Создание нейросетей — удалённая работа в Санкт-Петербурге

Доработка существующего продукта, разработка с нуля. Пожелания и особенности: Задача: необходимо доработать существующую (создать новую, как проще) генеративную модель. Модель должна представлять из себя диффузионную модель для генерации временных рядов. Есть план работ и подробное описание итоговой модели. Примерный список задач (если дорабатывать то, что есть сейчас): 1) настройка размерностей входов и выходов модели 2) добавление позиционного кодирования и лейблинга данных 3) дальше усложняем архитектуру: в диффузионной модели – Unet с одномерными свертками + Residual блоки с skip-connection механизмом, а также FiLM для кодирования условия, функция активации везде SiLU(). 4) если всё корректно, то дальше на вход и выход модели добавляем AE/VAE для кодирования рядов в латентное подпространство и обратно. Могу также предоставить развёрнутый план работ и текущую версию модели в формате ipynb.

Создание фото и видео креативов (большое количество разовых заказов).

Разработка с нуля.

сделать проект по курсу нейросетей. Пожелания и особенности: Сделать проект по курсу нейросетей. Обучение генеративной нейросети под свой стиль/объект Используя пример кода, обучить генеративную нейросеть Stable Diffusion: — для рисования картин в каком-то специфическом стиле (определённого художника/иллюстратора); — для рисования специфического объекта/персонажа. Для обучения необходимо собрать датасет в объеме 10–200 квадратных (1:1) изображений хорошего качества. Чем больше — тем качественнее результат можно получить. Сгенерировать с помощью обученной нейросети серию изображений (Код) https://colab.research.google.com/github/shwars/ai-for-creatives/blob/main/6-DiffusionTraining/SDXL_DreamBooth_LoRA_Colab.ipynb (Датасет) https://drive.google.com/drive/folders/1OPYMucHORsHvzarfhzvirOBYRFuPuDQP?usp=sharing В проекте необходимо отразить: описание идеи всего проекта; исходные изображения для обучения (несколько примеров); результирующая серия изображений развёрнутый комментарий, что представлено в итоговой серии изображений и как это связано с концепцией проекта: разбор характеристик изображений, какие элементы стиля или особенности персонажа удалось передать, описание того, как результаты соответствуют первоначальной идее, объяснение деталей генерации (например, использовались ли дополнительные методы улучшения, как нейросеть обработала исходные данные), визуальный анализ (чем изображения отличаются друг от друга, какие вариации получились) и так далее. ноутбук с кодом для обучения и описание процесса обучения; укажите, использовали ли Вы ГенИИ (и какой) в проекте помимо обученной нейросети (для написания экспликации, генерации идеи и т. д.). Критерии оценивания: — идея проекта и оригинальность; — качество результата (консистентность стиля, передача особенностей объекта/персонажа); — презентация проекта (подача, качество изображений в лонгриде, описание идеи и т. д.).

Разработка с нуля.

Тестирование, настройка, разработка с нуля. Техническое задание для специалиста по внедрению искусственного интеллекта в бизнес-процессы. 1. Общие сведения 1.1. Наименование проекта: Внедрение искусственного интеллекта в бизнес-процессы компании. 1.2. Заказчик: ООО «БлокСПб» 1.3. Исполнитель: Специалист по внедрению ИИ. 1.4. Сроки выполнения: 1-2 месяца (обсуждается) 1.5. Бюджет: по согласованию 2. Цели и задачи проекта 2.1. Цель: Оптимизация бизнес-процессов всех отделов компании, повышение эффективности, снижение издержек и улучшение качества принимаемых решений за счет внедрения технологий искусственного интеллекта. 2.2. Задачи: - Провести анализ текущих бизнес-процессов компании. - Определить процессы, которые могут быть оптимизированы с использованием ИИ. - Разработать и внедрить решения на основе ИИ. - Обучить сотрудников работе с новыми инструментами. - Обеспечить интеграцию ИИ-решений с существующими системами. - Оценить результаты внедрения и предложить дальнейшие шаги по развитию. 3. Область внедрения ИИ 3.1. Отделы для внедрения ИИ: в приоритете Административный отдел Отдел маркетинга Отдел по персоналу Отдел логистики Отдел продаж Отдел закупок 4. Образование: - Высшее образование в области компьютерных наук, математики, физики или смежных дисциплин - Сертификаты в области ИИ/ML будут преимуществом. 5. Этапы выполнения работ 5.1. Анализ текущих процессов: - Изучение бизнес-процессов компании. - Выявление узких мест и возможностей для автоматизации. 5.2. Разработка концепции: - Определение задач для ИИ-решений. - Выбор подходящих технологий и инструментов. 5.3. Прототипирование (инструмент проверки идей, исследования прогресса и функциональности продукта до начала его фактической разработки и может быть применен на любом этапе проектирования ) - Создание прототипа ИИ-решения. - Тестирование на ограниченном наборе данных. 5.4. Внедрение: - Интеграция решения в бизнес-процессы. - Настройка и оптимизация. 5.5. Обучение сотрудников: - Проведение тренингов и создание инструкций. 5.6. Оценка результатов: - Анализ эффективности внедрения. - Подготовка отчетности и рекомендаций. 6. Требования к отчетности 6.1. Предоставление промежуточных отчетов по каждому этапу. 6.2. Итоговый отчет с результатами внедрения, включая: - Описание внедренных решений. - Метрики эффективности (например, увеличение скорости обработки данных). - Рекомендации по дальнейшему развитию. 7. Критерии успешности проекта 7.1. Достижение поставленных целей ( в %) 7.2. Успешная интеграция ИИ-решений в бизнес-процессы. 7.3. Положительная обратная связь от сотрудников и руководства. 8. Дополнительные условия 8.1. Соблюдение конфиденциальности данных компании. 8.2. Удаленный формат с возможностью выезда в офис заказчика.