Приглашаем студентов и аспирантов для выполнения курсовых, научно-исследовательских работ и ВКР

Анализ публикуемых фотографий — будь то аватары, фотографии с отпуска, посты на странице — позволяют оценить выраженность психологических особенностей пользователя. Для этого могут применяться специализированные методики и тесты, такие как диагностика темперамента, модель «Большой пятерки» (Big Five), анализ механизмов психологической защиты и другие.

Сargotime.ru — это динамично развивающийся цифровой логистический проект, основная специализация которого — трекинг морских контейнеров в режиме реального времени. Глобальная цель проекта — оптимизация взаимодействия между логистическими компаниями и их клиентами.

Сервис отслеживания контейнеров ежедневно обрабатывает большой объём данных, связанных как с логистическими процессами, так и с взаимодействием клиентов с сервисом. Сбор, обработка и анализ этих данных играют важную роль в развитии проекта, поскольку позволяют улучшать ответы сервиса, оценивать влияние релизов, находить точки роста и принимать решения о развитии сервиса.

Значительная часть данных связана с процессом контейнерных перевозок и включает в себя информацию о местоположении контейнеров и событиях транспортировки, оценки сроков прибытия, задержки в пути и много другое. Их анализ помогает строить собственные предсказательные модели, уточнять данные от первоисточника и улучшать алгоритмы обработки информации о перевозках.

Не менее важную роль играют данные о взаимодействии пользователей с сервисом. Анализ поведения пользователей на сайте и в личном кабинете позволяет понять, какие функции используются чаще всего, где возникают сложности при работе с интерфейсом и какие новые возможности могут быть востребованы клиентами. Такие данные используются для проверки продуктовых гипотез и принятия решений о развитии проекта.

Сargotime.ru — это динамично развивающийся цифровой логистический проект, основная специализация которого — трекинг морских контейнеров в режиме реального времени. Глобальная цель проекта — оптимизация взаимодействия между логистическими компаниями и их клиентами.

Портал Cargotime.ru построен на масштабируемой микросервисной архитектуре и включает множество сервисов, которые собирают и обрабатывают данные о контейнерных перевозках из внешних источников и предоставляют API для клиентских приложений.

Агрегация данных о контейнерных перевозках основана на работе с более чем 90 сайтами морских линий, а также платформами мониторинга перемещения судов. Для получения информации используются различные механизмы интеграции — от доступа через публичные API до эмуляции браузерного окружения. Для стабильной работы сервиса необходимо поддерживать такие интеграции в рабочем состоянии, своевременно адаптировать их к изменениям на стороне источников и совершенствовать механизмы оповещения разработчиков о возникающих сбоях.

Поскольку сервис регулярно обрабатывает большое количество ресурсоёмких запросов и обновляет данные по тысячам контейнеров, важную роль играет эффективное взаимодействие между микросервисами. Для распределения нагрузки между рабочими узлами и снижения влияния пиковых нагрузок используются очереди сообщений и фоновые задачи. Одной из задач разработки является оптимизация работы этих механизмов, включая настройку очередей сообщений и расписаний фоновых процессов.

Помимо поддержки существующей инфраструктуры, часть разработки связана с созданием новой функциональности. В рамках развития проекта регулярно появляются новые функции для пользователей, включая расширение возможностей отслеживания перевозок, улучшение механизмов уведомлений, развитие личного кабинета и интеграции с внешними сервисами. Реализация таких задач требует разработки новых микросервисов, расширения существующих API и адаптации архитектуры системы под новые сценарии использования.

Сargotime.ru — это динамично развивающийся цифровой логистический проект, основная специализация которого — трекинг морских контейнеров в режиме реального времени. Глобальная цель проекта — оптимизация взаимодействия между логистическими компаниями и их клиентами.

Фронтенд-направление связано с разработкой пользовательского интерфейса сервиса отслеживания контейнеров. Ключевая задача — обеспечить удобную работу пользователей с большим объёмом данных, включая информацию об отслеживаемых контейнерах, условиях подписки и возможностях интеграции с сервисом.

Одним из важных направлений разработки является оптимизация скорости загрузки страниц и снижение задержек при работе интерфейса. Метрики производительности сайта влияют не только на пользовательский опыт, но и на видимость сервиса в поисковых системах. Для улучшения этих метрик требуется анализировать работу клиентского кода, оптимизировать загрузку данных и совершенствовать архитектуру фронтенд-приложения.

Не менее важной задачей является развитие пользовательского опыта. Работа над интерфейсом включает постоянное улучшение удобства использования сервиса, анализ поведения пользователей и оптимизацию UX/UI метрик. Это позволяет сделать интерфейс более понятным и эффективным для пользователей, которые регулярно работают с системой отслеживания перевозок.

Часть портала управляется через систему управления контентом. В рамках разработки требуется поддерживать интеграцию фронтенда с CMS, организовывать структуру контента и обеспечивать корректную работу страниц, управляемых через административную панель.

Основная цель проекта — создание комплексной интеллектуальной системы сбора, очистки и анализа внешних данных. Система объединяет в себе модули для гибкого парсинга веб-страниц, фильтрации контента, дедубликации, извлечения ключевых сущностей из текста. Такой продукт позволит автоматизировать мониторинг внешних источников, повысить качество аналитических данных и создать основу для принятия быстрых решений на основе внешней информации.

Проект предоставляет возможность применить как современные подходы в области бэкенд-разработки, так и широкий спектр методов машинного обучения и NLP — от классических эвристик до современных нейросетевых архитектур — для решения реальных задач обработки неструктурированных текстовых данных.

Распознавание автомобильного номера — классический пример задачи из области компьютерного зрения. Однако существующие решения, позволяющие достичь высокой точности, зачастую требуют значительных вычислительных мощностей и/или временных затрат. Мобильные же решения в основном представляют клиентские приложения, осуществляющих лишь видеозахват, а вычисления по поиску и распознаванию номера проводятся на сервере.

Данный проект направлен на создание автономного программного решения для мобильных устройств, способного с высокой точностью распознавать автомобильные номера в режиме реального времени.

Наша команда работает над развитием одной из LLM и мы ищем способного студента для проведения R&D. Данный трек нацелен на создание новых теоретических и практических решений в области генерации кода, вызова функций, анализа таблиц и разработки LLM-агентов.

Если у Вас есть идея собственного проекта, и Вы хотите самостоятельно её реализовать, то Вы также можете присоединиться к нам.
Для подачи заявки нужно написать в поле «Дополнительное сообщение» краткое описание основной идеи проекта.