Nedavno je održana zimska obrana diplomanata triju naših tehnoloških projekata - Technopark (Moskovsko državno tehničko sveučilište Bauman), Technosphere (Moskovsko državno sveučilište Lomonosov) i Technotrek (MIPT). Timovi su predstavili i implementacije vlastitih ideja i rješenja stvarnih poslovnih problema koje su predložili različiti odjeli Mai.ru Grupe.
Među projektima:
- Usluga za prodaju poklona s proširenom stvarnošću.
- Usluga koja prikuplja promocije, popuste i ponude iz e-mail biltena.
- Vizualna pretraga odjeće.
- Usluga elektroničkog bookcrossinga s mogućnošću najma.
- Pametni skener hrane.
- Moderni audio vodič.
- Projekt zadataka Mail.ru
- Mobilna televizija budućnosti.
Željeli bismo se pobliže osvrnuti na šest projekata koje su posebno istaknuli žiri i mentori.
Vizualna pretraga odjeće
Projekt je predstavio tim diplomanata Technosfere. Prema analitičarima, rusko tržište mode vrijedilo je gotovo 2,4 bilijuna rubalja u 2018. Tim je stvorio uslugu pozicioniranu kao inteligentni asistent za kupovinu usred širokog spektra proizvoda. Riječ je o B2B rješenju koje proširuje funkcionalnost internetskih trgovina.
Tijekom UX testiranja, autori projekta otkrili su da kada ljudi pomisle na "sličnu haljinu", ne misle na sličnost na temelju boje ili uzorka, već na atribute odjeće. Stoga su razvili sustav koji ne uspoređuje samo dvije slike, već razumije i semantičku sličnost. Prenesete sliku odjevnog predmeta koji vas zanima, a usluga odabire proizvode koji odgovaraju njegovim atributima.
Tehnički, sustav funkcionira na sljedeći način:
Neuronska mreža Cascade Mask-RCNN obučena je za detekciju i klasifikaciju. Za određivanje atributa i sličnosti odjeće korištena je neuronska mreža temeljena na ResNext-50 s više glava za grupe atributa i gubitkom tripleta za fotografije pojedinačnih artikala. Cijeli projekt implementiran je korištenjem mikroservisne arhitekture.
U budućnosti se planira:
- Pokrenite uslugu za sve kategorije odjeće.
- Razvoj API-ja za online trgovine.
- Poboljšajte manipulaciju atributima.
- Naučite razumjeti upite na prirodnom jeziku.
Projektni tim: Vladimir Belyaev, Petr Zaidel, Emil Bogomolov.
Mobilna televizija budućnosti
Projekt tima Technopark. Studenti su izradili aplikaciju s TV rasporedom za glavne ruske digitalne kanale, dodajući mogućnost gledanja kanala putem IPTV-a (online kanali) ili antene.
Сложнее всего было присоединить антенну к Android-устройству: для этого использовался тюнер, для которого авторы самостоятельно написали драйвер. В итоге получили на Android возможность смотреть телевизор и пользоваться программой телепередач в одном приложении.
Projektni tim: Konstantin Mitrakov, Sergej Lomačev.
Usluga koja prikuplja promocije, popuste i ponude iz e-mail biltena
Ovaj projekt nalazi se na sjecištu oglašavanja i tehnologija e-pošte. Naši inboxi puni su neželjene pošte i newslettera. E-poruke s personaliziranim popustima stižu svakodnevno, no sve ih manje otvaramo, doživljavajući ih kao "beskorisno oglašavanje". To rezultira gubitkom prihoda za korisnike, a gubicima za oglašivače. Studija Mail.ru pokazala je da korisnici žele vidjeti sažetak dostupnih popusta.
Projekt Prikuplja informacije o popustima i promocijama iz vašeg biltena i prikazuje ih kao feed kartica kojima se može pristupiti putem web stranice promocije ili e-pošte. Program može istovremeno upravljati s više adresa e-pošte. Dostupan je i popis omiljenih promocija.
Projekt ima mikroservisnu arhitekturu i sastoji se od tri glavna dijela:
- OAuth autorizacija za praktično povezivanje poštanskih sandučića.
- Prikupljanje i analiza pisama s promocijama.
- Pohranjivanje i izlaganje kartica s popustom.
Projekt koristi tehnologiju obrade prirodnog jezika pokretanu GPU-om, koja je povećala brzinu obrade za 50 puta. Algoritam se temelji na sustavu pitanja i odgovora, što omogućuje brzo dodavanje kategorija dionica kako bi se zadovoljili novi poslovni zahtjevi.
Ovaj tim ne samo da je zaslužio mjesto među najboljim timovima prema ocjeni žirija, već je i pobijedio na natjecanju "Digital Peaks 2019". Ovo natjecanje namijenjeno je ruskim programerima koji stvaraju IT alate za poboljšanje učinkovitosti poduzeća i vladinih agencija, kao i za povećanje osobne produktivnosti. Naš tim je pobijedio u studentskoj kategoriji.
Studenti imaju velike planove za daljnji razvoj projekta u bliskoj budućnosti:
- Integracija s poštanskim servisima.
- Implementacija sustava za analizu slike.
- Pokretanje projekta za širu publiku.
Projektni tim: Maksim Ermakov, Denis Zinovjev, Nikita Rubinov.
Željeli bismo istaknuti tri tima koja su prepoznali mentori Mail.ru Grupe koji su radili sa studentima tijekom cijelog semestra. Prilikom odabira projekata posebna je pozornost posvećena složenosti projekta, provedbi i timskom radu.
Projekt zadataka Mail.ru
Projekt je prepoznat i od strane žirija i od strane mentora.
Mail.ru Tasks je prva samostalna usluga tvrtke za izradu popisa obaveza. U nadolazećim mjesecima, Tasks će zamijeniti popise zadataka u Mail.ru kalendaru, a nakon što projekt bude pokrenut za sve korisnike, bit će integriran u Mail.ru mobilne uređaje i webmail.
Projekt je implementiran korištenjem pristupa koji su prvenstveno usmjereni na rad izvan mreže i na mobilne uređaje. To znači da se web aplikacija može koristiti bilo kada, bilo gdje i na bilo kojem uređaju. Pristup internetu nije potreban: podaci će se spremati i sinkronizirati. Za dodatnu praktičnost, aplikaciju možete "instalirati" iz svog preglednika, pružajući joj izvorno iskustvo.
Pametni skener hrane
В продуктовом магазине мы не всегда можем быстро определить, подходит нам пищевой продукт или нет, насколько он безопасен и полезен. Ситуация усложняется, если у человека есть ограничения по питанию, различные аллергии, или он соблюдает диету. Android-приложение Foodwise позволяет отсканировать штрих-код продукта и без особых усилий понять, стоит ли
koristiti ga.
Aplikacija ima tri glavna dijela: Profil, Kamera i Povijest.
Odjeljak "Profil" omogućuje vam postavljanje preferencija: u odjeljku "Sastojci" možete isključiti bilo koji od 60 000 sastojaka u bazi podataka i pregledati informacije o E-aditivima. "Grupe" omogućuju vam isključivanje cijelih blokova sastojaka odjednom. Na primjer, ako odaberete "Vegetarijanski", svi proizvodi koji sadrže meso bit će označeni crvenom bojom.
Odjeljak "Kamera" ima dva načina rada: skeniranje barkoda i prepoznavanje voća i povrća. Nakon skeniranja barkoda, dobit ćete potpune informacije o proizvodu. Sastojci koje ste isključili bit će označeni crvenom bojom.
Svi prethodno skenirani proizvodi bit će spremljeni u "Povijest". Ovaj odjeljak sadrži tekstualno i glasovno pretraživanje.
Način prepoznavanja voća i povrća pruža informacije o njihovoj nutritivnoj i energetskoj vrijednosti. Na primjer, jedna jabuka sadrži približno 25 grama.
ugljikohidrata, što je neprihvatljivo za ljude na dijeti s niskim udjelom ugljikohidrata.
Aplikacija je napisana u Kotlinu, a aplikacija "Camera" koristi ML Kit za skeniranje barkodova i identifikaciju voća i povrća. Backend se sastoji od dvije usluge: poslužiteljskog API-ja s bazom podataka i
koja pohranjuje 60 000 sastojaka i sastave 100 000 proizvoda, kao i neuronsku mrežu napisanu u Pythonu i Tensorflowu.
Projektni tim: Artem Andryukhov, Ksenia Glazacheva, Dmitry Salman.
Usluga za prodaju poklona s proširenom stvarnošću
Svatko je barem jednom u životu primio simbolične darove. Često je ljudima sama pažnja prema nekome važnija od samog darivanja. Takvi darovi ne pružaju nikakvu korist, a njihova proizvodnja i odlaganje negativno utječu na naš planet. Tako su kreatori projekta došli na ideju stvaranja usluge prodaje darova s proširenom stvarnošću.
Kako bi se testirala relevantnost ideje, provedeno je istraživanje. Osamdeset i dva posto ispitanika imalo je poteškoća s odabirom poklona. Za 57% glavna prepreka bio je strah da njihovi pokloni neće biti iskorišteni. Sedamdeset i osam posto ljudi spremno je napraviti promjene kako bi se riješili ekološki problemi.
Autori iznose tri teze:
- Pokloni žive u virtualnom svijetu.
- Ne zauzimaju prostor.
- Uvijek u blizini.
Za implementaciju proširene stvarnosti na webu, autori su odabrali biblioteku AR.js, koja se sastoji od dva glavna dijela:
- Prvi je odgovoran za crtanje grafike preko streama kamere pomoću A-Framea ili Three.js-a.
- Druga komponenta je ARToolKit, koja je odgovorna za prepoznavanje markera (posebnog simbola koji se može ispisati ili prikazati na zaslonu drugog uređaja) u izlaznom streamu kamere. Marker se koristi za pozicioniranje grafike. Prisutnost ARToolKita sprječava stvaranje proširene stvarnosti bez markera pomoću AR.js-a.
AR.js ima mnogo nedostataka. Na primjer, korištenje s A-Frameom može narušiti stilove na cijeloj web stranici. Stoga su autori koristili kombinaciju AR.js-a i Three.js-a, što je riješilo neke od problema. Kako bi integrirali AR.js temeljen na Three.js-u u React, u kojem je napisana web stranica projekta, morali su stvoriti repozitorij AR-Test-2 (), koja implementira zasebnu React komponentu za korištenje AR.js-a temeljenog na Three.js-u. Implementiran je pregled modela u proširenoj stvarnosti i 3D-u (za uređaje bez kamere).
Однако позднее выяснилось, что пользователи не понимают, что такое маркер и как его использовать. Поэтому авторы перешли на технологию <model-viewer>, которая сейчас активно разрабатывается Google. Она использует ARKit (iOS) или ARCore (Android) для отображения моделей в дополненной реальности без маркера. Технология основана на Three.js и включает в себя просмотрщик 3D-моделей. Удобство программы значительно улучшилось, однако для просмотра дополненной реальности необходимо устройство с iOS 12 или новее.
Projekt je sada dostupan na (), gdje možete dobiti svoj prvi poklon.
Projektni tim: Stasjev Denis, Čadov Anton.
Više o našim obrazovnim projektima možete pročitati na . I posjećujte kanal češće , tamo se redovito pojavljuju novi edukativni videi o programiranju, razvoju i drugim disciplinama.
Izvor: www.habr.com
