Kürzlich fand ein weiterer Winterschutz für Absolventen unserer drei Technologieprojekte statt - Technopark (MSTU, benannt nach Bauman), Technosphere (Moscow State University, benannt nach Lomonosov) und Technotrek (MIPT). Die Teams präsentierten sowohl die Umsetzung ihrer eigenen Ideen als auch die Lösungen für echte Geschäftsprobleme, die von verschiedenen Abteilungen der Mail.ru Group vorgeschlagen wurden.
Unter den Projekten:
- Service für den Verkauf von Geschenken mit Augmented Reality.
- Ein Service, der Aktionen, Rabatte und Angebote aus der Mailingliste zusammenfasst.
- Visuelle Suche nach Kleidung.
- Service für elektronisches Bookcrossing mit der Möglichkeit der Anmietung.
- Intelligenter Lebensmittelscanner.
- Moderner Audioguide.
- Projekt “Mail.ru Aufgaben”
- Mobiles Fernsehen der Zukunft.
Wir möchten mehr über die sechs Projekte sprechen, die von der Jury und den Mentoren besonders hervorgehoben wurden.
Visuelle Kleidungssuche
Das Projekt wird von einem Team von Absolventen der Technosphäre vorgestellt. Laut Analysten belief sich der Modemarkt in Russland im Jahr 2018 auf fast 2,4 Billionen Rubel. Die Jungs haben einen Service geschaffen, der sich als intelligenter Assistent für den Einkauf angesichts der großen Warenvielfalt positioniert. Dies ist eine B2B-Lösung, die die Funktionalität von Online-Shops erweitert.
Während der UX-Tests stellten die Autoren des Projekts fest, dass unter einem „ähnlichen Kleid“ Ähnlichkeiten nicht in Farbe oder Muster, sondern in Kleidungsattributen verstanden werden. Deshalb haben die Jungs ein System entwickelt, das nicht nur zwei Bilder vergleicht, sondern auch semantische Nähe versteht. Sie laden ein Bild eines gewünschten Kleidungsstücks, und der Service wählt Waren aus, die für seine Attribute relevant sind.
Technisch funktioniert das System wie folgt:
Zur Erkennung und Klassifizierung wird das neuronale Netz Cascade Mask-RCNN trainiert. Um die Attribute und Ähnlichkeiten von Kleidungsstücken zu bestimmen, wird ein neuronales Netzwerk auf der Basis von ResNext-50 mit mehreren Köpfen für Attributgruppen und Triplettverlust für Fotos eines Produkts verwendet. Das gesamte Projekt wurde auf Basis der Microservice-Architektur realisiert.
In Zukunft ist geplant:
- Starten Sie einen Service für alle Kategorien von Kleidung.
- Entwickeln Sie eine API für Online-Shops.
- Verbessern Sie die Attributmanipulation.
- Lernen Sie, Abfragen in natürlicher Sprache zu verstehen.
Projektteam: Vladimir Belyaev, Petr Seidel, Emil Bogomolov.
Mobiles Fernsehen der Zukunft
Projektteam Technopark. Die Schüler erstellten eine Anwendung mit einem TV-Programm für die wichtigsten russischen digitalen Rundfunkkanäle, zu der die Funktion zum Anzeigen von Kanälen über IPTV (Online-Kanäle) oder eine Antenne hinzugefügt wurde.
Am schwierigsten war es, die Antenne an das Android-Gerät anzuschließen: Hierfür wurde ein Tuner verwendet, für den die Autoren den Treiber selbst geschrieben haben. Dadurch hatten sie auf Android die Möglichkeit, fernzusehen und das Programm in einer Anwendung zu nutzen.
Projektteam: Konstantin Mitrakov, Sergey Lomachev.
Service, Sammeln von Aktionen, Rabatten und Angeboten aus der Mailingliste
Dies ist ein Projekt an der Schnittstelle von Werbe- und Posttechnologien. Unsere Postfächer sind voller Spam und Mailings. Briefe sind jeden Tag mit persönlichen Rabatten verbunden, aber wir öffnen sie immer weniger und betrachten sie als „nutzlose Werbung“. Dadurch verlieren Benutzer Gewinn und Werbetreibende Verluste. Eine Studie von Mail.ru Mail ergab, dass Benutzer eine Zusammenfassung ihrer Rabatte sehen möchten.
Das
maildeal- Projekt sammelt Informationen zu Rabatten und Werbeaktionen aus Ihrer Mailingliste und zeigt diese in Form eines Kartenbands an, von dem aus Sie zur Aktionswebsite oder in einem Brief gehen können. Das Programm kann mit mehreren Postfächern gleichzeitig arbeiten. Es gibt eine Liste ausgewählter Aktien.
Das Projekt hat eine Microservice-Architektur und besteht aus drei Hauptteilen:
- OAuth-Authentifizierung für die bequeme Verbindung von Postfächern.
- Sammlung und Analyse von Briefen mit Aktien.
- Speicherung und Anzeige von Karten mit Rabatten.
Das Projekt verwendet eine Technologie für die Verarbeitung natürlicher Sprache unter Verwendung von GPU-Ressourcen: Grafikbeschleuniger haben die Verarbeitungsgeschwindigkeit um das 50-fache erhöht. Der Algorithmus basiert auf einem Frage-Antwort-System, mit dem Sie Bestandskategorien entsprechend den neuen Geschäftsanforderungen schnell hinzufügen können.
Dieses Team hat laut Jury nicht nur einen Platz in den Top-Teams gewonnen, sondern auch den Wettbewerb „Digital Tops 2019“ gewonnen. Dies ist ein Wettbewerb russischer Entwickler, die IT-Tools entwickeln, um die Effizienz von Unternehmen und Behörden zu steigern und die persönliche Produktivität zu steigern. Unser Team hat die Studentennominierung gewonnen.
Die Studenten haben große Pläne für die weitere Entwicklung des Projekts und kommen:
- Integration mit E-Mail-Diensten.
- Implementierung eines Bildanalysesystems.
- Projektstart für ein breites Publikum.
Projektteam: Maxim Ermakov, Denis Zinoviev, Nikita Rubinov.
Getrennt davon möchten wir über die drei Teams sprechen, die von den Mentoren der Mail.ru-Gruppe, die während des gesamten Semesters mit Studenten zusammengearbeitet haben, zur Kenntnis genommen wurden. Besonderes Augenmerk bei der Auswahl der Projekte wurde auf die Komplexität des Projekts, die Implementierung und die Teamarbeit gelegt.
Projekt “Mail.ru Aufgaben”
Das Projekt wurde sowohl von der Jury als auch von den Mentoren zur Kenntnis genommen.
Mail.ru Tasks ist der erste eigenständige To-Do-List-Dienst, der vom Unternehmen entwickelt wurde. In den kommenden Monaten werden Aufgaben die Aufgabenlisten im Mail.ru-Kalender ersetzen und nach der Einbeziehung des Projekts für alle Benutzer in Mail.ru Mobile und Web Mail integriert.
Das Projekt wurde mit den Ansätzen Offline-first und Mobile-first durchgeführt. Das heißt, Sie können die Webanwendung jederzeit, überall und auf alles anwenden. Der Zugang zum Internet spielt keine Rolle: Die Daten werden gespeichert und synchronisiert. Um die Installation zu vereinfachen, können Sie die Anwendung über den Browser "installieren". Sie sieht dann wie eine native aus.
Intelligenter Lebensmittelscanner
Im Lebensmittelgeschäft können wir nicht immer schnell feststellen, ob ein Lebensmittel für uns geeignet ist oder nicht, wie sicher und gesund es ist. Die Situation ist kompliziert, wenn eine Person ernährungsbedingte Einschränkungen, verschiedene Allergien hat oder eine Diät einhält. Mit der Foodwise-Android-App können Sie den Barcode eines Produkts scannen und prüfen, ob er sich lohnt
benutze es.
Die Anwendung besteht aus drei Hauptabschnitten: "Profil", "Kamera" und "Verlauf".
In Ihrem „Profil“ sind Ihre Vorlieben festgelegt: Im Abschnitt „Zutaten“ können Sie alle 60.000 in der Datenbank aufgeführten Zutaten von der Ernährung ausschließen und Informationen zu E-Supplements lesen. Mit "Gruppen" können Sie sofort einen ganzen Block von Zutaten ausschließen. Wenn Sie beispielsweise "Vegetarismus" angeben, werden alle fleischhaltigen Produkte rot hervorgehoben.
Im Abschnitt „Kamera“ gibt es zwei Modi: Scannen von Barcodes und Erkennen von Gemüse und Obst. Nach dem Scannen des Barcodes erhalten Sie alle Produktinformationen. Die von Ihnen ausgeschlossenen Zutaten werden rot hervorgehoben.
In der "Historie" werden alle zuvor gescannten Produkte gespeichert. Dieser Bereich ist mit einer Text- und Sprachsuche ausgestattet.
Der Erkennungsmodus von Obst und Gemüse ermöglicht es Ihnen, Informationen über deren Nährwert und Energiewerte zu erhalten. Zum Beispiel enthält ein Apfel ungefähr 25 Gramm.
Kohlenhydrate, die für Menschen mit einer kohlenhydratarmen Ernährung nicht akzeptabel sind.
Die Anwendung ist in Kotlin geschrieben, in der "Kamera" wird das ML-Kit verwendet, um Barcodes zu scannen und Obst und Gemüse zu identifizieren. Das Backend besteht aus zwei Diensten: der Server-API mit der Datenbank in
Hier werden 60.000 Inhaltsstoffe und Formulierungen von 100.000 Produkten sowie ein in Python und Tensorflow geschriebenes neuronales Netzwerk gespeichert.
Projektteam: Artyom Andryukhov, Ksenia Glazacheva, Dmitry Salman.
Augmented Reality Geschenkservice
Jeder Mensch hat mindestens einmal in seinem Leben symbolische Gaben erhalten. Oft ist für Menschen die Tatsache der Aufmerksamkeit wichtiger als die Gegenwart erhalten. Solche Geschenke sind nicht nützlich, aber ihre Herstellung und Entsorgung wirken sich negativ auf die Natur unseres Planeten aus. Die Autoren des Projekts hatten daher die Idee, einen Service für den Verkauf von Geschenken mit Augmented Reality zu schaffen.
Um die Relevanz der Idee zu überprüfen, führten Sie eine Studie durch. 82% der Befragten standen vor dem Problem, ein Geschenk auszuwählen. Für 57% der Befragten war die größte Schwierigkeit bei der Auswahl die Befürchtung, dass ihre Gaben nicht genutzt würden. 78% der Menschen sind bereit, sich zu verändern, um Umweltprobleme zu lösen.
Die Autoren bringen drei Punkte vor:
- Geschenke leben in einer virtuellen Welt.
- Nehmen Sie keinen Platz ein.
- Immer in der Nähe.
Um Augmented Reality im Web zu implementieren, wählten die Autoren die AR.js-Bibliothek, die aus zwei Hauptteilen besteht:
- Der erste ist für das Zeichnen von Grafiken über dem Kamerastream mithilfe von A-Frame oder Three.js verantwortlich.
- Der zweite Teil ist ARToolKit, das für das Erkennen eines Markers (eines Sonderzeichens, das entweder gedruckt oder auf dem Bildschirm eines anderen Geräts angezeigt werden kann) im Ausgabestream der Kamera zuständig ist. Ein Marker wird zum Positionieren von Grafiken verwendet. Das Vorhandensein von ARToolKit ermöglicht es nicht, mit AR.js eine markerlose Augmented Reality zu erstellen.
AR.js verbirgt viele "Fallstricke". Beispielsweise kann die Verwendung in Verbindung mit A-Frame die Stile auf der gesamten Site aufteilen. Daher verwendeten die Autoren das „Bundle“ von AR.js + Three.js, das zur Lösung einiger Probleme beitrug. Und um AR.js, die auf Three.js basieren, in React einzubetten, auf dem die Projektwebsite geschrieben ist, musste ich ein AR-Test-2-Repository (
https://github.com/denisstasyev/AR-Test-2 )
erstellen , in dem sich ein separates befindet Reaktionskomponente für die Verwendung von AR.js basierend auf Three.js. Das Modell wurde in Augmented Reality und in 3D (für Geräte ohne Kamera) betrachtet.
Später wurde jedoch klar, dass Benutzer nicht verstehen, was ein Marker ist und wie er verwendet wird. Daher haben die Autoren auf die <model-viewer> -Technologie umgestellt, die jetzt von Google aktiv entwickelt wird. Es verwendet ARKit (iOS) oder ARCore (Android), um Modelle in Augmented Reality ohne Marker anzuzeigen. Die Technologie basiert auf Three.js und enthält einen 3D-Modell-Viewer. Die Benutzerfreundlichkeit des Programms hat sich erheblich verbessert. Um jedoch Augmented Reality anzeigen zu können, benötigen Sie ein Gerät mit iOS 12 oder höher.
Jetzt ist das Projekt unter (
https://e-gifts.site/demo ) verfügbar, wo Sie Ihr erstes Geschenk erhalten können.
Projektteam: Denis Stasiev, Anton Chadov.
Weitere Informationen zu unseren Bildungsprojekten finden Sie unter
diesem Link . Und oft auf den
Technostream- Kanal gehen, erscheinen dort regelmäßig neue Lehrvideos über Programmierung, Entwicklung und andere Disziplinen.