Цілком задоволений роботою з Ніной і її командою. Дуже швидко робили виправлення, часом не встигав перевіряти. Майже завжди схоплювали сенс задання з півслова. Трохи інтерфейси довелось коригувати ну то справа смаку і вподобань. В решті зробили як треба. Професіонали з необхідним рівнем компетенцій. Рекомендую.
22
0
Бюджет: 15000 UAH Термін: 5 днів
Вітаємо! Команда Business Atlas готова реалізувати ваш проєкт. Я, Олег — проєктний менеджер компанії, і ми спеціалізуємося на побудові автономних ШІ-екосистем та складних систем автоматизації.
Оскільки стек обговорюється, ми пропонуємо значно швидший та вигідніший підхід: реалізувати PIM-систему на базі Low-code архітектури та ШІ-агентів замість розробки кастомного бекенду на Python з нуля. У моєму досвіді — понад 50 успішних проєктів на ринках UA/EU, де делегування процесів візуальним платформам скорочувало Time-to-Market в рази без втрати якості.
Наше бачення архітектури (Альтернативний стек)
•Інтеграція API (n8n / Make): Модульні сценарії замість коду. Додавання нового постачальника з 5–7 потрібних реалізується за лічені години. n8n легко перетравлює великі масиви даних (JSON/XML) >50 000 товарів.
•База даних: Залишаємо PostgreSQL (з JSONB), або розгортаємо корпоративний Airtable / Supabase як швидке сховище — ми маємо підтверджений успішний досвід реалізації зв'язок n8n + Airtable.
•ШІ-модуль співставлення (Matching Engine): Воркфлоу в n8n керує ШІ-агентом (OpenAI/Anthropic). Спочатку назви очищуються алгоритмічно, потім ШІ порівнює характеристики, присвоює confidence score і за сумнівів (75-90%) відправляє товар на модерацію.
•Панель адміністратора: Швидкий SPA-інтерфейс на Budibase / Retool або компонентах Airtable зі складними таблицями, деревом категорій та екраном ручного мапінгу.
•Експорт та вихідний API: n8n автоматично генерує Excel/CSV/XML (для Prom/Rozetka) та виступає як REST API сервер для інтеграції з вашими сторонніми системами (CRM, BAS тощо).
Оцінка термінів та вартості MVP
Етап 1 (Інтеграція 5-7 API): 1 – 1.5 тижні.
Етап 2 (Майстер-каталог та ШІ-мапінг): 1.5 – 2 тижні (логіка, промптинг, калібрування).
Етап 3 (Панель адміністратора): 1 тиждень.
Етап 4 (Експорт та вихідний API): 1 тиждень.
Загальний термін: 4 – 5 тижнів (замість 2-3 місяців на коді).
Орієнтовна вартість: $4 500 – $6 500 під ключ (залежить від вибору БД та фільтрів).
Точний бюджет ми фіксуємо після проведення експертної діагностики вашої поточної інфраструктури.
Чи готові ви поспілкуватися, щоб ми презентували, як Low-code архітектура закриє 100% вимог вашого ТЗ за менший час та бюджет?
34
0
Бюджет: 15000 UAH Термін: 15 днів
Доброго дня! Розробляю на Python, React/Node.js виконував схожі проекти, готовий до співпраці.
73
0
Бюджет: 15000 UAH Термін: 1 день
Доброго дня, маю великий досвід в користування FastAPI, React та Vue, парсинг не викликає проблем, можете ознайомитись з результатами моїх робіт в профілі. Завжди виконую свою роботу на 101% по швидкості та якості. Очікую на Ваше повідомлення, а поки дам короткі відповіді на Ваші запитання:
1. Так, Python 5+ років, Vue\React 3+, парсинг - не проблема.
2. Так, мав досвід з OpenAI і Anthropic, використовувались як в простих класифікаціях так і в тяжких задачах.
3. 3-5 днів, 1-3 дні, 1-3 дні, 1-3 дні (більш точно зможу сказати коли ознайомлюсь з повним ТЗ).
4. На мою думку, для вашого завдання FastAPI+Vue+PostgreSQL+Redis+Anthropic буде ідеальним стеком.
Ціна: Обговорюється за результатами оцінки ТЗ
1 292
1
Бюджет: 27000 UAH Термін: 20 днів
Вітаю.Працюю з React та Django.Готовий до співпраці.Звертайтесь.
14
0
Бюджет: 20000 UAH Термін: 30 днів
Чи є у когось із ваших 5–7 постачальників специфічні обмеження на кількість запитів за хвилину (Rate Limits) або застарілі SOAP/XML API, які вимагають індивідуального налаштування проксі-серверів або каскадного завантаження великих файлів, щоб ми врахували це при проектуванні черг Celery?
Готовий продемонструвати свої архітектурні підходи, обговорити ТЗ в деталях та стартувати проект — чекаю на ваш зворотній зв'язок в особистій переписці.
117
0
Бюджет: 15000 UAH Термін: 7 днів
Вітаю.
Я NodeJS розробник. Маю досвід з OpenAI API. Знаю React. Готовий взятися. Пишіть, обговоримо.
24
0
Бюджет: 360000 UAH Термін: 30 днів
Вітаю.
Приклад нещодавно виконаного завдання
https://freelancehunt.com/project/razrabotka-ai-sistemyi-golosovogo-obzvona-klientov-dlya/1626849.html
Проєкт виглядає сильним і технічно цікавим. Це не просто каталог, а внутрішня PIM система з нормалізацією даних, matching engine, AI-верифікацією та окремим інтерфейсом модерації. Можу підключитись до реалізації поетапно, без перевантаження першої ітерації, але з правильною архітектурою під масштабування.
Працюю з Python , FastAPI / Django , PostgreSQL , Celery , Redis , React , інтеграціями зі сторонніми API, обробкою неуніфікованих даних, імпортом JSON/XML/CSV , а також з AI-інтеграціями для задач класифікації, нормалізації та напівавтоматичного мапінгу. Для такого продукту бачу оптимальним стек:
FastAPI для API та сервісного шару;
PostgreSQL + JSONB + GIN для гнучких характеристик;
Celery + Redis для фонового імпорту, перерахунків та AI-обробки;
React для SPA-адмінки з таблицями, фільтрами та модерацією;
OpenAI або Anthropic для верифікації сумнівних матчів і керованого AI-модулю.
Що важливо одразу закласти:
модульну архітектуру конекторів постачальників;
стабільну модель master catalog - supplier products ;
окремий шар нормалізації атрибутів;
двоетапний matching: deterministic + AI verification;
логування рішень AI та ручну модерацію;
експорт і вихідний API як окремий стабільний контракт, а не “побічну” функцію.
Попередня оцінка по етапах
Етап 1. Інтеграції API + уніфікація даних 1-2 тижні 70 000
Етап 2. Майстер-каталог + matching engine + AI 1-2 тижні 120 000 грн
Етап 3. WEB-інтерфейс керування / модерація / контроль якості 2 тижні 120 000 грн
Етап 4. Експорт + вихідний API 1 тиждень 50 000 грн
Загалом
строк реалізації: 4-6 тижнів
попередній бюджет: 285 000-480 000 грн
0
0
Бюджет: 120000 UAH Термін: 14 днів
Заявлений 15 000 грн вистачить не на всю PIM-систему, а на нормальний перший етап - технічне проєктування, прототип ключових екранів, модель даних, перевірку 1-2 API постачальників і точну кошторисну розбивку. Повна розробка такої системи, по відчуттях, буде ближче до 450 000-900 000 грн і 8-14 тижнів, залежно від якості API, кількості категорій і правил мапінгу.
ПО етапах я б орієнтувався так
> Етап 1 - API постачальників, нормалізація, PostgreSQL JSONB - 3-4 тижні
> Етап 2 - майстер-каталог, алгоритмічний і ШІ-мапінг - 3-5 тижнів
> Етап 3 - адмін-панель, модерація, динамічні характеристики, якість карток - 4-5 тижнів
> Етап 4 - Excel, CSV, XML, YML, вихідний REST API, документація - 2-3 тижні
Маємо досвід з Python, React, складними API, каталогами, маркетплейсами і задачами, де ШІ не просто пише текст, а ухвалює рішення за даними. Для вашого випадку я б не починав з великої розробки без технічного етапу - інакше мапінг товарів перетвориться на чорну скриньку, а потім усі будуть героїчно ловити помилки в 50 000 позицій =)
Схожі приклади
> https://business.ingello.com/prime-eva - автоматизація для ритейлу і товарних процесів
> https://business.ingello.com/carveli - e-commerce і системна робота з каталогом
> https://business.ingello.com/vorfahr - ШІ-автоматизація та логіка обробки даних
Головний профіль Ingello для біржі
> https://systems-fl.ingello.com/ua
Для точної оцінки треба 2 речі
> Дати приклади JSON або XML від 2-3 постачальників
> Сказати, чи вже є еталонний каталог з категоріями, SKU, EAN, характеристиками і обовязковими полями
Перший етап за 120 000 грн і 14 днів дасть архітектуру, схему БД, опис правил мапінгу, прототип адмінки та план розробки по спринтах. Після цього можна не гадати на кавовій гущі, а рахувати повну систему вже нормально, з ризиками і межами відповідальності.--
4
0
Бюджет: 26000 UAH Термін: 15 днів
Доброго дня. Мене звати Дмитро. Маю досвід розробки складних систем на Python, PostgreSQL та React, включаючи інтеграції з API постачальників, автоматизацію каталогів, AI-обробку даних та побудову внутрішніх PIM/ERP-рішень.
Працював з OpenAI та Anthropic API для задач класифікації, нормалізації даних, пошуку збігів, генерації структурованих відповідей та автоматизації бізнес-процесів.
По вашому ТЗ можу реалізувати модульну архітектуру конекторів для постачальників, master-каталог на PostgreSQL (JSONB), черги обробки через Celery + Redis, AI-модуль для мапінгу товарів та сучасну адмін-панель для модерації і контролю якості даних.
Попередньо бачу стек FastAPI + PostgreSQL + Redis + Celery + React. Такий підхід добре масштабується та дозволить без проблем працювати з каталогами понад 50 000 товарів.
Також можу реалізувати векторний пошук через embeddings, систему confidence score, ручну модерацію сумнівних збігів, експорт XML/YML/Excel та REST API для інтеграцій із CRM, WooCommerce або BAS.
Оцінку по етапах, строках та бюджету зможу надати після ознайомлення з форматами API постачальників та додатковими деталями проєкту.
Готовий обговорити архітектуру та запропонувати оптимальне рішення під подальше масштабування.
Nina Sergeeva
Переможець
14
0
Бюджет: 50000 UAH Термін: 20 днів
Привіт, Юрію! Я Ніна — менеджер розробника Валентина. ТЗ шикарне. Валентин одразу зрозумів головну проблему: якщо пустити 50к товарів з різних API безпосередньо в LLM — ви збанкрутуєте на токенах, а база впаде в Deadlock від черг Celery.
Тому ми пропонуємо жорстку гібридну схему:
Маппінг без розорення: Спочатку сувора нормалізація рядків і EAN на рівні PostgreSQL (JSONB + GIN індекси). Потім косинусна схожість через pgvector, і тільки «сірій зоні» (75–90%) віддаємо в GPT-4o-mini.
Архітектура: Ізольовані конектори за патерном Strategy (новий постачальник = один новий файл, ядро не чіпаємо). Celery + Redis розділимо на різні черги, щоб парсинг не блокував веб-інтерфейс на React.
По грошах і термінах:
Лот у 15к грн покриє тільки архітектурний каркас. Повний MVP (всі 4 етапи під ключ) до 20 днів і 75 000 UAH (готові розбити на 4 зрозумілих спринти з оплатою по факту).
В особистих повідомленнях готові показати код наших ІІ-класифікаторів. З яких двох постачальників почнемо MVP? Напишіть нам.
0
0
Бюджет: 16000 UAH Термін: 20 днів
Доброго дня, готовий реалізувати ваш проект.
Досвід із Python/React та API:
Backend: Регулярно розробляю високопродуктивні API на FastAPI. Чудово знаю, як оптимізувати роботу з PostgreSQL за допомогою асинхронного ORM (SQLAlchemy/Tortoise), будувати ефективні GIN-індекси для JSONB та оптимізувати складні аналітичні запити. Для фонової обробки 50k+ товарів налаштую Celery + Redis з розділенням черг (окремо на швидкий парсинг, окремо на "важкі" запити до LLM).
Frontend: Створюю SPA на React (Vite/Next.js) з використанням сучасних UI-бібліотек (наприклад, Shadcn/ui або Tailwind). Робота зі складними великими таблицями, динамічна генерація форм на основі метаданих з JSONB та інтерактивні дерева категорій — все це буде реалізовано з оптимізацією рендерингу (без підвисань інтерфейсу під час масових операцій).
Досвід інтеграції LLM для мапінгу та класифікації даних:
Маю практичний досвід роботи з OpenAI API / Anthropic API для схожих завдань. Для оптимізації вартості та швидкості найкраще використовувати двохетапну схему, яку ви описали: спочатку локально рахуємо косинусну близькість векторних ембедінгів назв товарів (через text-embedding-3-small або локальні HuggingFace моделі), а до дорожчих моделей класу gpt-4o-mini або claude-3-haiku звертаємося через строгий системний промпт (із JSON-mode відповіддю) лише у спірних випадках.
Бачення технологічного стеку:
Ваш стек ідеальний. Міняти його не варто. FastAPI забезпечить асинхронність та швидкість, PostgreSQL з JSONB дасть гнучкість NoSQL рішень без втрати реляційних зв'язків (що критично для структури "Майстер-каталог -> Товар постачальника").
Бюджет: 15000 UAH Термін: 15 днів
Вітаю.
Маю релевантний досвід з Python backend, інтеграціями API, нормалізацією даних, каталогами/табличними структурами та LLM-задачами, де модель використовується для класифікації, мапінгу й перевірки неоднозначних збігів. В особистих можу показати підтвердження досвіду по схожих задачах.
По стеку для цього проєкту пропоную: FastAPI, PostgreSQL JSONB + індекси, Celery/Redis для фонової обробки, React для адмінки, OpenAI/Anthropic для embeddings і LLM-verification. Для matching engine краще одразу закласти гібрид: SKU/EAN + нормалізовані назви + embeddings, а LLM використовувати тільки для “сірої зони”, щоб не робити систему дорогою й непередбачуваною.
У бюджет 15 000 грн пропоную зробити перший технічний етап:
1-2 конектори постачальників;
базова схема master catalog ↔ supplier products;
нормалізація SKU/EAN/назв/цін/характеристик;
перший алгоритмічний matching;
мінімальний API або простий екран перевірки результатів.
Оцінка повного проєкту по етапах:
API + уніфікація даних: 2-3 тижні.
Matching Engine + AI: 2-3 тижні.
Адмін-панель: 2-3 тижні.
Експорт + REST API: 1-2 тижні.
Загальний бюджет повної системи пропоную обговорити після погодження бази проєкту в особистих повідомленнях, коли будуть формати API постачальників і приклади даних.
Перед стартом маю уточнити:
чи є готова структура master catalog;
які 1-2 постачальники йдуть у перший етап;
чи є EAN/SKU у більшості товарів;
який формат першого результату важливіший: backend/API чи мінімальна адмінка.
0
0
Бюджет: 15000 UAH Термін: 7 днів
Доброго дня!
Ознайомився з ТЗ. Задача зрозуміла: модульні конектори постачальників, єдиний майстер-каталог на PostgreSQL (JSONB), двохрівневий matching (правила + embeddings/LLM), адмін-панель для модерації та експорт/API. Це типовий data-heavy B2B PIM, і підхід у ТЗ (Strategy/Factory, Celery, окремий екран для tuning ШІ) — правильний.
Досвід, релевантний проєкту
Python та інтеграції API: розробка сервісів на FastAPI з фоновими задачами, парсинг/нормалізація різних форматів (JSON/XML), idempotent sync, retry, rate limits, логування помилок по провайдерах. Був досвід побудови ізольованих конекторів (один модуль = один постачальник) без зміни ядра — саме під ваш патерн Strategy/Factory.
React / складні таблиці: SPA з агрід-таблицями, фільтрами, деревом категорій, bulk-операціями, екранами модерації (side-by-side порівняння карток постачальника та еталону).
LLM для мапінгу: інтеграція OpenAI / Anthropic не лише для чату, а для класифікації та верифікації збігів — embeddings + cosine similarity, пороги confidence, fallback на LLM при «сірій зоні» (75–90%), журнал рішень (prompt, score, verdict) для адміністратора.
10
0
Бюджет: 15000 UAH Термін: 1 день
Добрий день, маю подібний досвід роботи можу виконати швидко і якісно, пишіть обговоримо деталі
1
1
Бюджет: 27000 UAH Термін: 3 дні
Доброго дня. Готов виконати даний проект маю великий досвiд розробки додаткiв
43
0
Бюджет: 20000 UAH Термін: 14 днів
Доброго дня, маю досвід практично з усім згаданим в завданні. Працював з ОпенАі для класифікації розмов менеджерів кол-центру з клієнтами, наскільки вони відповідають вимогам. Стек може бути як в завданні, може бути бекенд на Node.js.
Строки і вартість
1. Інтеграція 5-7 апі + уніфікація - 10000/ 7 днів
2. ШІ модуль - 5000/ 3 дні
3. Веб інтерфейс 3000/3 дні
4. Вихідне АПІ - 3000/3 дні
21
0
Бюджет: 15000 UAH Термін: 30 днів
Привіт! Можу виконати ваш проект. Досвід є. Пишіть, домовимось.
14
0
Бюджет: 30000 UAH Термін: 1 день
Вітаю! Уважно ознайомився з ТЗ — проєкт цікавий і технічно зрозумілий, готовий взятись.
Мій досвід:
Працюю з Python на рівні мідл — розробляю бекенд-застосунки, інтегрую зовнішні API, будую фонову обробку даних на Celery + Redis. З React маю практичний досвід: розробляв веб-додатки, в тому числі SPA з складними інтерфейсами.
Щодо LLM — зараз активно розробляю бекенд-застосунок з інтеграцією Anthropic та OpenAI API: підключав ендпоінти, будував логіку обробки відповідей моделей. Розуміюся на векторних ембедінгах та роботі з confidence score для класифікаційних задач.
Досвід парсингу різноформатних API (JSON/XML) — є. Досвіду з готовими PIM-системами не маю, проте архітектура, описана в ТЗ (майстер-каталог, JSONB-характеристики, двоетапний мапінг), для мене прозора, і я розумію, як це будувати з нуля правильно.
Моя оцінка по етапах:
— Етап 1 (API-інтеграція, БД, уніфікація): ~2.5 тижні
— Етап 2 (Matching Engine + AI-модуль): ~3 тижні
— Етап 3 (Адмін-панель, UI): ~2.5 тижні
— Етап 4 (Експорт, вихідний API, Swagger): ~1.5 тижні
Загалом: ~10 тижнів (2.5 місяці з урахуванням тестування та правок між етапами).
Вартість: 65 000–80 000 грн залежно від фінального обсягу.
Готовий обговорити деталі, уточнити стек або розбити на спринти зручним для вас способом. Напишіть — домовимось.
6
1
Бюджет: 15000 UAH Термін: 30 днів
Вітаю
Задача зрозуміла. Маю досвід у Python/React, парсингу складних API та інтеграції LLM (OpenAI/Anthropic) для мапінгу й класифікації даних.
Стек запропонував би такий: FastAPI + PostgreSQL (JSONB + pgvector) + Celery/Redis + React. Конектори постачальників зроблю за патерном Strategy — нові API додаються окремими модулями без зміни ядра. Мапінг гібридний: спершу алгоритм (EAN/SKU + нормалізовані назви), потім ембедінги, а сумнівні збіги (75–90%) — на верифікацію через LLM.
Щодо термінів пропоную чесний підхід: повний обсяг (усі 4 етапи, 5–7 постачальників, обробка 50k+ товарів) — це ~2–3 місяці. Але вже за 2 тижні зроблю робочий MVP: 2 конектори, базова схема БД, алгоритмічний мапінг + перші ембедінги і мінімальна адмін-панель з ручним мапінгом. Далі розширюю ітераціями по етапах.
Так ви швидко побачите результат і підхід у дії, без ризику зірваних дедлайнів.
Готовий обговорити деталі та бюджет голосом або в чаті.
3
0
Бюджет: 14250 UAH Термін: 5 днів
Проект вимагає розробку модульної системи для інтеграції API постачальників та уніфікації отриманих даних — я готова створити таку архітектуру з використанням Python та FastAPI. Перший крок - розробка MVP на staging середовищі протягом 10-ти днів для перевірки функціональності.
У списку не показані ставки, приховані замовником чи фрилансером з Plus, а також ставки, що порушують правила
