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.
ZERDE (Зерде)
Цель: Разработка и внедрение локальной интеллектуальной поисковой системы (Enterprise Search), обеспечивающей мгновенный доступ к корпоративным знаниям в безопасном закрытом контуре организации. Описание: Создание платформы на базе RAG-технологий, которая индексирует внутренние источники (СЭД, файлы, базы данных) и генерирует точные ответы на запросы сотрудников. Продукт решит проблему потери времени на поиск информации, объединив данные в «единое окно» со строгим соблюдением прав доступа и языковой специфики (каз/рус), гарантируя полную конфиденциальность на собственных серверах заказчика.
Прием решений до
до 22.01.26
Область задачи
Нейротехнологии и искусственный интеллектКоличество заявок
7
Тестовый кейс для вакансии Data Engineer
Компания получает данные из нескольких источников, формирует бизнес-метрики и использует AI агентов для автоматизации процессов. Необходимо спроектировать и реализовать базовый data и AI пайплайн Часть 1. Есть REST API по адресу https://api.example.com/ads API возвращает объекты со следующими полями date campaign_id spend clicks Необходимо реализовать Python скрипт, который выполняет следующие действия: Получает данные за последние 7 дней Корректно обрабатывает ошибки API Логирует статусы выполнения Сохраняет данные в CSV файл или в базу данных Часть 2. Есть таблица orders со следующими полями: order_id user_id order_date revenue Необходимо написать SQL запросы, которые рассчитывают следующие показатели: Выручка по дням Количество заказов по дням ARPU Количество повторных заказов Часть 3. Необходимо описать DAG в Apache Airflow, который состоит из следующих этапов: Получение данных из рекламного API Получение данных о заказах из базы данных Трансформация и расчет ежедневных метрик Загрузка агрегированных данных в хранилище Необходимо настроить: Расписание запуска Ретраи Логирование и обработку ошибок Часть 4. Необходимо описать структуру таблицы daily_business_metrics Таблица должна содержать следующие поля: date revenue orders_count ad_spend roi Необходимо описать формулы расчета каждого показателя Часть 5. Необходимо описать концепцию AI агента, который использует данные из витрины daily_business_metrics и выполняет одну из следующих бизнес задач: Контроль аномалий в выручке Контроль эффективности рекламы Уведомление о падении ROI Формирование ежедневных бизнес отчетов Нужно описать: Какие данные использует агент Как часто он работает Какие решения он принимает Куда отправляет результат работы Нужно разаработать критерии оценки работоспособности агента.
Прием решений до
до 22.01.26
Область задачи
Интеллектуальные системы управленияКоличество заявок
3
«Интеллектуальная маршрутизация и верификация документов в логистической цепочке» Описание
Компания обрабатывает сотни поставок в день через несколько транспортных компаний и складов. Каждый документ (накладная, счет-фактура, транспортная накладная, сертификат качества) должен быть проверен на соответствие требованиям: • корректность реквизитов (номер заказа, ИНН поставщика, код товара); • соответствие фактического маршрута доставки с плановым; • контроль сроков и статусов отправления. Цель: • Уменьшение ручного контроля на 80% • Исключение «потерянных» или некорректных документов • Оптимизация логистических процессов на основе данных из ЭДО
Прием решений до
до 22.01.26
Область задачи
Интеллектуальные системы управленияКоличество заявок
7
Разработка сервиса embedding-service и интеграция его в kb-retriever
Разработать централизованный микросервис embedding-service для преобразования текста в векторные представления (эмбеддинги) и интегрировать его в kb-retriever
Прием решений до
до 22.01.26
Область задачи
Нейротехнологии и искусственный интеллектКоличество заявок
1
Интеграция и оптимизация картографического сервиса 2ГИС в мобильное приложение на React Native / Expo
Разработать устойчивое и производительное решение по интеграции карт 2ГИС в мобильное приложение на React Native / Expo для повышения качества навигации и пользовательского опыта.
Прием решений до
до 22.01.26
Область задачи
Другие технологические решенияКоличество заявок
1
Прогнозирование спроса и операционной нагрузки в сервисе доставки
Создать технологическое решение для прогнозирования объёма заказов и нагрузки на систему доставки, позволяющее заранее планировать ресурсы и повышать качество сервиса.
Прием решений до
до 22.01.26
Область задачи
Технологии в транспорте и логистикеКоличество заявок
0
Интеллектуальная оптимизация маршрутов доставки с учётом бизнес-ограничений
Разработать интеллектуальное технологическое решение для автоматической оптимизации маршрутов доставки, направленное на сокращение времени доставки, снижение операционных затрат и повышение эффективности использования курьерских ресурсов.
Прием решений до
до 22.01.26
Область задачи
Технологии в транспорте и логистикеКоличество заявок
2
Интеграция ЭДО с eGov Mobile для подписания документов ИП-водителями
Цель: Создать надежный и масштабируемый механизм автоматического подписания документов (актов выполненных работ, счетов-фактур) ИП-водителями такси через мобильное приложение eGov Mobile. Задача возникла в ходе реализации проекта по автоматизации документооборота для партнеров Яндекс.Такси. Существующие API агрегатора не позволяют отправлять уведомления о документах на подпись напрямую в систему ЭДО. Нам необходимо разработать решение, которое обеспечит: - Автоматическую загрузку документов из системы агрегатора. - Гарантированную доставку уведомлений водителю. - Подписание документов через eGov Mobile с использованием КЭП. - Фиксацию статуса подписания в корпоративной системе.
Прием решений до
до 22.01.26
Область задачи
Новые производственные технологииКоличество заявок
2
ТЕХНОЛОГИЧЕСКАЯ СПЕЦИФИКАЦИЯ: НАЛОЖЕНИЕ ЦИФРОВОГО АВАТАРА НА ВИДЕОЗАПИСИ БАСКЕТБОЛЬНЫХ МАТЧЕЙ
Цель проекта – реализовать в мобильном спортивном приложении функцию автоматического анализа техники выполнения упражнений по загруженному пользователем видео на основе бесплатных моделей компьютерного зрения (pose estimation). На первом этапе рассматриваются два базовых упражнения: • подтягивания на турнике; • отжимания от пола. Система должна: • принимать видео от пользователя (портретная/альбомная ориентация, съёмка со стороны); • автоматически находить на видео человека и его опорный снаряд (турник, пол); • извлекать скелетную модель (координаты суставов по кадрам); • рассчитывать ключевые биомеханические показатели техники; • определять типичные ошибки и уровень качества выполнения; • выдавать пользователю краткую оценку (скор/оценка) и 2–4 персонализированные рекомендации. Для реализации используются доступные бесплатные решения для оценки позы: • MediaPipe Pose / BlazePose (Google, бесплатная модель для 33 ключевых точек скелета); • OpenCV для работы с видео и базовой предобработки; • Python/Node.js для бэкенд обработки; • при необходимости – ONNX Runtime / TensorFlow Lite для оптимизации.
Прием решений до
до 22.01.26
Область задачи
Технологии в транспорте и логистикеКоличество заявок
2
Платформа управления компьютерным зрением: разметка данных, обучение и управление моделями (CV MLOps)
Разработать единую платформу для полного цикла работы с компьютерным зрением: загрузка и хранение изображений/видео, разметка данных, контроль качества, обучение моделей, версияция, развёртывание и мониторинг качества моделей в эксплуатации.
Прием решений до
до 22.01.26
Область задачи
Нейротехнологии и искусственный интеллектКоличество заявок
2
