Заказать

Разработка проекта с искусственным интеллектом (ИИ)

Эффективное решение задачи с помощью моделей машинного обучения (ML)

Создание ИИ

3 последовательных этапа работ

  • Описание идеи в тех документ
  • Постановка задач машинного обучения
  • Документирование ожидаемого результата

На данном этапе описывается: «что, зачем, для чего и в каком виде нужно достичь с помощью искусственного интеллекта». Т.е. на техническом языке описывается требуемый функционал машинного обучения и ожидаемый результат на выходе

от 37 250 руб /
от 7 дней

Подробнее

Пример проекта
Find by Face

Пример архитектуры
проекта Find by Face

Экосистема для ИИ

Для использования искусственного интеллекта

  • Back-end (веб-сервисы, БД, API)
  • Мобильное приложение (iOS/Android)
  • Интеграция машинного обучения в проект

Разработанный ИИ необходимо как-то использовать, т.е. где-то хранить данные и где-то выводить результат. Для этого, создается связка из серверной части (back-end) и клиентской части (мобильного приложения), после чего, интегрируется модуль машинного обучения и собирается все в одну систему

от 450 000 руб /
от 40 дней

Подробнее

Проект под ключ

Экосистема с искусственным интеллектом

  • Создание ИИ (ТЗ, анализ, архитектура, ML модели)
  • Разработка back-end (веб-сервисы, БД, API)
  • Реализация мобильного приложения (iOS либо Android)

Эффективное решение задачи основанное на создании полноценной экосистемы с машинным обучением (ML). Использование ИИ через мобильное приложение, интеграция сторонних систем и сервисов с помощью back-end. Функционально масштабируема и легко поддерживается

от 870 750 руб /
от 3 месяцев

Подробнее

Разработка ИИ

Выбор платформы, создание и обучение модели

ИИ эффективно применяется в узких областях. Если простыми словами и по аналогии строения дерева, ИИ подразделяется на следующие базовые разделы (ствол):
- Зрение / Данные / Звук / Речь

Каждый из этих разделов (ствол) имеет множество разных типов (веток), т.е. в какой именно узкой области необходимо будет работать. И каждый такой тип (ветки) имеет свои функциональные возможности (листья), т.е. что именно необходимо будет делать.

Исходя из задачи и ожидаемого результата индивидуально подбираются технологии реализации и проектируется архитектура (строение дерева), после чего, создаются модели машинного обучения и обучаются до необходимого состояния.

Реализовывали проекты в разделах компьютерного зрения и данных

Технологии, с которыми работали

Фреймворки и Библиотеки для Python:

PyTorch, PyTorch Lightning, Fast.ai, TensorFlow, OpenCV

Готовые модели и APIs:

Machine learning from Apple / Google, MTCNN (facenet-pytorch), InceptionResnetV1 (VGGFace2), BERT DeepPavlov, ruGPT-3

SaaS решения:

Plate Recognizer, Amazon SageMaker, Amazon Vision, Yandex DataSphere, Yandex Vision, Azure Computer Vision, Azure Decision, BERT от Google

Экосистема для ИИ

Связка из back-end’а и мобильного приложения

Потенциал ИИ раскрывается в связке со сторонними системами. Для этого, мы создаем эффективную модель клиент-серверного взаимодействия. В которой, оптимально распределяем обработку функций и возможностей, логики и данных.

Серверная часть (back-end) - в основном выступает внутренним ядром экосистемы. В ее разработке мы применяем самый современный стек технологий, который заведомо предполагает работу с ИИ.

Мобильное приложение (клиентская часть) - это то, через что будет происходить использование ИИ. Поэтому, в их разработке мы применяем самые качественные «нативные» технологии (high quality), которые также имеют возможность прямого внедрения ИИ

Технологии, с которыми работаем

Дизайн UX/UI:

Figma, After Effects

iOS:

MVVM для iOS с Combine и SwiftUI

Android:

MVVM для Android с Kotlin и Android Studio

Back-end:

Python, Django, Docker, Swagger

СУБД:

PostgreSQL, MongoDB

Элементы соц сети:

Чат (тет-а-тет, групповой), Инвайты, Подписчики, Подписки, Рейтинг, Отзывы, Пожаловаться

Контроль качества:

Trello, GitLab, Telegram, Google Workspace

Функционал ИИ

Искусственный интеллект может многое

Даже в рамках узкой специализации, ИИ может выполнять ряд сложных профессиональных задач, вплоть до частичной или полной автоматизации.

Единственный его недостаток, это то, что одна ML модель решает одну конкретную задачу. НО большое преимущество в том, что можно связывать разные ML модели в одной экосистеме.

Поэтому, чтобы добиться эффективного решения с помощью ИИ, всегда пишется ТЗ на функционал, возможности и требуемый результат машинного обучения.

Технологии, с которыми работаем

Зрение:

Обнаружение объектов, Обнаружение дефектов, Подсчет кол-ва объектов, Обнаружение аномалий, Обнаружение отклонений, Определение закономерностей

Данные:

Прогнозирование события / действия / заболевания, Формирование рекомендаций, Выявление закономерностей, Поиск аномалий

Речь:

Распознование слов из «Аудио / Видео / Файла / Речи», а затем преобразование их в текст

Звук:

Определение источника звука, его характеристики или композиции

Реализованные проекты

Этапы реализации ИИ

  1. Функциональные требования
  2. Техническое задание
  3. Анализ
  4. Проектирование архитектуры
  5. Создание ИИ
  6. Дизайн для приложения
  7. Разработка серверной части
  8. Реализация приложения
  9. Интеграция ИИ в проект
  10. Контроль достижения качества*
неделя
1
2
3
4
5
6
7
8
9
10
11
12

Заказать услугу
по разработке маркетплейса

Форма отправляется

Оставить заявку

Отправить

Россия

© ООО “АППсСтудио”, 2013 - ∞

На пользу ИИ собираем ваши куки, без этого уже никак

Ясно