Стажировка по проекту
Компания: Media108
Классификация звонков клиентов на целевые и нецелевые
Суть проекта
Задача
Для чего
Вводные данные
Выходные данные
Разработать нейронную сеть, способную классифицировать аудиозвонки на целевые и нецелевые на основе предоставленной базы данных и csv-таблицы с описаниями и метками классов
Вывод результатов классификации в JSON формате
- Первый набор файлов - это выгрузки в формате CSV с информацией по звонкам;
- Второй набор файлов - аудиозаписи звонков
Для определения назначения звонка используется человеческий труд, и внедрение искусственного интеллекта способно существенно повысить точность такой работы и сократить трудозатраты
Участники
1 команды проекта
1 команды проекта
- Белоус ПавелТимлид проектаПавел - руководитель группы разработчиков, отвечал за полную разработку проекта.
- Определение направлений разработки;
- Постановка гипотез по решению стоящих задач;
- Проведение еженедельных;
- Организация работы и контроль задач
- Гришаков РусланПомощник Тимлида
- Определение направлений разработки,
- Постановка гипотез по решению стоящих задач,
- Организация работы группы, помощь тимлиду в администрировании и управлении, формализация и описание задач;
- Контроль выполнения задач стажерами;
- Проведение промежуточных встреч для ответов на вопросы стажеров,
- Компиляция скриптов и результатов работ стажеров
- Гаврилков Николайсистемный администратор у местного интернет провайдера
- Ручной и автоматический (AutoML,Automodel, autokeras) подбор архитектуры модели;
- Эксперименты с транскрибаторами whisper и SR;
- Эксперименты с предобученными моделями с Torch и BERT;
- Написание скриптов по предобработке данных;
- Написание скриптов по постобоработке данных;
- Тестирование и проработка гипотез по повышению точности модели;
- Петров РоманРанее руководитель торговой точки в связном
- Эксперименты с транскрибаторами whisper и SR;
- Написание скриптов по предобработке данных;
- Написание скриптов по постобоработке данных;
- Тестирование и проработка гипотез по повышению точности модели;
- Внедрение модели распознавания, бэкэнд, FastApi, doccker
- Окуловский ВладимирВедущий инженер 2 линии поддержки в сотовой компании
- Создание альтернативного алгоритма классификации основанного только на транскрибированном тексте звонка;
- Эксперименты с транскрибаторами;
- Тестирование и проработка гипотез по повышению точности модели
- Марфида АлександрПо специальности - автоматизированная обработка информации, АСУ
- Фундаментальные исследования обработки аудиозаписей;
- Эксперименты с транскрибаторами;
- Написание скриптов по предобработке данных;
- Тестирование и проработка гипотез по повышению точности модели;
- Тестирование API Yandex SpeechKit
- Орловский Владимир
- Эксперименты с транскрибаторами whisper и SR
Участники
2 команды проекта
2 команды проекта
- Рубцов АнтонТимлид проектаАнтон - руководитель группы разработчиков, отвечал за полную разработку проекта.
- Определение направлений разработки;
- Постановка гипотез по решению стоящих задач;
- Проведение еженедельных;
- Организация работы и контроль задач
- Гришаков РусланПомощник Тимлида
- Координация стажеров в проекте, помощь в управлении проектом. Организация и контроль исследовательских процессов;
- Управление разработкой, предоставление примеров разработки, помощь в выборе направления параметризации данных;
- Контроль выполнения текущих и выдача новых заданий. Поддержка в анализе и визуализации данных;
- Сбор результатов работы стажёров и отчётность перед заказчиком. Отслеживание прогресса проекта и метрик моделей нейросетей;
- Проведение еженедельных встреч в спринт формате, помощь тимлиду
- Кирюшин Артёмстудент МАИ факультета «Системы управления, информатика и электроэнергетика» кафедры 307 «Цифровые технологии и информационные системы», 2 курс / работает техником в ОКПО Дирекции «Аэромобильности»
- Подготовка, очистка и структурирование табличных данных с помощью Pandas;
- Работа с аудиоданными: исключение неинформативных аудиофайлов;
- Разработка архитектуры модели: построение и проверка моделей машинного и глубокого; обучения, использование AutoML и Keras
- Выбор и применение технологий; транскрибации аудио данных: Whisper, Vosk, Speech_recognition, Nemo;
- Классификация текстов с помощью BERT и AutoKeras;
- Тестирование и оценка моделей, применение метрик f1-score и recall;
- Интеграция модели в клиент-серверное взаимодействие с использованием FastAPI; Установка и настройка CUDA
- Козырев СергейТестировщик программного обеспечения (Software QA Automation Engineer)
- Работа с аудиоданными: отбор аудиофайлов по критериям заказчика;
- Параметризация аудио с помощью библиотеки Librosa;
- Работа с файловой системой. Библиотеки os, pickle;
- Нормирование признаков в соответствии со стандартным нормальным распределением. Sklearn.StandardScaler;
- Подбор архитектуры нейросети с помощью Tensorflow.Keras, использование FunctionalAPI;
- Визуализация результатов обучения с помощью Matplotlib;
- Настройка виртуального окружения и разработка приложения через FastAPI
- Дацко ДаниилОбучение в Рязанском Строительном Колледже (РСК), по специальности: Строительство и эксплуатация зданий и сооружений, Старший техник
- Обработка таблиц, создание DataFrame: Pandas, Numpy;
- Подготовка данных и разделение на выборки;
- Сбор аудиоданных организация файлов с Os, Shutil;
- Транскрибация аудио, преобразование с Vosk, Whisper;
- Векторизация текста: BertTokenizer, BertModel, Transformers;
- Обучение моделей нейросетей: TensorFlow, Keras, Sklearn;
- Создание веб-сайта с помощью FastAPI, Uvicorn, Pyngrok
- Бондарев ОлегТехник-электрик
- Анализ данных и поиск путей решения задачи;
- Обработка и подготовка табличных данных с помощью Pandas, Numpy;
- Транскрибация аудио с помощью Whisper;
- Токенизация транскрибированных текстов с помощью Keras.Tokenizer;
- Подбор архитектуры и обучение нейронных сетей с помощью Tensorflow.Keras;
- Визуализация результатов обучения с помощью Matplotlib
Демонстрация проекта 2 команды
Благодарность университетУ