Najlepsze prace freelancerów z kategorii AI i uczenie maszynowe na Freelancehunt - przykłady wykonanych przez freelancerów w Polsce prac

Switch to English version?

Yes

Переключитись на українську версію?

Так

Переключиться на русскую версию?

Да

Przełączyć się na polską wersję?

Tak

Zaloguj się
Rejestracja
- Witamy na Freelancehunt
  
  Pracuj bez ryzyka, oszczędzaj czas i pieniądze
  
  Zaloguj się Rejestracja

NaftoGaz Europe - strona informacyjna

AI i uczenie maszynowe

#php #yii2

Peiko17
83 PLN
Rozpoznawanie kotów i psów na zdjęciach

AI i uczenie maszynowe

Program do rozpoznawania kotów i psów na zdjęciach. Źródła sieci neuronowych. Dokładność 85-90%. Interfejs wykonany jest na Tkinter.

slado122
SZT (Ai)

AI i uczenie maszynowe

To zdjęcie zostało stworzone na moje zlecenie w Midjourney dla klienta

stayshadesigner
828 PLN
Certyfikat AI-specjalisty

AI i uczenie maszynowe

Przeszłam pełny kurs z AI.

anna_liv
124 PLN
Śmieszne News

AI i uczenie maszynowe

Sieć neuronalna generująca zabawne wiadomości na podstawie rzeczywistych wiadomości Ukrainy z https://korrespondent.net/ukraine/
Do generowania wiadomości napisz /newh bot

Jobgter
828 PLN
Automatyczne usuwanie logo WaterMarks

AI i uczenie maszynowe

Na podstawie metod uczenia się maszynowego opracowano modele do automatycznego wyszukiwania i usunięcia logo (WaterMark, druk wodny).Program składa się z trzech części:
Część 1.Wykrywanie, określenie lokalizacji i cięcie logo z dokładnością podpixelową.Część 2.Na podstawie 50-100+ egzemplarzy zdjęć (obiektów nauczania) oblicza się odwrotne przekształcenie matematyczne dla każdego piksela, w którym spektrum częstotliwości obszaru pod logo odpowiada obszarowi wokół logo.W ten sposób zmniejsza się widoczność o 90-99% na zdjęciu pierwotnym.
Część 3.Pakietowe zastosowanie wykształconego modelu usuwania znaku wodnego do zdjęć.Wyniki :
W tej pracy logotyp został usunięty na 7433 zdjęcia.Czas konwersji: 3-5 sekund na oczyszczanie jednej fotografii (1600x1200, 1280x960).Średnia kwadratowa odchylenie 0,3 gradienta koloru.Kontrola wizualna > 93% zdjęć rozpoznać obecność logo nie wydaje się możliwe.6% zdjęć - tylko przy zwiększeniu kontrastu o 300% logo jest lekko widoczne
… 1% zdjęć - przy zwiększeniu na miejscu odległego watermarku zauważa się mały hałas pikseli.Cena 200-300$ - szkolenie modelu 1 typu logo
(w zależności od złożoności logo)
N x 0.02$ - automatyczne przetwarzanie pierwszego zdjęcia

(Wszystkie przykłady wysyłam na żądanie)

webitalex
System oceny poziomu zanieczyszczenia płciowego

AI i uczenie maszynowe

Aplikacja serwera konsoli, która jest wideo (lub c Live Camera lub plik wideo)
ocenia poziom zanieczyszczenia w wybranej strefie.
Cała "zanieczyszczenie" jest podzielona na 4 kategorie: zanieczyszczenie, drobne śmieci, duży śmieci, zewnętrzne śmieci. Wszystkie dane są zapisywane w BD.
Python 3.7 + OpenCV 4

webitalex
11 154 PLN
AI-agent: generacja i autopublikacja na WordPress

AI i uczenie maszynowe

# AI zwolnił menedżera: generacja i autopublikacja na WordPress

Miałem ręczny proces tworzenia stron WordPress / Elementor: specyfikacje w korespondencji, dostęp, szablony, teksty, obrazy, artykuły, polityki, poprawki, sprawdzanie błędów i publikacja.

… W pewnym momencie stało się jasne: menedżer w takim schemacie staje się wąskim gardłem. Może zapomnieć szczegół, przekazać zadanie w kawałkach, pomylić priorytet, wysłać niepełną specyfikację lub stworzyć pilność tam, gdzie system jeszcze nie jest gotowy.

Postanowiłem usunąć zależność od ręcznego chaosu menedżerskiego i zacząłem przenosić proces do AI workflow.

Schemat stał się taki:

**Specyfikacja / konfiguracja → Gemini → teksty → obrazy → QC → pass2 → oczyszczenie → WordPress / Elementor → publikacja**

Zamiast za każdym razem ręcznie budować stronę od zera, system bierze ustrukturyzowane dane, generuje treść przez Gemini, sprawdza wynik, oczyszcza AI-śmieci i przygotowuje publikację na WordPress.

Wewnątrz używane są dwa modele:

* `gemini-2.5-flash` — teksty, artykuły, przetwarzanie problematycznych fragmentów;
* `gemini-2.5-flash-image` — obrazy dla strony.

Python zarządza procesem jako orkiestrator: uruchamia etapy, zapisuje dane, sprawdza wynik, wysyła problematyczne miejsca na drugi AI-przechód, publikuje treść i pisze logi.

Najważniejsza część — kontrola jakości. AI może wygenerować tekst, ale może zostawić placeholder, lorem, starą frazę z szablonu, zbędne znaki lub prawie niezmieniony blok. Dlatego w projekcie jest łańcuch QC:

**wykrywanie podejrzanych → pass2 przez Gemini → oczyszczenie lorem → oczyszczenie odkurzaczem**

Osobno dodano elementy ochronne: `STOP_NOW.txt`, `protected_domains.txt`, retry, obsługa 429, `.env`, `GEMINI_API_KEY`, `project_config.json`.

Efekt: AI zaczął wykonywać tę część pracy, gdzie wcześniej potrzebna była kontrola menedżerska, ręczne kopiowanie i ciągłe doprecyzowania.

To nie tylko prompt do generacji tekstu. To działający pipeline:

**LLM → orkiestracja Python → QC → WordPress / Elementor → autopublikacja**

Ręczna praca nad stroną została rozłożona na etapy, zmierzona i częściowo zautomatyzowana. Proces zaczął przemieszczać się od „menedżer trzyma wszystko w głowie” do systemu, w którym dane, generacja, sprawdzenie i publikacja przechodzą przez zrozumiały łańcuch.
#AIagent #AIworkflow #Gemini #Python #WordPress #Elementor #Automatyzacja #IAautomatyzacja #AIautomation #LLM #GoogleGemini #AutomatyzacjaTreści #Autopublikacja #WordPressAutomation #PythonAutomation

Me4Hik
4462 PLN
AI-asystent do automatyzacji obsługi połączeń w stomatologii

AI i uczenie maszynowe

Zrealizowano system automatyzacji przetwarzania przychodzących i wychodzących połączeń dla stomatologii, który pozwala nie tylko rejestrować każde połączenie, ale także przekształcać je w zorganizowane dane do dalszej pracy z pacjentami i kontroli jakości pracy administratorów. System otrzymuje dane z telefonii Binotel, wykonuje transkrypcję rozmowy, analizuje jej treść, przekazuje wyniki do CRM Cliniccards i formułuje cotygodniową analizę wszystkich zgłoszeń.

Jak działa rozwiązanie:

… 1) System automatycznie otrzymuje dane o każdym przychodzącym i wychodzącym połączeniu z telefonii Binotel.
2) Nagranie rozmowy automatycznie przekształca się w tekst do dalszej analizy.
3) Na podstawie tekstu rozmowy system określa główną treść zgłoszenia.
4) Dane automatycznie przekazywane są do CRM Cliniccards.
5) Jeśli pacjent z takim numerem telefonu jeszcze nie istnieje w systemie, tworzona jest nowa karta. Jeśli pacjent już istnieje, jego karta jest aktualizowana o aktualne informacje.
6) Równocześnie system ocenia jakość komunikacji menedżera według określonych kryteriów: powitanie, przedstawienie kliniki, poprawność pytań, prawidłowe zakończenie rozmowy.
7) Na podstawie wszystkich przetworzonych połączeń formułowany jest cotygodniowy raport z kluczowymi metrykami: liczba nowych klientów, najczęstsze zapytania, jakość komunikacji menedżerów i inne uzgodnione wskaźniki.

Kluczowe korzyści dla biznesu:

- Zwiększenie jakości przetwarzania zgłoszeń
Każde połączenie nie jest już tracone i nie pozostaje bez analizy. Kierownik otrzymuje przejrzysty obraz tego, jak administratorzy komunikują się z pacjentami i w jakim stopniu przestrzegają standardów kliniki.

- Automatyczne uzupełnianie CRM
Wszystkie ważne informacje dotyczące połączenia automatycznie trafiają do karty pacjenta. To zmniejsza obciążenie personelu, eliminuje ręczne wprowadzanie danych i pomaga utrzymać CRM w aktualnym stanie.

- Kontrola jakości pracy menedżerów
System automatycznie sprawdza przestrzeganie skryptu komunikacji i pomaga szybko identyfikować słabe punkty w pracy pracowników. To daje możliwość systematycznego poprawiania usług i zwiększania konwersji na rejestrację.

- Głębsza analiza zgłoszeń
Klinika otrzymuje nie tylko nagrania rozmów, ale gotową analizę: jakie pytania pacjenci zadają najczęściej, jakie usługi interesują najbardziej, ile nowych klientów przychodzi co tydzień.

- Oszczędność czasu kierownika i administratorów
Zamiast ręcznego odsłuchiwania połączeń, uzupełniania CRM i zbierania raportów, wszystkie kluczowe procesy działają automatycznie. Zespół może skupić się na pacjentach, a nie na rutynie.

Podsumowanie:
Automatyzacja przetwarzania połączeń dla stomatologii pozwoliła połączyć telefonię, analizę AI, kontrolę jakości i CRM w jeden system. W rezultacie klinika uzyskuje przejrzystą kontrolę nad komunikacją z pacjentami, aktualną bazę danych w CRM i regularną analizę zarządczą do podejmowania decyzji.

d4rk51d3n
Wizualizacja wnętrza za pomocą AI

AI i uczenie maszynowe

Stworzyła serię realistycznych obrazów wnętrza prywatnego domu z wykorzystaniem generatywnych narzędzi sztucznej inteligencji. Połączyła nowoczesny styl, ciepłą kolorystykę i naturalne oświetlenie, aby stworzyć przytulną atmosferę.

Co zrobiono:

… Dopasowała koncepcję i styl pomieszczenia.

Wygenerowała fotorealistyczne wnętrza (kuchnia, salon, jadalnia).

Opracowała detale i kolorowe akcenty.

Przygotowała gotowe materiały do prezentacji i reklamy.

Rezultat dla klienta:

Unikalne wizualizacje na stronę internetową, media społecznościowe lub reklamę nieruchomości.
Możliwość zobaczenia przyszłego wnętrza w fotorealistycznej formie.

korol_alla
828 PLN
Autoposting w różne sieci społecznościowe

AI i uczenie maszynowe

Zadanie: Stworzenie skryptu, który automatycznie będzie publikować posty z kanału Telegram w różnych mediach społecznościowych (LinkedIn, Facebook, Instagram, czat Telegram, Stories Telegram, Stories Facebook) z dostosowaniem treści do formatu każdej platformy i tłumaczeniem na odpowiedni język.

Realizacja:
1) Opracowano bota Telegram, który śledzi nowe posty w kanale Telegram.
… 2) Następnie bot Telegram przekazuje tekst z postów do Chat GPT, który dostosowuje treść do formatu każdej platformy i tłumaczy ją na odpowiedni język.
3) Ostatni krok to automatyczne publikowanie w mediach społecznościowych.
System automatycznie tworzy nowy post w każdej z mediów społecznościowych, przekazuje obrazek z postu w kanale Telegram i dodaje dostosowany i przetłumaczony tekst z Chat GPT.

Rozwój z testem zajął 2 dni.
Klient był zadowolony z automatyzacji i zyskanego czasu na inne zadania)

d4rk51d3n
Data nauka

AI i uczenie maszynowe

- TensorFlow
- PyTorch
- Pandas
- OpenCV
…
Wykorzystanie i dostosowywanie gotowych modeli ML
Konsultacje dotyczące integracji ML/CV w Państwa produkcie

shpy