Hivi karibuni, ulinzi uliofuata wa majira ya baridi ya wahitimu wa miradi mitatu ya teknolojia yetu ulifanyika - Technopark (Bauman MSTU), Technosphere (Chuo Kikuu cha Jimbo la Lomonosov Moscow) na Technotrek (MIPT). Timu ziliwasilisha utekelezaji wa mawazo yao wenyewe na ufumbuzi wa matatizo halisi ya biashara yaliyopendekezwa na vitengo tofauti vya Mai.ru Group.
Miongoni mwa miradi:
- Huduma ya kuuza zawadi na ukweli uliodhabitiwa.
- Huduma inayojumlisha ofa, mapunguzo na matoleo kutoka kwa orodha ya wanaopokea barua pepe.
- Utafutaji wa kuona wa nguo.
- Huduma ya kuvuka kitabu cha kielektroniki na chaguo la kukodisha.
- Smart chakula Scanner.
- Mwongozo wa kisasa wa sauti.
- Mradi "Kazi za Mail.ru"
- Televisheni ya rununu ya siku zijazo.
Tungependa kukuambia kwa undani zaidi kuhusu miradi sita ambayo iliangaziwa haswa na washiriki wa jury na washauri.
Utafutaji wa kuona wa nguo
Mradi huo uliwasilishwa na timu ya wahitimu wa Technosphere. Kulingana na wachambuzi, soko la mitindo nchini Urusi mnamo 2018 lilikuwa karibu rubles trilioni 2,4. Vijana hao waliunda huduma ambayo imewekwa kama msaidizi mwerevu wa kufanya ununuzi katika aina kubwa ya bidhaa. Hili ni suluhisho la B2B linalopanua utendaji wa maduka ya mtandaoni.
Wakati wa kupima UX, waandishi wa mradi waligundua kuwa kwa "mavazi sawa" watu wanaelewa kufanana si kwa rangi au muundo, lakini katika sifa za nguo. Kwa hivyo, wavulana walitengeneza mfumo ambao sio tu kulinganisha picha mbili, lakini unaelewa ukaribu wa semantic. Unapakia picha ya kipengee cha nguo unachopenda, na huduma huchagua bidhaa zinazofaa kwa sifa zake.
Kitaalam mfumo hufanya kazi kama ifuatavyo:
Mtandao wa neural wa Cascade Mask-RCNN ulifunzwa kutambua na kuainisha. Ili kubaini sifa na ufanano wa nguo, mtandao wa neva unaotegemea ResNext-50 wenye vichwa kadhaa hutumiwa kwa vikundi vya sifa, na Upotezaji wa Triplet kwa picha za bidhaa moja. Mradi mzima ulitekelezwa kwa kuzingatia usanifu wa huduma ndogo ndogo.
Katika siku zijazo imepangwa:
- Zindua huduma kwa aina zote za nguo.
- Tengeneza API kwa maduka ya mtandaoni.
- Boresha upotoshaji wa sifa.
- Jifunze kuelewa maswali katika lugha asilia.
Timu ya mradi: Vladimir Belyaev, Petr Zaidel, Emil Bogomolov.
Televisheni ya rununu ya siku zijazo
Mradi wa timu ya Technopark. Wanafunzi waliunda programu na ratiba ya TV kwa njia kuu za utangazaji za dijiti za Kirusi, ambayo iliongezwa kazi ya kutazama kwa kutumia IPTV (njia za mtandaoni) au antenna.
Jambo ngumu zaidi lilikuwa kuunganisha antenna kwenye kifaa cha Android: kwa hili walitumia tuner, ambayo waandishi wenyewe waliandika dereva. Kwa hivyo, tulipata fursa ya kutazama TV na kutumia mwongozo wa programu ya TV kwenye Android katika programu moja.
Timu ya mradi: Konstantin Mitrakov, Sergey Lomachev.
Huduma inayojumlisha ofa, mapunguzo na matoleo kutoka kwa orodha za wanaopokea barua pepe
Huu ni mradi katika makutano ya utangazaji na teknolojia ya posta. Sanduku zetu za barua zimejaa barua taka na barua. Kila siku tunapokea barua zilizo na punguzo la kibinafsi, lakini tunazifungua kidogo na kidogo, tukiziona kama "matangazo yasiyo na maana." Kwa sababu hii, watumiaji hupoteza manufaa na watangazaji hupata hasara. Utafiti wa Mail.ru Mail ulionyesha kuwa watumiaji wanataka kuona muhtasari wa punguzo walilonalo.
Mradi hukusanya taarifa kuhusu punguzo na ofa kutoka kwa jarida lako na kuzionyesha katika mfumo wa utepe wa kadi ambazo unaweza kwenda kwenye tovuti ya ukuzaji au barua pepe. Programu inaweza kufanya kazi na masanduku kadhaa ya barua mara moja. Kuna orodha ya hisa zilizochaguliwa.
Mradi huo una usanifu wa huduma ndogo na una sehemu tatu kuu:
- Uidhinishaji wa OAuth kwa muunganisho rahisi wa visanduku vya barua.
- Mkusanyiko na uchambuzi wa barua zilizo na matangazo.
- Kuhifadhi na kuonyesha kadi za punguzo.
Mradi huo unatumia teknolojia ya usindikaji wa lugha asilia kwa kutumia rasilimali za GPU: vichapuzi vya michoro viliwezesha kuongeza kasi ya usindikaji kwa mara 50. Algorithm inategemea mfumo wa majibu ya maswali, ambayo hukuruhusu kuongeza haraka kategoria za hisa kulingana na mahitaji mapya ya biashara.
Timu hii haikushinda tu nafasi katika timu za juu kulingana na jury, lakini pia ilishinda shindano la "Digital Tops 2019". Huu ni ushindani kwa watengenezaji wa Kirusi ambao huunda zana za IT ili kuboresha ufanisi wa mashirika ya biashara na serikali, na pia kuongeza tija ya kibinafsi. Timu yetu ilishinda kitengo cha wanafunzi.
Wanafunzi wana mipango mikubwa ya maendeleo zaidi ya mradi, zifuatazo ni:
- Kuunganishwa na huduma za barua.
- Utekelezaji wa mfumo wa uchambuzi wa picha.
- Kuzindua mradi kwa hadhira pana.
Timu ya mradi: Maxim Ermakov, Denis Zinoviev, Nikita Rubinov.
Kando, tungependa kukuambia kuhusu timu tatu ambazo zilitambuliwa na washauri wa Mail.ru Group ambao walifanya kazi na wanafunzi katika muhula wote. Uangalifu hasa ulilipwa kwa utata wa mradi, utekelezaji na kazi ya pamoja wakati wa kuchagua miradi.
Mradi "Kazi za Mail.ru"
Mradi huo ulibainishwa na jury na washauri.
"Tasks Mail.ru" ni huduma ya kwanza ya kujitegemea ya kudumisha orodha ya mambo ya kufanya, iliyoandaliwa na kampuni. Katika miezi ijayo, Kazi zitachukua nafasi ya orodha za kazi katika Kalenda ya Mail.ru, na baada ya mradi kuwezeshwa kwa watumiaji wote, itaunganishwa kwenye Mail.ru ya simu na ya mtandao Mail.
Mradi ulitekelezwa kwa kutumia mbinu za Offline-first na Mobile-first. Hiyo ni, unaweza kutumia programu ya wavuti wakati wowote, mahali popote na kwa chochote. Ufikiaji wa mtandao haujalishi: data itahifadhiwa na kusawazishwa. Kwa urahisi zaidi, unaweza "kusanikisha" programu kutoka kwa kivinjari, na itaonekana kama ya asili.
Smart chakula Scanner
Katika duka la mboga, hatuwezi kuamua kwa haraka ikiwa bidhaa ya chakula inafaa kwetu au la, jinsi ilivyo salama na yenye afya. Hali inakuwa ngumu zaidi ikiwa mtu ana vikwazo vya chakula, mizigo mbalimbali, au ni juu ya chakula. Programu ya Android ya Foodwise hukuruhusu kuchanganua msimbopau wa bidhaa na kuona kwa urahisi ikiwa inafaa.
itumie.
Programu ina sehemu kuu tatu: "Wasifu", "Kamera" na "Historia".
Katika "Wasifu" unaweka mapendeleo yako: katika sehemu ya "Viungo" unaweza kutenga kutoka kwa mlo wako kiungo chochote kati ya 60 kilichojumuishwa kwenye hifadhidata na usome maelezo kuhusu E-supplements. "Vikundi" hukuruhusu kuwatenga kizuizi kizima cha viungo mara moja. Kwa mfano, ukitaja "Mboga," basi bidhaa zote zilizo na nyama zitaangaziwa kwa rangi nyekundu.
Kuna aina mbili katika sehemu ya "Kamera": skanning barcodes na kutambua mboga na matunda. Baada ya skanning barcode, utapata taarifa zote kuhusu bidhaa. Viungo ambavyo umevitenga vitaangaziwa kwa rangi nyekundu.
Bidhaa zote zilizochanganuliwa hapo awali zitahifadhiwa kwenye Historia. Sehemu hii ina vifaa vya utafutaji wa maandishi na sauti.
Njia ya utambuzi wa matunda na mboga hukuruhusu kupata habari kuhusu thamani yao ya lishe na nishati. Kwa mfano, apple moja ina takriban gramu 25.
kabohaidreti, ambayo haikubaliki kwa watu wenye chakula cha chini cha carb.
Programu imeandikwa kwa Kotlin, "Kamera" hutumia ML Kit kuchanganua misimbopau na kutambua matunda na mboga. Nyuma ina huduma mbili: seva ya API iliyo na hifadhidata,
ambayo huhifadhi viungo na nyimbo 60 za bidhaa 000, pamoja na mtandao wa neva ulioandikwa kwa Python na Tensorflow.
Timu ya mradi: Artyom Andryukhov, Ksenia Glazacheva, Dmitry Salman.
Huduma ya kuuza zawadi na ukweli uliodhabitiwa
Kila mtu amepokea zawadi za mfano angalau mara moja katika maisha yake. Mara nyingi, kwa watu, ukweli wa tahadhari ni muhimu zaidi kuliko zawadi wanayopokea. Zawadi kama hizo hazina faida, lakini uzalishaji na utupaji wao una athari mbaya kwa asili ya sayari yetu. Hivi ndivyo waandishi wa mradi walikuja na wazo la kuunda huduma ya kuuza zawadi na ukweli uliodhabitiwa.
Ili kupima umuhimu wa wazo hilo, tulifanya utafiti. 82% ya washiriki walikabiliwa na shida ya kuchagua zawadi. Kwa 57% ya waliohojiwa, shida kuu katika kuchagua ilikuwa hofu kwamba zawadi zao hazitatumika. 78% ya watu wako tayari kubadilika ili kutatua shida za mazingira.
Waandishi walitoa nadharia tatu:
- Zawadi huishi katika ulimwengu pepe.
- Hawachukui nafasi.
- Daima karibu.
Ili kutekeleza ukweli uliodhabitiwa kwenye wavuti, waandishi walichagua maktaba ya AR.js, ambayo ina sehemu kuu mbili:
- Ya kwanza inawajibika kuchora michoro juu ya mkondo wa kamera kwa kutumia A-Frame au Three.js.
- Sehemu ya pili ni ARToolKit, ambayo ina jukumu la kutambua alama (herufi maalum ambayo inaweza kuchapishwa au kuonyeshwa kwenye skrini ya kifaa kingine) kwenye mkondo wa pato la kamera. Alama hutumiwa kuweka picha. Uwepo wa ARToolKit haukuruhusu kuunda ukweli ulioboreshwa usio na alama kwa kutumia AR.js.
AR.js huficha mitego mingi. Kwa mfano, matumizi yake pamoja na A-Frame yanaweza "kuvunja" mitindo kwenye tovuti. Kwa hiyo, waandishi walitumia "kifungu" cha AR.js + Three.js, ambacho kilisaidia kutatua baadhi ya matatizo. Na kupachika AR.js kulingana na Three.js kwenye React, ambapo tovuti ya mradi imeandikwa, ilitubidi kuunda hazina ya AR-Test-2 (), ambayo hutekeleza kijenzi tofauti cha React kwa kutumia AR.js kulingana na Three.js. Kuangalia kwa mfano katika ukweli uliodhabitiwa na 3D (kwa vifaa visivyo na kamera) ilitekelezwa.
Walakini, baadaye ikawa kwamba watumiaji hawaelewi alama ni nini na jinsi ya kuitumia. Kwa hivyo, waandishi walibadilisha teknolojia , ambayo kwa sasa inaendelezwa kikamilifu na Google. Inatumia ARKit (iOS) au ARCore (Android) kutoa miundo katika Uhalisia Ulioboreshwa bila alama. Teknolojia inategemea Three.js na inajumuisha kitazamaji cha modeli ya 3D. Utumiaji wa programu umeboreshwa kwa kiasi kikubwa, hata hivyo, ili kutazama ukweli uliodhabitiwa, unahitaji kifaa kilicho na iOS 12 au baadaye.
Mradi huo sasa unapatikana kwa (), ambapo unaweza kupokea zawadi yako ya kwanza.
Timu ya mradi: Denis Stasyev, Anton Chadov.
Unaweza kusoma zaidi kuhusu miradi yetu ya elimu katika . Na tembelea kituo mara nyingi zaidi , video mpya za elimu kuhusu programu, maendeleo na taaluma nyingine huonekana huko mara kwa mara.
Chanzo: mapenzi.com