейсе; оценивать точность прогнозирования и потенциальный экономический эффект от снижения дисбалансов. Ключевой бизнес-эффект проекта — снижение финансовых затрат, связанных с отклонениями на БРЭ, повышение точности суточного планирования и автоматизация процесса формирования почасовых заявок на оптовом рынке электрической энергии.
Прием решений до
07.10.26 (включительно)
Область задачи
MLКоличество заявок
9
Разработка программного обеспечения централизованного управления сетью стационарных комплексов обнаружения и противодействия БПЛА «D2A PRO (16)»
Разработка программного обеспечения централизованного управления сетью стационарных комплексов обнаружения и противодействия БПЛА «D2A PRO (16)». Необходимо предоставить коммерческое предложение.
Прием решений до
07.10.26 (включительно)
Область задачи
Интеллектуальные системы управленияКоличество заявок
6
Система генерации реалистичных видео с человеком и конкретным товаром
ИСТОЧНИКИ ДАННЫХ, БАЗЫ ДАННЫХ И ИНТЕГРАЦИИ 1. Источники исходных данных Основной источник данных — материалы, предоставляемые заказчиком и загружаемые пользователем через интерфейс разрабатываемой системы. Входные данные: — фотографии конкретного товара в форматах JPG или PNG; при наличии — дополнительные ракурсы, изображения упаковки и логотипа; — карточка товара, заполняемая пользователем: наименование, назначение, подтверждённые характеристики и особенности, которые необходимо показать или озвучить; — текстовое описание сцены: место действия, внешний вид персонажа, последовательность действий и способ демонстрации товара; — согласованный текст выступления либо тезисы для подготовки сценария. Например, пользователь загружает фотографию портативной колонки, вводит её характеристики и задаёт сцену: «Человек на пляже берёт эту колонку со столика, показывает её в камеру и рассказывает о ней». Для пилота заказчик предоставляет тестовый набор материалов минимум по трём товарам и описания минимум двух сцен. Это набор для проверки результата, а не готовый обучающий датасет. При необходимости дополнительных фотографий или размеров товара исполнитель указывает требования к ним до начала тестирования. Автоматический сбор информации с сайтов, поиск характеристик в интернете и подключение к внешним товарным каталогам в первый этап не входят. Сведения о товаре не должны дополняться неподтверждёнными характеристиками. 2. База данных и хранение файлов В рамках прототипа необходимо создать внутреннюю базу данных проектов. Предлагаемый вариант — PostgreSQL; обоснованный аналог может быть согласован с заказчиком. В базе должны храниться карточки товаров, описания сцен, утверждённые сценарии, параметры и статусы заданий, сведения о попытках генерации и ссылки на полученные результаты. Исходные фотографии, промежуточные материалы и готовые ролики размещаются в файловом или объектном хранилище на инфраструктуре под управлением заказчика. База данных связывает эти файлы с соответствующим товаром и заданием. Речь идёт о компонентах, которые предстоит создать в рамках разработки. Подключение к уже существующей базе данных заказчика для пилота не предусматривается. 3. Внешние API Предусмотреть интеграцию с OpenAI API для моделей GPT либо с Anthropic API для Claude. Выбор провайдера и конкретной модели согласуется при проектировании; обязательное одновременное подключение обоих провайдеров не требуется. Назначение интеграции — обработка предоставленных пользователем текстов и изображений, подготовка сценария и структурированного задания для последующих этапов. Передача материалов внешнему провайдеру должна быть явно отражена в архитектуре и согласована с заказчиком. Эти API не должны использоваться для передачи задачи сторонним сервисам генерации видео. Все дополнительные внешние зависимости, включая сервисы озвучки при их использовании, исполнитель раскрывает отдельно. 4. Внутренние интеграции и создание видеоряда Необходимо связать пользовательский интерфейс, базу данных, хранилище файлов, модуль подготовки сценария и модуль создания видео в единый процесс: загрузка материалов → подготовка и согласование сценария → формирование задания → создание видеоряда и звука → проверка результата → выдача MP4. Создание видеоряда должно выполняться на инфраструктуре под управлением заказчика с использованием самостоятельно развёрнутых моделей и компонентов обработки видео. Конкретные модели, источники их получения, условия использования и требования к вычислительным ресурсам исполнитель указывает в техническом предложении. Использование сторонних сервисов генерации видео, в том числе через API, агрегаторы или промежуточные сервисы, исключается. Аренда сервера с GPU допускается при условии самостоятельного развёртывания видеомодуля. 5. Границы интеграций на первом этапе Подключение к CRM, ERP, маркетплейсам, действующему сайту заказчика и социальным сетям в пилот не входит. Исходные данные поступают через ручную загрузку и заполнение формы, готовый ролик предоставляется пользователю в интерфейсе системы. Дополнительные интеграции могут рассматриваться после проверки работоспособности основного сценария и согласуются отдельно.
Прием решений до
07.10.26 (включительно)
Область задачи
Нейротехнологии и искусственный интеллектКоличество заявок
4
Привязка выполненных физических объёмов к BIM по сметам и актам с трассировкой до конечных элементов
Исследовать распознавание смет и актов выполненных работ и сопоставление их строк с конечными элементами BIM по зоне, виду работ и объёму. Создать прототип с двусторонней трассировкой: документ и его версия → строка → вид работ → ID элемента и версия модели. Для каждой связи сохранять количество, единицу измерения, статус выполнения и основание сопоставления. По строке документа выделять связанные элементы в 3D, а по элементу показывать исходные строки и учтённые объёмы. Поддержать связи «многие ко многим», частичное выполнение и историю корректировок документов и моделей.
Прием решений до
07.10.26 (включительно)
Область задачи
Нейротехнологии и искусственный интеллектКоличество заявок
9
Оцифровка базы знаний в требования и граф связей с помощью ИИ
Исследовать извлечение проверяемых требований из стандартов, регламентов, таблиц и схем. Создать прототип реестра с ID, источником, версией, владельцем, областью применения и способом проверки. ИИ должен предлагать связи с типовыми решениями и зависимыми требованиями, выявлять противоречия; публикация требований и связей выполняется после проверки экспертом.
Прием решений до
07.10.26 (включительно)
Область задачи
Нейротехнологии и искусственный интеллектКоличество заявок
9
Проверка проектных решений по корпоративным стандартам с помощью ИИ
Исследовать, какие требования корпоративных стандартов можно проверять по геометрии, параметрам и связям объектов BIM. Создать прототип, в котором ИИ интерпретирует требование, а утверждённые правила выполняют проверку. Для замечания показывать пункт стандарта, затронутые элементы и доказательство; при нехватке данных выдавать соответствующий статус.
Прием решений до
07.10.26 (включительно)
Область задачи
Нейротехнологии и искусственный интеллектКоличество заявок
7
