Технологические задачи
Модуль Технологические задачи - это задачи, связанные с разработкой, внедрением и совершенствованием новых технологий, продуктов и процессов.
Если у вас есть потребность по разработке, внедрению и другие спросы вы можете разместить информацию ниже.
Тестирование MVP-модуля «Игры для урока» цифровой платформы Daryn Orda
Нужно провести тестирование MVP-модуля «Игры для урока» перед его дальнейшим развитием. Специалист проверит основные пользовательские сценарии, зафиксирует ошибки и подготовит рекомендации по улучшению качества модуля.
Прием решений до
30.11.26 (включительно)
Область задачи
Интеллектуальные системы управленияКоличество заявок
1
Модуль медицинской безопасности ИИ-ассистента для беременных и молодых мам на казахском, русском и английском языках
Разработать модуль медицинской безопасности для ИИ-ассистента мобильного приложения Supermoms Club для беременных и молодых мам. До показа ответа пользователю модуль определяет срочность обращения и проверяет каждое медицинское утверждение по проверенной базе знаний. Работает на казахском, русском, английском и на смеси казахского с русским. Цель: каждое обращение с признаками опасного состояния при беременности, после родов или у ребёнка до 3 лет первой фразой направляет человека туда, куда нужно (скорая, приёмный покой, врач сегодня), и ни одно медицинское утверждение ИИ не доходит до пользователя без подтверждения источником. Состав работ: (1) триаж срочности — классификатор обращений по 4 уровням (экстренно / срочно к врачу / планово / не медицинский вопрос) с перечнем «красных флагов»; учитывает срок беременности, возраст ребёнка, отрицания, разговорную речь, латиницу и опечатки; (2) проверка утверждений — выделение медицинских утверждений из черновика ответа ИИ и вердикт по каждому: подтверждено / не подтверждено / противоречит источнику / запрещённый тип (диагноз, дозировка, отмена препарата); по итогу ответ показывается, исправляется или заменяется; (3) база знаний — не менее 800 положений клинических протоколов МЗ РК и рекомендаций ВОЗ на трёх языках, с источником и датой редакции, плюс редактор для врачей; (4) сервис с REST API, который разворачивается на серверах заказчика без передачи обращений внешним сервисам и не привязан к модели, пишущей ответы; (5) закрытый тест-набор (3 000 обращений и 1 000 ответов), размеченный практикующими врачами, и методика оценки. Модуль не ставит диагнозов и не назначает лечение. Подробности — в приложенном ТЗ.
Прием решений до
30.11.26 (включительно)
Область задачи
Нейротехнологии и искусственный интеллектКоличество заявок
0
Сбор и разметка видеоданных с промышленных объектов для обучения моделей компьютерного зрения в области охраны труда
Сформировать размеченный датасет видеофрагментов и кадров с промышленных площадок (нефтегаз, нефтехимия, горнодобыча) для обучения и дообучения моделей компьютерного зрения платформы Qorgau AI. Работы включают отбор видео, покадровую разметку объектов (люди, СИЗ, транспорт, опасные зоны, огонь, дым) и событий нарушений, контроль качества и передачу данных в формате COCO/YOLO. Подробности в приложенном ТЗ.
Прием решений до
30.11.26 (включительно)
Область задачи
Нейротехнологии и искусственный интеллектКоличество заявок
1
Автоматизация функционального тестирования приложений Tez Taxi для Android и iOS
Разработать и внедрить автоматические проверки ключевых пользовательских сценариев пассажирского и водительского приложений Tez Taxi. Цель — выявлять ошибки до выпуска обновлений и сокращать ручные трудозатраты на повторное тестирование. Проверки должны выполняться через пользовательский интерфейс без передачи исполнителю исходного кода приложений и серверной части. Предварительные сценарии пилота: оформление заказа пассажиром, принятие заказа водителем, отмена и завершение поездки. На первом этапе требуется оценить возможность автоматизации на доступных сборках и согласовать объём пилота. Результат работ включает исходный код автотестов, настройки запуска, отчёты и инструкции для самостоятельного использования внутренней командой. Источники данных для пилота: тестовые сборки приложений Tez Taxi и Tez Driver для Android и iOS, предоставляемые через Firebase App Distribution; тестовые аккаунты пассажиров и водителей, автомобили, тарифы, маршруты и заказы в тестовой среде Go API Tez Taxi; Подключение к GitLab CI/CD согласуется отдельно. Сборки, тестовые данные и доступы предоставляет заказчик; версии ОС, устройства и порядок восстановления данных фиксируются на первом этапе.
Прием решений до
30.11.26 (включительно)
Область задачи
Технологии в транспорте и логистикеКоличество заявок
1
Настройка продуктовой аналитики MVP-модуля «Игры для урока» платформы Daryn Teacher
Настроить измерение ключевых действий пользователей в MVP-модуле «Игры для урока», чтобы команда могла оценивать использование игровых форматов, выявлять затруднения в пользовательском сценарии и принимать решения о развитии модуля на основе данных. Исполнитель изучит текущую аналитику и события модуля, подготовит схему событий и их параметров, согласует требования с продуктовой и технической командами, настроит сбор данных в используемой компанией системе аналитики и подготовит дашборд с ключевыми метриками.
Прием решений до
30.11.26 (включительно)
Область задачи
Интеллектуальные системы управленияКоличество заявок
0
Разработка Java Spring микросервиса оркестрации и интеграции AI-системы предиктивного скоринга товаров-новинок
Разработать backend-микросервис на Java Spring Boot для автоматизации процесса согласования и валидации новых товарных позиций (SKU) в ритейле. Решение должно обеспечивать оркестрацию многоэтапного процесса согласования, асинхронное взаимодействие с AI/ML-моделями предиктивного скоринга, обработку товарных каталогов и интеграцию с сервисами ценообразования, логистики и мастер-данных. Цель проекта — сократить время проверки новинок, повысить надёжность обработки заявок и автоматизировать принятие решений на основе коммерческих данных.
Прием решений до
30.11.26 (включительно)
Область задачи
Нейротехнологии и искусственный интеллектКоличество заявок
0
Детерминированная атрибуция и устранение монотонного роста резидентной памяти in-memory хранилища под стационарной нагрузкой распределённых очередей задач
Мы эксплуатируем облачную B2B-платформу, фоновый контур которой построен на распределённых очередях задач поверх Redis-совместимого in-memory хранилища. При стационарном профиле нагрузки, когда число задач в единицу времени и их состав не меняются, резидентная память хранилища растёт монотонно и не возвращается к базовой линии после завершения задач. Рост заканчивается либо вытеснением ключей, либо плановым перезапуском, то есть деградацией отказоустойчивости всего асинхронного контура.
Прием решений до
27.11.26 (включительно)
Область задачи
Обработка и преобразование информацииКоличество заявок
3
Модуль ИИ-прокторинга: определение нарушений академической честности по видео боковой камеры
Цель — MVP модуля, который автоматически анализирует запись со второй (боковой) камеры экзаменуемого при онлайн-тестировании и находит нарушения академической честности. Камера — смартфон сбоку или сбоку-сзади: в кадре человек, руки, стол и экран. Границы MVP — четыре класса нарушений: посторонний человек в кадре, телефон или второе устройство, уход с рабочего места, перекрытие или смещение камеры. Обрабатываются готовые записи; режим реального времени и остальные классы — вне этой задачи. Результат по каждой сессии — оценка риска 0–100 и список событий с таймкодами, кадрами и клипами. Решение о нарушении принимает человек-проверяющий. KPI (на закрытом тестовом наборе заказчика): — ложная тревога: не более 3% честных сессий с уровнем «высокий»; — пропуск нарушителей: не более 10% сессий с нарушением; — по каждому из 4 классов: полнота не ниже 0,85, точность не ниже 0,80; — скорость: 1 час записи 720p — не дольше 10 минут на одном GPU уровня NVIDIA T4/L4; — не менее 10 одновременно обрабатываемых сессий на одном GPU-сервере. Данные: обучающие записи снимает и размечает исполнитель — постановочно, с письменного согласия участников. Закрытый тестовый набор (~40 сессий, ~20 часов) готовит заказчик; 5–10 образцов записей заказчик даёт в первую неделю. Формат — MP4 (H.264) или WebM, 720p, 10–30 кадр/с. Обработка персональных данных — по Закону РК «О персональных данных и их защите». Среда: GPU-облако на территории РК, аренду оплачивает заказчик; Docker, все модели работают локально, без внешних AI-API. Допустимые лицензии — Apache-2.0, MIT, BSD; AGPL/GPL и веса с некоммерческой лицензией не допускаются. Сроки и права: около 10 недель в три этапа. Исключительные права на код, веса и собранный датасет переходят заказчику по акту приёмки и оплате каждого этапа; код и веса передаются не позднее 5 рабочих дней после акта.
Прием решений до
27.11.26 (включительно)
Область задачи
Нейротехнологии и искусственный интеллектКоличество заявок
4
Приложение для управления автомойкой TAZA (переход от веб-приложения MVP)
Требуется создать из действующего веб-приложения TAZA полноценный программный продукт в двух вариантах: десктопные приложения для Windows и macOS (рабочее место администратора и кассира) и мобильные приложения для Android и iOS (владелец, управляющий, работники). Приложения должны работать на общем серверном программном интерфейсе (API) с единой базой данных на сервере заказчика. Исполнитель проектирует архитектуру и интерфейсы, переносит функциональность текущего веб-приложения, дорабатывает интерфейс, переносит данные, проводит пилот на одной точке и передаёт заказчику исходный код, сборки и документацию. Состав модулей, экраны и требования приведены в Техническом задании (прикреплено), в нём есть скриншоты текущего приложения.
Прием решений до
27.11.26 (включительно)
Область задачи
Другие технологические решенияКоличество заявок
7
Разработка интеллектуальной системы персонализированного показа и ротации баннеров в приложениях инвестиционной платформы
Разработать и интегрировать сервис, который по запросу приложения решает, какой баннер показать клиенту в каждой зоне. Сервис должен: 1. Отдавать решение о показе по REST API для мобильного и веб-клиента. 2. Автоматически ротировать баннеры и обучаться на отклике (multi-armed bandit или ML-ранжирование). 3. Запускать триггерные кампании по событиям: новое IPO, новая инвестидея, после сделки, после пополнения. 4. Соблюдать бизнес-правила: – обязательные поручения имеют приоритет над рекламой; – продукты для квалифицированных инвесторов не показываются неквалифицированным; – частота показов одному клиенту ограничена; – уже подключённый продукт (карта, криптосчёт) не рекламируется. 5. Дать маркетингу админку: зоны, кампании, веса, триггеры и аналитика показов. Что предоставляет заказчик: документацию API, тестовое окружение, описание текущих баннерных зон и событий-триггеров, обезличенные логи показов и кликов за 3–6 месяцев. Доступ к персональным данным клиентов и продуктивной базе не предусмотрен. До внедрения фиксируются показатели текущей логики за 30 дней.
Прием решений до
27.11.26 (включительно)
Область задачи
Средства проектированияКоличество заявок
1