якісний підхід до завдання.
Досягнутий проект повністю покрив всі поставлені цілі.
Код написаний чітко і добре задокументований.
Здавалося приємне враження спільної роботи.
Буду продовжувати звертатися за консультаціями та з наступними проектами.
Бюджет: 4000 UAH Термін: 5 днів
1) Нарізати
2) Аугменитувати ротацією [0°, 90°, 180°, 270°]
3) Підготовка датсету
4) Створення НС
5) Навчання
6) Напишіть алгоритм нарізання, обробки з НС і збірки в цілий зображення
Основная задача: написать нейронку (любой топологии) на Tensorflow которая принимает на вход размытoe изображениe размером NxN, и выдаёт откорректированное изображениe MxM, с точностью от 70% ,где N < 60 пикселей, M <= N. Для примера взять N=40пх, M=20пх.
Входные данные: набор больших изображений (3000x2000), где одно оригинальное, и пять к нему с разной степенью размытости.
Под задачи:
- Подготовить данные для тренировки - написать функцию разбития больших изображений на мелкие тайлы (NxN) для тренировки на них.
- Две функции: splitImage и applyToImage для применения обученной модели.
Датасета надо сформировать, на основе больших изображений (1 оригинал и 5 размытий), в итоге, да получатся мелкие изображения одно - заблуренное рамером NxN, и одно не заблуренное MxM. Тоесть надо написать функцию генерации таких мелких пар имея на входе одно большое изображение не размытое и несколько больших размытых. Условно получить по 1000 мелких с одного сета.
Шукаємо досвідченого Python/AI-розробника (або невелику команду) для створення ІІ-сервісу на базі Telegram-бота. Проект автоматизує прийом замовлень від майстрів і сервісних центрів на діючому B2B-майданчику запчастин для мобільної техніки та електроніки (каталог ~30 000 SKU). Що повинен робити бот:Мультимодальний ввід: приймати текст, голосові повідомлення (Whisper API) та фото деталей/маркувань (GPT-4o Vision), розпізнавати номенклатуру, ревізії та парт-номери.Розумний пошук: співвідносити жаргон майстрів (аккум, АКБ, дисплей, ориг) з офіційними назвами через векторний пошук (Vector DB).Інтерактивний UI: при кількох варіантах якості (Original, High Copy тощо) — групувати їх в одне повідомлення, виводити інлайн-чекбокси з цінами та залишками, перераховувати кошик «на льоту».Каскадні уточнення (Slot Filling): при неоднозначному запиті поетапно уточнювати параметри (модель → колір → ревізія).Оформлення: автоматично надсилати готовий JSON-пакет замовлення на сайт через API після підтвердження кошика.Стек: Python (FastAPI), Aiogram 3.x, OpenAI API (GPT-4o + Whisper), Qdrant, Docker + docker-compose. Термін реалізації: 5–7 тижнів.⚠️ Обов'язкова умова для відповіді: Щоб відсіяти авто-відповіді спам-ботів, вкажіть у повідомленні: яку модель ембеддингів (Embeddings) ви виберете для векторного семантичного пошуку по 30 000 технічних SKU і чому? Відповіді з шаблонним текстом без відповіді на це питання відхиляються автоматично.
Шукаємо фахівця або команду для впровадження AI-рішень у комунікацію медичного центру КТ та МРТ. Потрібно: інтегрувати AI у телефонію для обробки вхідних і холодних дзвінків; забезпечити природне українськомовне спілкування з мінімальними паузами; інтегрувати AI-асистента в чат Binotel або запропонувати ефективну альтернативу; автоматизувати відповіді на запитання, первинну консультацію та запис на обстеження. Важливо: сфера медицини потребує точного збору інформації перед КТ або МРТ, зокрема щодо зони обстеження, підготовки, направлення та можливих протипоказань. Рішення має бути емпатичним, професійним і передбачати передачу складних випадків оператору. У відгуку прошу надіслати релевантні кейси, опис запропонованого рішення та орієнтовні терміни. Досвід у медичних проєктах буде перевагою.
Необхідно розробити додаток в MATLAB, який зможе обробляти зображення/відео, виділяти окремі предмети, аналізувати їх характеристики і за необхідності використовувати методи машинного навчання для автоматизації аналізу. Бажано: впевнене знання MATLAB; досвід у Computer Vision / Image Processing; досвід з Machine Learning;
розробника для створення AI-ботів - мультиагентна система та автоматизацій в AI-додатку. Що потрібно: володіння n8n; досвід інтеграції OpenAI та інших AI-моделей через API; робота з вебхуками, REST API та Supabase; уміння створювати надійні AI-воркфлоу та автоматизації. Створювати мультиагентні системи з нуля або з фреймворку AI Agents, MCP, RAG
Підрахунок готової продукції та людейНекондиційна продукція.Yа прикладі високопродуктивної лінії, забезпечити точний підрахунок пропускної спроможності, участь робочої сили, виявлення некондиції та контекст зупинок/переналагоджень, надаючи готову аналітичну інформацію.