Кращі роботи фрілансерів по машинному навчанню на Freelancehunt — приклади виконаних робіт фрілансерів по machine learning в Україні ― сторінка 2

Switch to English version?

Yes

Переключитись на українську версію?

Так

Переключиться на русскую версию?

Да

Przełączyć się na polską wersję?

Tak

Автоматизація діагностики архітектурних споруд

AI та машинне навчання

Програмне забезпечення для виявлення дефектів архітектурних конструкцій на зображеннях. У цій статті описується архітектура і процес реалізації методів машинного навчання для класифікації зображення.

serhiy-andrejev
224 563 UAH
Виявлення та класифікація насекомых

AI та машинне навчання

Замовник Koppert Biological Systems
Алгоритм виявлення ув'язнень насекомых
Алгоритм класифікації насекомых
Аналіз і контроль росту за типом насекомых

webitalex
943 163 UAH
Granite Analysis & Segmentation & Класифікація

AI та машинне навчання

Комплексна розробка системи автоматизації виробництва мрамуру.
Розробка моделі детекції на стрічці та класифікації мраморної плитки.
Автоматична калібровка камери і вимірювання параметрів плитки (класифікація типів, вимірювання розмірів), оцінка контура і аномалій.
Сегментація зображення, підстановка віртуальних задніх фонів.
… Введення системи в експлуатацію на 4 виробництвах в Італії та Австрії.
Загальний вид :
HTTPS://youtu.be/juHldd5llHg

Технічні моменти :
http://pot.pp.ua/video/granitev3.m4v

webitalex
112 281 UAH
FaceID: Face Detection and Identification (Виявлення і ідентифікація обличчя)

AI та машинне навчання

Бібліотека на Python і C++ для виявлення і розпізнавання осіб.

Постійне до навчання моделі в процесі розпізнавання.

… Відео доступне в верхній частині портфеля в розділі резюме!
https://www.youtube.com/watch?v=P45HTL08IaM

Face detection 0,04 ~ 0,1 sec/frame
Learning features of each face ~0,2 sec/face on avr CPU
Фейсбук визнання:
High accuracy more then 97,5%, Sensitivity ~ 75%
Дуже швидке пошук у обличчях бази даних (500k faces per second)
Живе навчання під час процесу визнання

webitalex
898 UAH
Створення власного персонажа зі штучним інтелектом

AI та машинне навчання

Мета: Унікальна дівчина зі штучним інтелектом з двох етнічних груп (без реальної людини, без LoRA).

Рішення: Об'єднала дві фотографії за допомогою Seedream AI. Налаштувала підказки для об'єднання рис обличчя. Вибрала найкращий результат + ретуш у Photoshop.

… Моя роль: Підказки, художнє керівництво, постобробка.

Навички: Генерація штучного інтелекту (Seedream, Flux), інженерія підказок, Photoshop.

Результат: Унікальний гіперреалістичний жіночий персонаж. Готовий до використання брендом/комерцією.

#модель #AI-контент #ai #людина #реалістичність

anastasiia_nesprava
67 369 UAH
Контент-завод 2.0: AI-система для створення вірусного контенту

AI та машинне навчання

Було розроблено комплексну систему автоматизації контент-маркетингу, яка дозволяє знаходити за заданими критеріями вірусний контент у соціальних мережах, аналізувати його, генерувати власні сценарії та автоматично готувати відео до публікації. Рішення об'єднує збір даних, AI-аналіз та виробництво контенту в єдину керовану систему через Google Sheets та Telegram.

Як працює рішення:

… 1) Користувач додає ключові слова для пошуку або автора в Google Таблицю та запускає процес через команду в Telegram.
2) Система автоматично збирає відео з обраних соцмереж (Instagram/TikTok/YouTube Shorts/YouTube) за заданими параметрами.
3) Усі знайдені відео структуруються за платформами з метриками: перегляди, лайки, коментарі, і обчислюється головний показник — залученість.
4) Далі користувач може вибрати «вірусне» відео та запустити процес вилучення з нього сценарію для створення власного, адаптованого під себе.
5) Система автоматично витягує відео та робить реальну транскрипцію.
6) На основі транскрипту AI-агент генерує 3–5 варіантів сценаріїв з урахуванням вірусної структури (гачок → утримання → інсайт → CTA).
7) Готові сценарії автоматично зберігаються в окрему вкладку «Скрипти» в Google Sheets.
8) Додатково реалізовано модуль відеовиробництва:
- генерація відео через HeyGen (AI-аватар) або обробка відзнятого відео (очищення мови, субтитри, монтаж, вставки)
9) Кінцевий результат надсилається в Telegram або зберігається в хмарі Google Drive для публікації.

Ключові переваги для бізнесу:

- Зниження витрат і прискорення виробництва контенту
Система автоматично генерує десятки сценаріїв і відео за лічені хвилини без участі великої команди: сценаристів, монтажерів та аналітиків. Це дозволяє значно знизити витрати на виробництво контенту та у рази пришвидшити його створення.

- Контент на основі реальних трендів
Ви створюєте контент не «наосліп», а на основі вже вірусних відео. Це значно збільшує ймовірність потрапляння вашого відео в рекомендації та зростання охоплення.

- Системний підхід до контенту
Весь процес структурований: від ідеї до публікації. Це дозволяє масштабувати контент і будувати стабільну воронку залучення клієнтів.

- Зростання залученості та конверсії
Сценарії будуються за перевіреними вірусними механізмами, що підвищує утримання аудиторії та збільшує кількість заявок/лідів.

- Повний контроль через одну систему
Google Sheets виступає як центр управління, а Telegram — як швидкий інтерфейс запуску.
Це робить систему простою та зручною у використанні.

Висновок:
Дана система перетворює створення контенту з хаотичного процесу на керовану та масштабовану систему. Бізнес отримує стабільний потік ідей, сценаріїв та відео, які вже від самого початку орієнтовані на результат — зростання охоплення, залученості та продажів.

#AI #AIAgent #AIAssistant #Автоматизація #АвтоматизаціяКонтенту #n8n #Makecom #GPT #OpenAI #Whisper #HeyGen #TikTok #Instagram #YouTube #Shorts #Reels #SMM #Контент-маркетинг #АвтоматизаціяБізнесу

d4rk51d3n
6000 UAH
Архітектура синхронізації: Notion → Reclaim.ai

AI та машинне навчання

Мета: Автоматизувати планування виробничих задач із Notion у Reclaim.ai через Google Tasks. Ключовий виклик: реалізувати надійну дедублікацію без зміни статусів у Notion та обійти жорсткі квоти Google API.

Рішення: Дворівнева архітектура на n8n (Railway):

… 1. Збір та Валідація (Notion Pipeline)
Smart Deduplication: Система ігнорує повторні тригери Notion, звіряючи ID сторінок із власною базою (Data Table). Це дозволяє статусу PRODUCE залишатися статичним.

Dynamic Time-Window: Фільтрація задач за 14-денним вікном (REZERWACJA), що виключає планування архівних записів.

JS Hours Parser: Code Node автоматично конвертує вільний ввід годин у формат (duration: Xh), зрозумілий для AI-алгоритмів Reclaim.ai.

2. Доставка та Оптимізація (Queue Engine)
Quota Management: Впроваджено пакетну обробку (Batching) та ретраї (Retry), що усунуло помилки 403 Quota Exceeded при масових операціях з Google API.

Asynchronous Flow: Розподіл на «Збирач» та «Відправник» через чергу статусів (PENDING -> SENT), що гарантує 100% доставку кожного таска.

Результат:

Sync Speed: Поява задачі в календарі за 1–5 хв.

Stability: Повна автоматизація без "ручного" супроводу статусів у Notion.

Scalability: Готова інфраструктура для масштабування на інші відділи компанії.

#n8n #Notion #ReclaimAI #Automation #Backend #API

Glovinskiy
300 UAH
Швидке створення Ші контенту

AI та машинне навчання

Швидко створю Ші відео на вашу тематику)

anastasia_khuhaieva
25 000 UAH
Автопостинг у 16+ соц. мереж на базі n8n

AI та машинне навчання

Задача
Потрібно було автоматизувати регулярний автопостинг контенту в соцмережі, щоб не займатись ручним завантаженням постів щодня. Важливо було підхоплювати контент із таблиці/драйву, перевіряти, що пост ще не опублікований, адаптувати під різні майданчики та мати прозору історію виконань.

Рішення
… Було зібрано багатокроковий workflow в n8n, який запускається за розкладом (Schedule Trigger) та проходить повний цикл від вибірки постів до їх публікації. На старті сценарій підтягує список запланованих постів із таблиці/Google Sheets, фільтрує записи за датою публікації та статусом, а також перевіряє наявність медіафайлів у хмарному сховищі. Далі налагоджено розгалуження: для кожного поста створюються окремі гілки під різні платформи (наприклад, LinkedIn, Facebook, Instagram), де відбувається форматування тексту, додавання UTM-міток та завантаження зображень. На фінальних нодах ухвалюється публікація: n8n відправляє пост у відповідний API соцмережі, змінює статус поста в таблиці на “опубліковано” та логіює результат виконання (успіх / помилка) для подальшого аналізу.

Результат
Контент-план став виконуватись повністю автоматично — достатньо додати новий запис у таблицю, і пост потрапляє в чергу автопостингу за заданим розкладом. Команда перестала витрачати час на ручну публікацію, а ризик «забути запостити» конкретний матеріал скоротився практично до нуля. Усі пости тепер мають єдину структуру, коректні посилання й UTM-мітки, а через логі в n8n легко відстежити, що саме було опубліковано й де могли виникнути помилки.

У цифрах
- 1 універсальний workflow в n8n закриває автопостинг одразу на кілька платформ.
- До 90% рутинних операцій з публікації постів переведено в автоматичний режим.
- Економія до 10 годин на тиждень на ручному завантаженні й форматуванні контенту.
- 100% запланованих постів виходять згідно з контент-планом, без пропусків через людський фактор.

Oleh_marechko
200 UAH
Візуалізація меблів які ми виготовляємо

AI та машинне навчання

Візуалізація м'якого крісла для дітей

Taras_Radchuk
Knight

AI та машинне навчання

Advertising animation

Kritt
15 719 UAH
AI-система оптимізації промислових акумуляторних батарей

AI та машинне навчання

Розроблено інтелектуальну систему керування промисловими акумуляторними батареями (400 кВт·год) з використанням штучного інтелекту Google Gemini для максимізації прибутку від арбітражу електроенергії на ринку "день наперед" (РДН).

Бізнес-задача
Клієнт мав промислову батарею SmartLogger 3000C01 потужністю 400 кВт·год, але керував нею вручну. Потрібно було створити автоматизовану систему, яка:
…
Аналізує почасові ціни електроенергії на РДН (ринок "день наперед")
Враховує реальне споживання підприємства
Створює оптимальний графік заряду/розряду
Максимізує прибуток від продажу електроенергії
Технічна реалізація
Стек технологій:

Python 3.x (Flask, SQLite)
Google Gemini AI API (gemini-2.0-flash-exp)
SOAP API інтеграція (SmartLogger)
REST API (OREE - ринок електроенергії)
Cron для автоматизації
Excel парсинг (історичні дані споживання)
Архітектура системи:

Модуль збору даних:

Інтеграція з OREE API для отримання цін РДН на наступну добу
Парсинг історичних даних споживання з Excel (KWT.xls)
Зчитування поточного стану батареї через SOAP API SmartLogger
AI-оптимізатор (ядро системи):

Розробка спеціалізованого промпту для Gemini з покроковим алгоритмом
Аналіз 24-годинного вікна з врахуванням:
Почасових цін електроенергії (грн/кВт·год)
Прогнозованого споживання підприємства
Технічних обмежень батареї (швидкість заряду/розряду)
ROI порогу (мінімальна маржа 3 грн/кВт·год)
Підтримка multi-cycle оптимізації (ранковий + вечірній піки)
Адаптивна розрядка відповідно до реального споживання
Модуль виконання:

Автоматичне виконання розкладу через SOAP API
Почасовий моніторинг та коригування
Логування всіх операцій
Telegram-нотифікації про статус
Веб-інтерфейс (Flask):

Дашборд з візуалізацією графіків роботи
Історія операцій та прибутку
Налаштування параметрів системи
Аутентифікація та контроль доступу
Результати
Технічні досягнення:

Збільшення годин розряду з 2 до 10 за добу
Зростання прибутку на 11% (з 2,874 до 3,198 грн/день)
Автоматизація 100% рутинних операцій
Точність прогнозів споживання 95%+
Економічний ефект:

Прогнозований місячний прибуток: ~96,000 грн
ROI системи: окупність за 2-3 місяці
Економія часу клієнта: 2-3 години щодня
Ключові технічні рішення
Інтеграція з AI:

Розробка спеціалізованого промпту з покроковим алгоритмом
JSON Mode для гарантованої структури відповідей
Fallback механізм при недоступності AI
Оптимізація споживання:

Аналіз історичних даних попереднього тижня
Врахування денного розкладу роботи підприємства
Динамічна адаптація потужності розряду
Надійність:

Retry механізм для API запитів (до 10 спроб)
Резервні сценарії при збоях зв'язку
Детальне логування всіх операцій
Автоматизація:

Cron job для щоденного прогнозу (00:00)
Почасовий збір статистики та виконання команд
Безперебійна робота 24/7
Складність реалізації
API інтеграції: SOAP (SmartLogger), REST (OREE), AI (Gemini)
Алгоритми: Multi-cycle оптимізація, dynamic programming
Deployment: Production сервер з SSH, cron налаштування
Тестування: Локальні тести, production валідація, A/B порівняння
Унікальність проекту
Гібридний підхід: AI + правила бізнес-логіки
Адаптивність: Система враховує реальне споживання, а не теоретичні максимуми
Multi-cycle оптимізація: Часткові цикли для максимізації прибутку
Production-ready: Повна автоматизація з мінімальним втручанням оператора
Навички, застосовані в проекті
Python AI/ML Integration Google Gemini API SOAP/REST API Flask SQLite Cron Automation Excel Parsing Production Deployment Linux Administration Algorithm Optimization Data Analysis Industrial IoT

Тривалість проекту: 2 тижні
Роль: Full-stack розробник + AI інтеграція
Статус: Запущено в production, працює автономно

maciborka

AI та машинне навчання