حال ہی میں، ہمارے تین ٹیکنالوجی پراجیکٹس کے گریجویٹس کا اگلا موسم سرما کا دفاع ہوا - Technopark (Bauman MSTU)، Technosphere (Lomonosov Moscow State University) اور Technotrek (MIPT)۔ ٹیموں نے Mai.ru گروپ کے مختلف ڈویژنوں کی طرف سے تجویز کردہ اپنے اپنے خیالات اور حقیقی کاروباری مسائل کے حل دونوں کے نفاذ کو پیش کیا۔
منصوبوں کے درمیان:
- بڑھا ہوا حقیقت کے ساتھ تحائف فروخت کرنے کی خدمت۔
- ایک سروس جو میلنگ لسٹ سے پروموشنز، ڈسکاؤنٹس اور پیشکشوں کو جمع کرتی ہے۔
- کپڑوں کی بصری تلاش۔
- رینٹل آپشن کے ساتھ الیکٹرانک بک کراسنگ کے لیے سروس۔
- سمارٹ فوڈ اسکینر۔
- جدید آڈیو گائیڈ۔
- پروجیکٹ "Mail.ru ٹاسکس"
- Мобильное телевидение будущего.
ہم آپ کو چھ پراجیکٹس کے بارے میں مزید تفصیل سے بتانا چاہیں گے جن پر جیوری ممبران اور سرپرستوں نے خاص طور پر روشنی ڈالی تھی۔
کپڑوں کی بصری تلاش
یہ پروجیکٹ ٹیکناسفیر کے گریجویٹس کی ایک ٹیم نے پیش کیا تھا۔ تجزیہ کاروں کے مطابق، 2018 میں روس میں فیشن مارکیٹ تقریباً 2,4 ٹریلین روبل تھی۔ لڑکوں نے ایک ایسی سروس بنائی ہے جو بہت ساری قسم کے سامان میں خریداری کرنے کے لیے ایک ذہین معاون کے طور پر پوزیشن میں ہے۔ یہ ایک B2B حل ہے جو آن لائن اسٹورز کی فعالیت کو بڑھاتا ہے۔
В ходе UX-тестирования авторы проекта выяснили, что под «похожим платьем» люди понимают схожесть не по цвету или рисунку, а по атрибутам одежды. Поэтому ребята разработали систему, которая не просто сравнивает две картинки, а понимает семантическую близость. Загружаешь изображение интересующего предмета одежды, а сервис подбирает релевантные его атрибутам товары.
تکنیکی طور پر نظام مندرجہ ذیل کام کرتا ہے:
Cascade Mask-RCNN نیورل نیٹ ورک کو پتہ لگانے اور درجہ بندی کے لیے تربیت دی گئی تھی۔ لباس کی صفات اور مماثلت کا تعین کرنے کے لیے، کئی سروں کے ساتھ ResNext-50 پر مبنی ایک اعصابی نیٹ ورک صفات کے گروپوں کے لیے استعمال کیا جاتا ہے، اور ایک پروڈکٹ کی تصویروں کے لیے ٹرپلٹ نقصان۔ پورا پروجیکٹ مائیکرو سروس فن تعمیر کی بنیاد پر نافذ کیا گیا تھا۔
مستقبل میں اس کی منصوبہ بندی کی گئی ہے:
- لباس کی تمام اقسام کے لیے ایک سروس شروع کریں۔
- آن لائن اسٹورز کے لیے ایک API تیار کریں۔
- Улучшить манипуляцию атрибутами.
- فطری زبان میں سوالات کو سمجھنا سیکھیں۔
پروجیکٹ ٹیم: ولادیمیر بیلیایف، پیٹر زیدیل، ایمل بوگومولوف۔
مستقبل کا موبائل ٹی وی
ٹیکنوپارک ٹیم کا پروجیکٹ۔ طلباء نے اہم روسی ڈیجیٹل براڈکاسٹنگ چینلز کے لیے ٹی وی شیڈول کے ساتھ ایک ایپلی کیشن بنائی، جس میں آئی پی ٹی وی (آن لائن چینلز) یا اینٹینا کا استعمال کرتے ہوئے چینلز دیکھنے کا فنکشن شامل کیا گیا۔
سب سے مشکل چیز اینٹینا کو اینڈرائیڈ ڈیوائس سے جوڑنا تھا: اس کے لیے انہوں نے ایک ٹونر استعمال کیا، جس کے لیے مصنفین نے خود ایک ڈرائیور لکھا۔ نتیجے کے طور پر، ہمیں ایک ایپلی کیشن میں ٹی وی دیکھنے اور ٹی وی پروگرام گائیڈ کو اینڈرائیڈ پر استعمال کرنے کا موقع ملا۔
پروجیکٹ ٹیم: کونسٹنٹین میٹراکوف، سرگئی لوماچیف۔
ایک سروس جو میلنگ لسٹوں سے پروموشنز، ڈسکاؤنٹس اور پیشکشوں کو جمع کرتی ہے۔
Это проект на стыке рекламных и почтовых технологий. Наши ящики полны спама и рассылок. Каждый день приходят письма с персональными скидками, однако мы всё реже открываем их, воспринимая как «бесполезную рекламу». Из-за этого теряют выгоду пользователи и несут убытки рекламодатели. Исследование Почты Mail.ru показало, что пользователи хотят увидеть сводку, имеющихся у них скидок.
پروجیکٹ
پروجیکٹ میں ایک مائیکرو سروس فن تعمیر ہے اور یہ تین اہم حصوں پر مشتمل ہے:
- میل باکسز کے آسان کنکشن کے لیے OAuth کی اجازت۔
- پروموشنز کے ساتھ خطوط کا مجموعہ اور تجزیہ۔
- ڈسکاؤنٹ کارڈز کو ذخیرہ کرنا اور ڈسپلے کرنا۔
پروجیکٹ GPU وسائل کا استعمال کرتے ہوئے قدرتی زبان کی پروسیسنگ ٹیکنالوجی کا استعمال کرتا ہے: گرافکس ایکسلریٹر نے پروسیسنگ کی رفتار کو 50 گنا بڑھانا ممکن بنایا۔ الگورتھم سوال جواب کے نظام پر مبنی ہے، جو آپ کو نئی کاروباری ضروریات کے مطابق اسٹاک کیٹیگریز کو تیزی سے شامل کرنے کی اجازت دیتا ہے۔
اس ٹیم نے نہ صرف جیوری کے مطابق ٹاپ ٹیموں میں جگہ حاصل کی بلکہ "ڈیجیٹل ٹاپس 2019" مقابلہ بھی جیتا۔ یہ روسی ڈویلپرز کے لیے مقابلہ ہے جو کاروبار اور سرکاری اداروں کی کارکردگی کو بہتر بنانے کے ساتھ ساتھ ذاتی پیداواری صلاحیت کو بڑھانے کے لیے IT ٹولز بناتے ہیں۔ ہماری ٹیم نے طلباء کے زمرے میں کامیابی حاصل کی۔
طلباء کے پاس پروجیکٹ کی مزید ترقی کے لیے بڑے منصوبے ہیں، اگلے یہ ہیں:
- میل سروسز کے ساتھ انضمام۔
- تصویری تجزیہ کے نظام کا نفاذ۔
- وسیع سامعین کے لیے ایک پروجیکٹ شروع کرنا۔
پروجیکٹ ٹیم: میکسم ایرماکوف، ڈینس زینوویف، نکیتا روبینوف۔
Отдельно хотим рассказать про три команды, которые были отмечены менторами Mail.ru Group, работавшими со студентами во время всего семестра. Особое внимание при выборе проектов уделялось сложности проекта, реализации и командной работе.
پروجیکٹ "Mail.ru ٹاسکس"
پروجیکٹ کو جیوری اور سرپرستوں دونوں نے نوٹ کیا۔
"Tasks Mail.ru" کام کی فہرست کو برقرار رکھنے کے لیے پہلی آزاد سروس ہے، جسے کمپنی نے تیار کیا ہے۔ آنے والے مہینوں میں، Tasks Mail.ru کیلنڈر میں ٹاسک لسٹوں کی جگہ لے لے گا، اور پروجیکٹ کے تمام صارفین کے لیے فعال ہونے کے بعد، اسے Mail.ru موبائل اور ویب میل میں ضم کر دیا جائے گا۔
اس پروجیکٹ کو آف لائن فرسٹ اور موبائل فرسٹ اپروچز کا استعمال کرتے ہوئے لاگو کیا گیا تھا۔ یعنی آپ ویب ایپلیکیشن کو کسی بھی وقت، کہیں بھی اور کسی بھی چیز پر استعمال کر سکتے ہیں۔ انٹرنیٹ تک رسائی سے کوئی فرق نہیں پڑتا: ڈیٹا کو محفوظ اور مطابقت پذیر بنایا جائے گا۔ زیادہ سہولت کے لیے، آپ براؤزر سے ایپلیکیشن "انسٹال" کر سکتے ہیں، اور یہ ایک مقامی جیسی نظر آئے گی۔
سمارٹ فوڈ اسکینر
گروسری اسٹور میں، ہم ہمیشہ جلدی سے یہ تعین نہیں کر سکتے کہ کھانے کی کوئی پروڈکٹ ہمارے لیے موزوں ہے یا نہیں، یہ کتنی محفوظ اور صحت مند ہے۔ صورت حال مزید پیچیدہ ہو جاتی ہے اگر کسی شخص کو غذائی پابندیاں ہوں، مختلف قسم کی الرجی ہو یا وہ خوراک پر ہو۔ Foodwise Android ایپ آپ کو کسی پروڈکٹ کا بارکوڈ اسکین کرنے اور آسانی سے دیکھنے کی اجازت دیتی ہے کہ آیا یہ اس کے قابل ہے۔
استعمال کرو.
ایپلیکیشن کے تین اہم حصے ہیں: "پروفائل"، "کیمرہ" اور "ہسٹری"۔
В «Профиле» задаются ваши предпочтения: в разделе «Ингредиенты» вы можете исключить из рациона любой из занесённых в базу 60 000 ингредиентов и прочитать информацию о E-добавках. «Группы» позволяют исключить сразу целый блок ингредиентов. Например, если указать «Вегетарианство», то все продукты, содержащие мясо, будут подсвечены красным.
"کیمرہ" سیکشن میں دو طریقے ہیں: بارکوڈز کو اسکین کرنا اور سبزیوں اور پھلوں کو پہچاننا۔ بارکوڈ کو اسکین کرنے کے بعد، آپ کو پروڈکٹ کے بارے میں تمام معلومات مل جائیں گی۔ آپ کے خارج کردہ اجزاء سرخ رنگ میں نمایاں ہوں گے۔
تمام پہلے اسکین شدہ پروڈکٹس کو ہسٹری میں محفوظ کیا جائے گا۔ یہ سیکشن متن اور آواز کی تلاش سے لیس ہے۔
پھلوں اور سبزیوں کی شناخت کا طریقہ آپ کو ان کی غذائیت اور توانائی کی قدر کے بارے میں معلومات حاصل کرنے کی اجازت دیتا ہے۔ مثال کے طور پر، ایک سیب میں تقریباً 25 گرام ہوتا ہے۔
کاربوہائیڈریٹ، جو کم کارب غذا پر لوگوں کے لیے ناقابل قبول ہے۔
ایپلی کیشن کوٹلن میں لکھا گیا ہے، "کیمرہ" بارکوڈز کو اسکین کرنے اور پھلوں اور سبزیوں کی شناخت کے لیے ایم ایل کٹ کا استعمال کرتا ہے۔ پسدید دو خدمات پر مشتمل ہے: ڈیٹا بیس کے ساتھ ایک API سرور،
جو 60 مصنوعات کے 000 اجزاء اور کمپوزیشنز کے ساتھ ساتھ Python اور Tensorflow میں لکھا ہوا ایک نیورل نیٹ ورک اسٹور کرتا ہے۔
Команда проекта: Артём Андрюхов, Ксения Глазачёва, Дмитрий Сальман.
بڑھا ہوا حقیقت کے ساتھ تحائف فروخت کرنے کی خدمت
ہر شخص کو اپنی زندگی میں کم از کم ایک بار علامتی تحفے ملے ہیں۔ اکثر لوگوں کے لیے توجہ کی حقیقت ان کو ملنے والے تحفے سے زیادہ اہم ہوتی ہے۔ ایسے تحائف فائدہ مند نہیں ہوتے لیکن ان کی پیداوار اور ضائع کرنے سے ہمارے سیارے کی فطرت پر منفی اثرات مرتب ہوتے ہیں۔ اس طرح پروجیکٹ کے مصنفین کو بڑھا ہوا حقیقت کے ساتھ تحائف فروخت کرنے کے لیے ایک سروس بنانے کا خیال آیا۔
خیال کی مطابقت کو جانچنے کے لیے، ہم نے ایک مطالعہ کیا۔ 82% جواب دہندگان کو تحفہ منتخب کرنے کے مسئلے کا سامنا کرنا پڑا۔ 57% جواب دہندگان کے لیے، انتخاب کرنے میں سب سے بڑی مشکل یہ تھی کہ ان کے تحائف استعمال نہیں کیے جائیں گے۔ 78% لوگ ماحولیاتی مسائل کو حل کرنے کے لیے تبدیلی کے لیے تیار ہیں۔
مصنفین نے تین مقالے پیش کیے:
- تحفے ورچوئل دنیا میں رہتے ہیں۔
- وہ جگہ نہیں لیتے ہیں۔
- ہمیشہ بند کرو
ویب پر بڑھی ہوئی حقیقت کو نافذ کرنے کے لیے، مصنفین نے AR.js لائبریری کا انتخاب کیا، جو دو اہم حصوں پر مشتمل ہے:
- پہلا A-Frame یا Three.js کا استعمال کرتے ہوئے کیمرہ سٹریم کے اوپر گرافکس بنانے کے لیے ذمہ دار ہے۔
- دوسرا حصہ ARToolKit ہے، جو کیمرہ آؤٹ پٹ سٹریم میں مارکر (ایک خاص کردار جسے پرنٹ کیا جا سکتا ہے یا کسی اور ڈیوائس کی سکرین پر دکھایا جا سکتا ہے) کو پہچاننے کا ذمہ دار ہے۔ مارکر کو گرافکس کی پوزیشن کے لیے استعمال کیا جاتا ہے۔ ARToolKit کی موجودگی آپ کو AR.js کا استعمال کرتے ہوئے بغیر نشان کے بڑھی ہوئی حقیقت تخلیق کرنے کی اجازت نہیں دیتی ہے۔
AR.js بہت سے نقصانات کو چھپاتا ہے۔ مثال کے طور پر، A-Frame کے ساتھ اس کا استعمال پوری سائٹ میں سٹائلز کو "توڑ" سکتا ہے۔ لہذا، مصنفین نے AR.js + Three.js کا ایک "بنڈل" استعمال کیا، جس نے کچھ مسائل کو حل کرنے میں مدد کی۔ اور Three.js پر مبنی AR.js کو React میں سرایت کرنے کے لیے، جس میں پروجیکٹ کی ویب سائٹ لکھی گئی ہے، ہمیں ایک AR-Test-2 ذخیرہ بنانا پڑا (
تاہم، بعد میں پتہ چلا کہ صارفین یہ نہیں سمجھتے کہ مارکر کیا ہے اور اسے کیسے استعمال کیا جائے۔ لہذا، مصنفین نے ٹیکنالوجی کو تبدیل کر دیا ، جو فی الحال گوگل کے ذریعہ فعال طور پر تیار کیا جا رہا ہے۔ یہ ARKit (iOS) یا ARCore (Android) کو بغیر مارکر کے AR میں ماڈلز پیش کرنے کے لیے استعمال کرتا ہے۔ ٹیکنالوجی Three.js پر مبنی ہے اور اس میں 3D ماڈل ویور شامل ہے۔ پروگرام کے استعمال میں نمایاں بہتری آئی ہے، تاہم، بڑھا ہوا حقیقت دیکھنے کے لیے، آپ کو iOS 12 یا اس کے بعد کے آلات کی ضرورت ہے۔
پروجیکٹ اب دستیاب ہے (
پروجیکٹ ٹیم: ڈینس اسٹاسیف، انتون چاڈوف۔
آپ ہمارے تعلیمی منصوبوں کے بارے میں مزید پڑھ سکتے ہیں۔
ماخذ: www.habr.com