REST API для автоматизованого аналізу замовлень
REST API для автоматизованого аналізу замовлень
Технології: Python, FastAPI, SQLite, OpenCV, NumPy, TensorFlow, OpenAI ChatGPT API, SQLAlchemy, Redis, Celery, FastAPI TestClient, Unit-тести, Mypy
Я розробляю REST API для автоматизованого аналізу замовлень, призначене для покращення процесу перевірки замовлень в інтернет-магазині автозапчастин. API приймає зображення, на яких клієнт може перевірити, чи відповідають запчастини, зображені на фото, тим, що були замовлені. Система використовує OpenCV та NumPy для визначення контурів об'єктів і класифікує їх за допомогою попередньо навченої моделі TensorFlow та API ChatGPT, що дозволяє покращити процес розпізнавання та підвищити точність класифікації.
Після обробки зображення та класифікації об'єктів результати передаються користувачу для підтвердження. Користувач може коригувати розпізнавання, надсилати запити повторно, а також підтверджувати контури та класифікацію. Інформація зберігається в базі даних з використанням SQLAlchemy та надсилається в систему управління складом (WMS).
Для підвищення продуктивності реалізовано механізм асинхронного кешування моделей, що дозволяє уникнути затримок при їх ініціалізації. Redis використовується для управління кешем та відстеження асинхронних завдань, які виконуються через Celery.
Крім того, розроблена система навчання моделі, що включає функціонал для додавання нових класів та зображень для навчання. Юніт- та інтеграційні тести покривають усі компоненти з використанням FastAPI TestClient, а сувора типізація забезпечується за допомогою mypy. Міграції для бази даних управляються через SQLAlchemy.
Я повністю відповідаю за архітектуру проєкту, вибір технологій та реалізацію всіх компонентів, виконуючи роботу без зовнішнього керівництва.
Технології: Python, FastAPI, SQLite, OpenCV, NumPy, TensorFlow, OpenAI ChatGPT API, SQLAlchemy, Redis, Celery, FastAPI TestClient, Unit-тести, Mypy
Я розробляю REST API для автоматизованого аналізу замовлень, призначене для покращення процесу перевірки замовлень в інтернет-магазині автозапчастин. API приймає зображення, на яких клієнт може перевірити, чи відповідають запчастини, зображені на фото, тим, що були замовлені. Система використовує OpenCV та NumPy для визначення контурів об'єктів і класифікує їх за допомогою попередньо навченої моделі TensorFlow та API ChatGPT, що дозволяє покращити процес розпізнавання та підвищити точність класифікації.
Після обробки зображення та класифікації об'єктів результати передаються користувачу для підтвердження. Користувач може коригувати розпізнавання, надсилати запити повторно, а також підтверджувати контури та класифікацію. Інформація зберігається в базі даних з використанням SQLAlchemy та надсилається в систему управління складом (WMS).
Для підвищення продуктивності реалізовано механізм асинхронного кешування моделей, що дозволяє уникнути затримок при їх ініціалізації. Redis використовується для управління кешем та відстеження асинхронних завдань, які виконуються через Celery.
Крім того, розроблена система навчання моделі, що включає функціонал для додавання нових класів та зображень для навчання. Юніт- та інтеграційні тести покривають усі компоненти з використанням FastAPI TestClient, а сувора типізація забезпечується за допомогою mypy. Міграції для бази даних управляються через SQLAlchemy.
Я повністю відповідаю за архітектуру проєкту, вибір технологій та реалізацію всіх компонентів, виконуючи роботу без зовнішнього керівництва.
Харків 
Трохи зайнятий