Python

Свяжитесь с нами сейчас!

Если у вас есть готовый план проекта, либо его задумка, оставьте свои контактные данные. Мы с вами обязательно свяжемся и поможем в реализации идеи!





    Наши работы

    Приложение Аффирмаций

    Нашей командой было разработано приложение Аффирмаций. Аффирмации - один из самых сильных и действенных инструментов в мире психологии и коучинга. Они способны изменить деструктивные установки и проработать все аспекты личности, без особых усилий. Приложение содержит всю базу аффирмаций, разработанных самыми сильными экспертами в психологии, на любую тему:

    • Любовь к своему телу;
    • Поднятие самооценки;
    • Работа над страхами и стрессом;
    • Богатство и финансовый поток;
    • Гармоничные отношения;
    • Лучший день;
    • Woman's magic;
    • Авторство над своей жизнью;
    И многое другое! If you don’t find the one among them, you can always create your own affirmation using the constructor. The main thing is to prepare the text, create an intention, the rest is already in our application. Были использованы технологии: Мобильная часть:
    • Flutter (MobX, Dio, Retrofit, GetIt, Injectable, Provider);
    • Dart.
    Бэкенд:
    • Python;
    • Django.
    Аудио:
    • ffmpeg
    Особенности:
    • Воспроизведение потокового аудио;
    • Запись голоса;
    • Склейка и обработка аудио через ffmpeg.

    Виртуальная примерочная мебели с применением компьютерного зрения (CV)

    Technologies: Python, OpenCV and others Adaptation of advanced segmentation and detection models for accurate recognition of furniture and other objects in images. This has significantly improved the accuracy and quality of object selection. Modern contour post-processing technologies have been applied, which have improved the detail and ensured the exact overlap of elements such as wallpaper, floors and ceilings. The use of the diffusion model made it possible to completely remove objects from the images, restoring in detail the missing voids of the room.

    Магистраль данных для Интернет-Магазина на маркетплейсах

    Технологии: Python, MySQL, Excel, Power BI, Jupyter Notebook Для компании интернет-магазина, разработана система сбора, анализа данных и прогнозирования поставок и продаж. Данные о продажах, остатках на складах, акциях собираются с маркетплейсов Wildberries, OZON, Яндекс.Маркет, СберМегаМаркет. Данные, недоступные через API маркетплейсов загружаются в систему вручную с помощью файлов XLS. Производится очистка данных, предоставлен интерфейс аналитикам данных клиента для построения и тестирования моделей. Модель прогнозирования использует алгоритмы машинного обучения.

    Игра Chess Zombies

    Technologies: Python, FastAPI, Celery, Vue.js, Unity, WebSocket Duration: in progress This project is a free, unique video game called “Chess Zombies”. It is a chess game performed in the Dark Fantasy style. The game has a complex plot with a deeply elaborated prehistory and includes three main game mechanics: Chess (Fairy Chess and Chesscraft subgenres), RPG, TBS. The game uses the F2P model, but also includes the NFT platform as an additional component. NFT expands in-game customization, but is not mandatory to fully complete the game. As part of social interactions, the game has a rating system, a clan system, and in-game chat. From the technical side of the project, we use Vue.js and Unity in front-end, Python, FastAPI, Celery in back-end and WebSocket for communication. The main goal of the project is to implement a unique multi mechanic system and create a competitive product in the video game industry.

    Форк видеоплеера Коди

    Technologies: Python, Android   We created fork of the Kodi video player for specific needs of our customer and its manufacturers. Our code allows to use video streaming provided  by EzServer software and changes UI of Kodi to client's style and their UX specifications.   Short: developed a Kodi plugin.

    Проект по сравнению цен в отелях

    Technologies: Python, Selenium, Scrapy, Vue, Bayessian Modeling, Game Modeling, Statistics   We developed a hotel price comparison solution for a group of hotels in Barcelona consisting of the three components: Competitors prices collection component, scraping booking prices from price aggregator websites http://hostelbookers.com/ , http://hostelworld.com/ and hotel websites. Data visualization tool showing different graphs about the current hotel prices, competitors prices, supply/demand, number of available rooms and other parameters. Mathematical model optimizing the prices for the client’s hotel basing on all the competitors, historical, seasonal data.

    Электронная книга

    Technologies: C, Python, Calibre, PocketSphinx, Wit.ai Duration: 1 year   The goal of the project is developing software for ebook reader devices based on Calibre systems. The most important feature of the system is voice recognition that is used for manipulating ebooks, executing commands, navigating libraries and searching books. Voice recognition is based on two different engines:

    • для передачи голосовых команд используется PocketSphinx в качестве грамматического ядра, содержащего строгие правила и обладающего хорошим уровнем распознавания голоса в разных ситуациях (акцент, шум, низкая громкость и т.д.).
    • additionally, the system included free search functionality that allows to search a book using custom requests from the user, such as "Search a new book of Charles Stross" or "Search most popular books of this year"
      Краткое описание: разработана (включая архитектуру) система распознавания голоса в качестве неотъемлемой части ПО для устройства чтения электронных книг. Система распознавания голоса включает в себя как оффлайн, так и онлайн версии и использует некоторые NLP-техники.

    Приложение для мониторинга промышленных объектов

    Technologies: Python, Django, MongoDB Application monitoring the facility activities in real time and warns users of any delays. Users have ability to close, delay, reschedule and reactivate tasks. Application runs real time function to check if there are any Tasks that should be started and monitors each Task which should be started at certain time. Features:

    • несколько уровней доступа к данным и функциям;
    • хранит данные о компаниях, оборудовании, обслуживающем персонале, все имеющиеся документы;
    • запускает функцию активации, чтобы начать мониторинг даты и времени Задачи;
    • следит за продолжительностью операций пошагово: шаг за шагом в соответствии с их последовательностью;
    • предупреждает пользователей звуковым сигналом на компьютере, если время задачи превышено;
    • проверяет, все ли шаги выполнены вовремя, и предупреждает пользователей о том, что Задание завершено;
    • помечает задачу как закрытую и устанавливает соответствующие дату и время окончания.

    QC-файл и приложение рабочего процесса.

    Technologies: Python, Django, JavaScript, React.JS, JQuery,  Bootstrap, HTML, CSS, Amazon S3, MongoDB. Duration: 6 months   Business goal of that project is allow to the users upload files with information about mortgage, fill the checklist about mortgage and generate and view reports (individually and monthly). The program have different types of user with different access rights. A 'customer' can upload files and view reports. Application use S3 Storage for holding files. A 'reviewer' can fill the checklist and generate reports. A 'administrator' can manage user accounts.

    Видеорешение для атлетики на базе машинного зрения

    Технологии: Python, OpenCV Продолжительность: 6 месяцев The goal of the project is to analyze the video of a tennis game for breaking match into shorter videos: one video per point. It was required to remove those parts of the match where the players did not play (the players rest, the gap between the points, etc.); that allowed game statisticians to make further revisions of the game much faster because all "idle" periods of the game were removed and the total length (as soon as file size) was much shorter. Логика разбивки видео разработана на основе анализа игровых событий, которые были обнаружены на видео; положения, скорости и позы игроков, движения и местоположения мяча и других параметров. Использовались CV-алгоритмы: оптический поток, вычитание фона, HoG-детектор, определение позы и другие.

    Проверка юридических документов с использованием методов НЛП

    Технологии: Python, NLP, Машинное обучение Продолжительность: 3 месяца Наш клиент создает финансовое программное обеспечение (под названием «CF Engine») для моделирования сложных финансовых продуктов (RMBS, ABS, CLO и т. д.). Основная цель проекта — расширить это программное обеспечение, используя функцию, которая позволяет пользователям просматривать соответствующие юридические документы на основе информации из модели. Разработанная модель должна проверять, соответствует ли конкретный документ одной из созданных моделей. Например, если обрабатываемый документ является закладной, тогда модель: - parses mortgage document (from PDF, Word, plain text format); - checks if document contains all required information (all parties are specified and described correctly, property is described, interest rate is specified, all information required by law is provided and so on); - if document fits the model then system extracts important information (parties, property description, interest rates and so on) and provides it as summary for user review. Система поддерживает разные форматы входных документов и разные типы документов, такие как ипотека, автокредит, коммерческий кредит и так далее. Также система поддерживает разные страны работы, т.е. разную структуру документов для каждой страны и разные языки.

    Программное обеспечение для спортивных прогнозов

    Технологии: Python, GLPK Длительность: 2 месяца Бизнес-целью этого проекта было создание инструмента, который мог бы создать наилучший возможный состав игроков в фэнтези-спорт с учетом их предполагаемых фэнтези-очков для следующей игры. Составы были созданы для нескольких спортивных лиг, таких как NBA, NFL и MLB, а также для нескольких ежедневных фэнтези-спорт веб-сайтов (DFS), таких как Fanduel и DraftKings. Инструмент может составить список оптимальных составов на основе одного и того же набора игроков и их предполагаемых фэнтези-очков. Among other options it is possible to build the best lineups with one or more players already present (locked) in the lineup. It is also possible to constrain each player's exposure in the list of optimal lineups, min and max number of players from each team in the lineup and more. Среди технических задач, которые мы решали, был поиск модели линейного программирования, которая наиболее правильно и эффективно описывает модельный ряд и все соответствующие ограничения. В проекте была реализована смешанная целочисленная модель линейного программирования, которая была решена с помощью GNU Linear Programming Kit (GLPK) через библиотеку интерфейса Python Pyomo. Инструмент был реализован в виде веб-сервиса. Параметры модели динамически заполнялись данными JSON через REST-подобный интерфейс API конечным пользователем, и лучшие составы также отправлялись пользователю в виде данных JSON. Модель линейного программирования фактически состояла из шести моделей, по одной для каждого вида спорта (NBA, NFL, MLB) и веб-сайта DFS (Fanduel, DraftKings).

    Поиск взаимосвязей и прогнозирование в системе электронной коммерции

    Технологии: Python, Scikit-learn Продолжительность: 5 месяцев Внедрена система, которая ранжирует клиентов, делая прогнозы, важные для бизнес-действий, такие как переход с бесплатных на премиум-аккаунты, суммы платежей за премиум-аккаунты и вероятность того, что человек перестанет пользоваться услугой. Система обучена на базе данных учетных записей пользователей и последовательности действий пользователей на сервисе. После того, как новые пользовательские данные предоставлены системе, создается рейтинг, основанный на прогнозируемых будущих действиях. Мы использовали следующие техники: - feature engineering for machine learning; - random forest/decision trees models; - "bag of words" like model for user actions.

    Алгоритм прогнозирования уровня ёмкости

    Технологии: Python, Scikit, SciPy Продолжительность: 6 месяцев Целью проекта было прогнозирование уровня жидкости в ёмкости на основе данных из сенсора, соединённого с ней специфическим девайсом. Данные, предоставленные клиентом, включают в себя информацию сенсоров на разных уровнях ёмкости. После внедрения принципиального компонента анализа (ПКА) с целью выявлять паттерны сигналов спектральных областей, была создана простая модель логистического регресса. Модель продемонстрировала хорошие атрибуты/результаты и использовалась для прогнозирования уровня с точностью 98-100%. Short: developed a predictive analytics solution for oil industry. The solution is aimed to predict the level of oil based on the sensor data. #Data Science

    Сервис японско-русского перевода

    Технологии: Travatar, Moses, EDA, KyTea, Python Длительность: 1 год Целью проекта было создание переводчика рекламных текстов с японского на русский язык. Для этого мы выбрали статистическую модель перевода, основанную на сравнении большого массива параллельных текстов. Они были получены от службы вопросов и ответов (вопросы на русском переведенные на японский) и использовались в качестве клиентских текстов. Мы также использовали несколько статистических переводчиков, таких как Travatar и Moses. В дальнейшем был использован Travatar, так как он показал более качественный перевод, исходя из объективных метрик. Одной из ключевых проблем, с которыми мы столкнулись, было низкое качество перевода и отсутствие выравнивания на уровне предложений. Для его выравнивания был разработан статистический алгоритм, работающий с поиском ближайших высказываний на основе словаря n-грамм.