ЕЛЕНА - руководитель группы разработчиков, отвечала за полную разработку проекта

Принимала участие в следующих направлениях проекта:

• Анализ технических материалов заказчика и формирование базы для сборки комплектов к изделиям
• Разработка модуля составления комплектов к изделиям
• Рефакторинг и документирование кода

Принимал участие в следующих направлениях проекта:

• Разработка end-to-end решения для семантического поиска товаров, включающего имплементацию LLM-компонентов.
• Разработка модуля многофакторной фильтрации для уточнения результат.
• Исследование и сравнительный анализ производительности различных LLM (DeepSeek, QWEN, Mixtral, Gemini) для выбора оптимальной модели под бизнес-задачу.
• Оптимизация командного кода, включающая полный рефакторинг, внедрение асинхронности, создание архитектуры для мульти модельной системы (с использованием абстрактных классов), повышающей гибкость и производительность решения.
• Визуализация полной архитектуры проекта и потоков данных, в виде детальной схемы рабочего процесса для улучшения понимания системы всей командой и заказчиком.

Принимала участие в следующих направлениях проекта:

• Поиск и анализ возможных готовых подходов и решений
• Разработка модуля составления комплектов к изделиям
• Разработка блока по извлечению соответствующих метизов для лотков
• Рефакторинг и документирование кода.

Принимала участие в следующих направлениях проекта:

• Анализ и подбор моделей NER
• Подготовка датасета для обучения моделей.

Принимал участие в следующих направлениях проекта:

• Разработка модуля регистрации пользователей с ролевой системой доступа и административной панелью управления учетными записями.
• Доработка модуля обработки файлов конкурентов, включающая интеграцию с AI-сервисами и оптимизацию алгоритмов парсинга данных.
• Создание интерактивного PDF-просмотрщика с функциями поворота, навигации и выбора страниц для обработки в веб-интерфейсе.
• Расширение аналитических возможностей Mapper - разработка модулей "Сравнение с конкурентами" и "Статистика" для визуализации результатов AI-маппинга.
• Развитие системных настроек Price-Extractor - модуль прямого импорта готовых прайс-листов в БД OSTEC с функциями управления данными.
• Создание системы экспорта результатов в форматах TXT и CSV с детализированными отчетами AI-маппинга.
• Архитектура и интеграция пользовательского интерфейса - создание единого Gradio-интерфейса, объединяющего все модули команды в комплексную систему.

Принимал участие в следующих направлениях проекта:

• Создание базы знаний заказчика, преобразовании данных из разных источников,
• Создание векторных баз
• Разработка и тестирование гипотез применения LLM и написание запросов к ней,
• Развертывание облачных и локальных интерфейсных решений реализаций.

Принимал участие в следующих направлениях проекта:

• Руководство подгруппой по подготовке датасета.
• Организация коммуникаций с заказчиком.
• Ведение документооборота с заказчиком: получение исходных материалов и информации, уточнение вопросов команды, сбор и актуализация документов и примеров.
• Сбор и структурирование каталога заказчика.
• Консультирование команды по документам заказчика.
• Участие в обсуждении альтернативного решения (совместно с Олегом Мазетовым), помощь в оценке вариантов, разборе данных, выработке решений.

Принимала участие в следующих направлениях проекта:

• Обработка и объединение разрозненных данных заказчика в единый датасет и базу данных
• Первичная обработка файлов с использованием GPT-web (автоматизация обработки части файлов) и ручная обработка в Excel.
• Объединение старой и новой базы OSTEC
• Аналитика и систематизация позиций.
• Перенос конкурентного маппинга через сопоставление старых и новых товарных позиций заказчика.

Принимала участие в следующих направлениях проекта:

• Участие в следующих направлениях разработки проекта:
• Разработка алгоритма поиска позиций по базе заказчика с использованием LLM (DeepSeek);
• Тестирование и оптимизация модуля поиска позиций по имеющейся базе на базе LLM (DeepSeek).

Принимала участие в следующих направлениях проекта:

• Подбор архитектуры  NER, составление таблицы для понятия сущностей на основании анализа каталога и сравнительной таблицы
• Сбор и разметка датасета для обучения моделей
• Разработка модуля авторазметки
• Тестирование и корректировка методики подбора параметров авто разметки
• Анализ списка типов изделий, подбор параметров изделий для извлечения сущностей. На основании этого списка формирование словарь типов изделий
• Проверка и тестирование его на "уникальных" значениях в таблице  и откорректировала его в процессе разметки  
• Разработка модуля по выявлению сущности артикула из любых данных
• Проведение серии экспериментов по обучению и тестированию модели на артикулах как заказчика, так и сторонних данных
• Подготовка итогового pipeline с наилучшей моделью для интеграции в общий проект.

Принимала участие в следующих направлениях проекта:

• Разработка модуля предобработки входящих документов
• Разработка подсистемы обработки «проблемных» PDF сформированных в профильнм програмном обеспечении - сканами через конвертацию в изображения (PNG) и дальнейшее распознавание.
• Разработка модуля по извлечению сущностей с помощью LLM: наименование изделия, характеристики, марка/тип, код, единица измерения, количество.

Принимал участие в следующих направлениях проекта:

• Тестирование LLM и отбор наиболее подходящей модели для проекта
• Тестирование технологии автоматического формирования LLM-промптов для Yandex GPT для извлечения сущностей из текстовых данных
• Разработка LLM-промптов для Gemini-2.5-flash
• Разработка решения для оценки возможного совпадения строк артикулов-заявок с артикулами в БД.
• Разработка применения sentence_transformers, FAISS, fuzzywuzzy, rapidfuzz
• Разработка класса локальной предварительной обработки наименования артикула, который позволил отказаться от затрат на использование LLM для значимого количества артикулов-заявок
• Разработка пайплайна проекта
• Рефакторинг кода проекта перед передачей проекта заказчику.

Принимал участие в следующих направлениях проекта:

• Разработка системы предобработки документов, состоящей из блоков:

a) конвертации кириллического текста из нестандартных кодировок
b) очистки таблиц от пустых строк и столбцов, а также от неинформационных строк
c) оценки качества обработки таблицы
d) распознавания текста с помощью LLM
e) выделения сущностей из данных таблицы
f) формирования json на основе информации таблицы.

Принимала участие в следующих направлениях проекта:

• Анализ подходов и инструментов для реализации поставленной задачи (RoBERTa, SpaCy, DeepPavlov, RuBERT)
• Исследование возможностей различных инструментов разметки данных (Label Studio, CVAT), выявлении ограничений каждого из них применительно к задачам проекта
• Разработка методов подготовки набора данных для реализации подхода к выявлению сущностей на основе NER
• Подготовка набора данных для дообучения модели Spacy
• Дообучение русскоязычной модели Spacy на подготовленном датасете с последующей проверкой эффективности путем сравнения результатов до и после дообучения
• Тестирование и оценка результатов работы модели по выявлению сущностей на основе NER.

Принимал участие в следующих направлениях проекта:

• Разработка интеллектуальной системы для автоматического анализа и сопоставления номенклатуры ОСТЕК со сторонними производителями на базе LLM Gemini 2.5 flash
• Коллегиальное создание концепции и принципов работы всей модели.
• Разработка базового модуля извлечения данных из прайс-листов заказчика и формирования базы данных товаров ОСТЕК в json-формате.
• Унификация общего словаря типов изделий. Оптимизация данных, используемых в работе модели.
• Разработка и “тонкая” настройка 3-х каскадной AI-модели для сопоставления товаров (маппера)
• Тестирование работы модели, поиск ее уязвимых мест и их устранение.
• Оптимизация кода.
• Интеграция модуля каскадной LLM-модели  с модулями коллег: фильтрация БД, поиск товара по артикулу, подбор комплектации.
• Создание и демонстрация заказчику полнофункционального MVP.
• Подготовка технической документации по проекту и данных для презентации.

Принимала участие в следующих направлениях проекта:

• Разработка системы автоматического извлечения артикулов из текстовых описаний товаров с использованием технологии NER (Named Entity Recognition) на основе библиотеки spaCy.
• Подготовка датасета, проведение аннотации текстов
• Обучение кастомной модели распознавания сущностей на размеченных данных, где артикулы выступали в роли целевых сущностей.
• Тестирование и оценка качества модели по метрикам точности, полноты и F1-меры.
• Интеграция обученной модели в пайплайн обработки JSON-файлов.