Заказы с Kwork: Машинное обучение

Требуется разработка ИИ агента для автоматизации SEO-процессов. Агент должен еженедельно собирать ключевые слова с Яндекс.Вордстат для четырех сайтов. Результаты необходимо формировать в таблицу, содержащую ключевые слова, их частотность и текущие позиции сайта по этим словам в указанном городе. Функционал агента должен включать возможность обработки и фильтрации данных в таблице по заданным критериям, например, удаление слов, относящихся к определенной тематике (сантехника) или бренду. Приветствуются предложения с описанием аналогичных проектов, направленных на облегчение работы SEO-оптимизаторов.

Требуется разработать ИИ агента, который будет автоматически сверять данные, представленные в таблице на официальном сайте, с предоставленными исходными данными. По результатам сверки агент должен формировать и отправлять отчёт с выявленными расхождениями или подтверждением соответствия данных. Проект предполагает создание надёжного и эффективного инструмента для автоматизации процесса верификации информации.

Требуется специалист для создания автоматизированного видеоконтент-завода, предназначенного для производства вертикальных видеороликов (9:16) с использованием 20 постоянных ИИ-аватаров девушек. Задача заключается не в разовой генерации видео, а в разработке комплексной системы производства контента, охватывающей все этапы от сценария и исходных материалов до получения готового ролика. Формат видео: вертикальный 9:16, длительность 10–15 секунд. Основной сюжет — трансформация «до/после», демонстрирующая девушку в повседневной ситуации, использование приложения и появление в новом стильном образе. Для ранее созданных 2K/4K аватаров необходимо обеспечить сохранение узнаваемости каждого аватара между роликами, фотореалистичность внешности, движений, одежды и интерьеров. Также требуется настроить смену образов, локаций и сценариев. Ключевые задачи включают автоматизацию генерации, монтажа и вставки интерфейса приложения, а также организацию системы проверки качества с возможностью повторной генерации неудачных сцен. По итогам работы необходимо передать полностью функционирующую систему и подробную инструкцию по её использованию. Стартовый объём производства — 3–5 готовых роликов в день с возможностью последующего масштабирования. Проект начнется с пилотной фазы на 1–2 аватарах, затем будет масштабирован до 20. В отклике необходимо приложить примеры работ, указать используемые модели и провайдеров, а также описать опыт автоматизации через API. Также требуется представить предлагаемую схему производства, сроки запуска, стоимость разработки и ориентировочную себестоимость одного ролика.

Требуется разработка локальной системы для анализа записей телефонных звонков сотрудников с последующей интеграцией в существующую CRM-систему Intrum. Ежедневный объем звонков составляет 5000-6000. В первой версии проекта необходимо реализовать полный разбор выбранного звонка по запросу, включающий расшифровку с разделением участников, создание саммари, оценку звонка согласно внутренним регламентам, выявление конкретных точек улучшения с цитатами и временными отметками, предоставление примеров более удачных формулировок и рекомендаций для последующих контактов с клиентами. Система распознавания и анализа должна функционировать на собственном сервере заказчика без использования внешних платных API искусственного интеллекта. Предпочтительна модульная архитектура с локальной моделью Qwen или обоснованной альтернативой, обеспечивающая возможность обновления модели и интерфейса, добавления новых функций и отката обновлений.

Требуется разработать ИИ-систему для автоматизации проектирования металлических конструкций. Основная задача — интегрировать ИИ с Autodesk Revit и Autodesk Robot Structural Analysis через API. Сценарий работы включает создание ИИ нескольких вариантов металлической конструкции на основе исходных данных, автоматическое построение модели в Revit, передачу ее в Robot, запуск расчета, получение результатов ИИ, изменение сечений/схемы и повторный расчет для выбора оптимального варианта. Необходимо максимально использовать штатную интеграцию Revit + Robot. На первом этапе требуется рабочий прототип, подтверждающий возможность автоматической цепочки Revit → Robot → расчет → получение результатов → изменение модели → повторный расчет. Подробное техническое задание прикреплено. В отклике необходимо указать опыт работы с Revit API, Robot API, Dynamo и интеграцией ИИ/LLM, желательно приложить примеры похожих проектов.

Требуется разработать модель искусственного интеллекта, способную в реальном времени распознавать объекты на предоставленных кадрах. Детальное техническое задание будет предоставлено. В отклике необходимо указать ваше видение процесса работы, предполагаемые сроки выполнения, ориентировочную стоимость услуг, а также описать релевантный опыт в области машинного обучения. Отклики без указанной информации рассматриваться не будут.

Требуется развернуть и настроить на GPU-сервере автономную локальную multi-agent AI-систему. Система должна соответствовать следующим требованиям: Главный агент должен самостоятельно принимать задачи, разбивать их на этапы и создавать необходимых подагентов. Необходима поддержка иерархии агентов: Master → Directors/Workers → Critic/Judge. Система должна поддерживать до 20–50 логических агентов с общей локальной LLM и ограничением параллельных задач. Функционал включает работу с браузером, интернет-поиском, Linux terminal, Python, файлами, API/MCP. Важными элементами являются долговременная память и навыки (skills) с возможностью сохранения и повторного использования рабочих процедур, а также автоматическая перепроверка результата и повторный цикл при неудовлетворительном качестве. Локальная LLM должна быть реализована через vLLM/SGLang/llama.cpp с OpenAI-совместимым API, что позволит менять модели GLM/DeepSeek/Qwen без переделки всей системы. Предусмотрен Web UI, логирование, использование Docker/Docker Compose, автозапуск и сохранение состояния после перезагрузки. В качестве основы рассматриваются Agent Zero + Hermes, но заказчик готов рассмотреть более подходящую архитектуру. Сервер может быть предоставлен заказчиком, либо потребуется помощь в подборе оптимальной конфигурации под локальную LLM и 20–50 агентов. Важно, что требуется не просто установка Agent Zero, а полностью настроенная автономная агентная система с демонстрацией реального создания и управления подагентами. При отклике необходимо указать опыт работы с Agent Zero/Hermes/Agno/LangGraph, предложить архитектуру, рекомендовать сервер, а также указать срок и стоимость выполнения работ.

Компания advantrade, импортёр и поставщик оборудования для автоматической идентификации, ищет AI-архитектора-практика. Цель — автоматизация более 90% операционной работы с помощью ИИ-агентов. Используемые технологии: ChatGPT/Codex, Claude Code, API-модели, 1С, Bitrix24, n8n, почта, Excel, корпоративная база знаний и скрипты. Планируется локальный вычислительный контур с четырьмя GPU по 24 ГБ видеопамяти. Автоматизации подлежат продажи, закупки, маркетинг, обслуживание клиентов, документооборот, аналитика и внутренние процессы. Требуется найти ценную точку применения ИИ и за 5–7 дней развернуть работающий пилот. Нужен измеримый результат, полезный бизнесу и пригодный для масштабирования, а не общий аудит или презентация. В предложении необходимо указать: проблему, которую решит пилот и её приоритетность; что конкретно заработает через неделю; как измерить результат; необходимые данные, системы и доступы; краткую архитектуру и потенциал развития; риски и способ безопасного отката; фиксированную стоимость; два примера похожих реализованных проектов. Пилот не должен требовать необратимых изменений в production. Исходники, настройки и документация остаются у компании. Предполагается долгосрочное сотрудничество.

Требуется разработка и внедрение системы машинного зрения для контроля качества производства железобетонных плит и кубических блоков. Задача включает подбор необходимого оборудования и создание программного обеспечения для контроля соответствия продукции рабочим чертежам и проектам. Контроль будет осуществляться на трех этапах: 1. Первый этап: контроль армирования и сборки каркаса с инженерными сетями. 2. Второй этап: контроль после установки каркаса в машину и закрытия створок, непосредственно перед заливкой бетона. 3. Третий этап: контроль поверхности, размеров и расположения закладных пластин. Цель проекта — автоматизация контроля качества на производстве ЖБИ.

Требуется разработка AI-ассистента для автоматической проверки домашних заданий в онлайн-школе по программированию, математике и языкам. Сервис должен быть интегрирован в существующий проект. Функционал включает прием работ студентов (текст, код, файлы), проверку по заданным рубрикам и критериям, генерацию персонализированной обратной связи по каждой ошибке, отслеживание прогресса студента и типовых ошибок, пометку работ, требующих внимания преподавателя, и формирование еженедельного отчета для преподавателя. Ключевые требования: проверка на базе GPT/LLM с опорой на рубрики, обоснованная оценка с привязкой каждой ошибки к критерию, живая и нешаблонная обратная связь, скорость проверки до 30 секунд на работу. Необходим веб-интерфейс для преподавателя для загрузки рубрик, просмотра проверок и ручной корректировки. Система должна быть переиспользуемой для различных курсов.

Требуется специалист для развертывания локальной версии языковой модели Claude на операционной системе macOS. Основная задача — обеспечить удаленный доступ к развернутой модели для нескольких пользователей. В рамках проекта необходимо: 1. Провести консультацию по архитектуре решения и необходимым ресурсам. 2. Выполнить полную настройку и развертывание Claude на указанной локальной машине. 3. Оценить возможность использования Mac M1 или определить необходимость более мощной конфигурации, например, Mac mini с 48 ГБ оперативной памяти.

Требуется разработать голосового AI-ассистента для автоматического приема входящих звонков клиентов службы такси и оформления заказов. Система должна самостоятельно принимать звонки, распознавать речь клиента в реальном времени, вести естественный диалог на русском языке, определять адреса подачи и назначения, уточнять нераспознанные данные, рассчитывать стоимость поездки, подтверждать заказ и передавать его водителю. AI-ассистент должен корректно обрабатывать разговорную речь, ошибки распознавания, короткие ответы, исправления адресов и повторные вопросы. Необходимо реализовать телефонную интеграцию, потоковую обработку аудио, STT, LLM для управления диалогом и TTS. Система должна поддерживать одновременную обработку нескольких звонков с возможностью масштабирования. Также требуется разработка backend/API и хранение информации о заказах, клиентах, звонках и диалогах. В случае невозможности корректного оформления заказа должен быть предусмотрен fallback-сценарий. Заказчик открыт к предложениям по архитектуре и технологиям, включая альтернативные STT/TTS/LLM, облачные или локальные решения.