Создание нейросетей в Екатеринбурге

Разработка с нуля. Необходимо создать нейросеть со сбором данных: -по времени доставки грузов; - наиболее дешевой точке заказа (когда?); и далее на основании этой информации выдача рекомендаций. Источники: 2 программы, одна из которых 1Сещё

Разработка с нуля. Создать мак картыещё

Настройка. Попробовать восстановить переписку WhatsAppещё

Разработка с нуля. Здравствуйте! Ищу специалиста для разработки нейросети под заказ Задача вкрации: У меня есть некий контент, автором которого я являюсь, пусть это будет музыка. Нкобходима нейросеть обученная искать этот контент на просторах интернета, везде, где он опубликован. Те я хочу что бы я могла загрузить контент, ИИ его проанализировал и на основе этого анализа был произведен поиск совпадений*ещё

Разработка с нуля. Необходимо разработать нейросеть «калькулятор для типографии», он же помощник менеджера, ассистентещё

Настройка, разработка с нуля, тестирование. Ищу специалиста по нейросетям для бизнеса, чтобы создать новые продукты на основе нейросетей и для внедрения нейросетей в работу бизнеса для оптимизации и автоматизации процессов. Важно: нужны кейсы от специалиста в области внедрения ai в бизнес, фокус на онлайн-школахещё

Разработка с нуля. Мы в поисках специалиста по нейросетям, который сможет настроить нейро-продажника(менеджера) в CRMещё

Разработка с нуля, тестирование, настройка, доработка существующего продукта. Дизаин макетещё

Доработка существующего продукта. Обучение нейросети. Несколько задач. 1) Нейросеть на сайт. Нужен бот- консультант. Начальный уровень - Обучение нейросети на замену консультанта на сайте. Выпускаем декоративные покрытия. Консультирование по инструкциям и декору для стен. Подбор вида по критериям покупателя. По возможности решение и внедрение второй задачи -создание визуализаций с нашими покрытиями.Идеально, при загрузке фото от нашего клиента получать визуализацию его комнаты с нашим материалом; 2) Для работы отдела продаж. Обучение нейросети по анализу ассортимента по категориям А,В,С и рекомендация к пополнению склада на основе самых продаваемых видов. Проблема в том, что наши дилеры ведут учет в своих программах 1С и называют наши продукты по разному. Есть общее моменты, но в фильтрах Экселя их выделить крайне сложно. Человек общие моменты в названии видит сразу и определяет артикулы мгновенно, фильтры Экселя не определяют. Загрузка и выгрузка экселевские таблицы. в и тд. 3) Нужен бот в отдел логистики для облегчения работы логистовещё

Доработка существующего продукта. Есть нейросеть, используется tensorflow, нужна помощь в дополнительной настройке работы слоев при частичной заморозке. На данный момент показатели точности нестабильны и крайне низкиещё

Разработка с нуля. Нужно создать нейросотрудника с использованием gptещё

Тестирование, настройка, доработка существующего продукта. Cравнить по точности две нейросети на PyTorch для классификации числовых данных на PyTorch. Тип нейросети- 1) архитектура типа Прототипные сети (Prototypical Networks) 2) архитектура типа Сети отношений (Relation Networks) - отладить код загрузки готового датасета на обучение - data_loader - сделать обучение нейросети на готовом одинаковом датасете обеих архитектур, выбрать более эффективную - сделать 2 дополнительных обучения Готовый код на Python обеих архитектур нейросетей - по запросу Исполнителя Python, PyCharm запуск в консоли машины для обучения будет предоставлен выделенный офисный сервер RTX 3090TI 21Gb, Core i9 13900. доступ через AnyDesk Классификация наборов данных, представляющих собой набор из абсолютных числовых значений трех параметров. Эти три параметра в каждом входящем наборе данных принадлежат одному из 17 мультиклассов. Каждый класс имеет свой лейбл. Задача: а) классифицировать 3 параметра в 1 класс входящий набор из числовых значений 3х параметров, принадлежащий одному из 17 мультиклассов, в один из 15 классов б) классифицировать 3 параметра в 3 отдельных класса каждый из 3х параметров, принадлежащий одному из 17 мультиклассов, каждый отдельно в свой класс (15 классов) с) классифицировать 6 параметров в 1 класс значения 6ти параметров (два набора по 3 параметра), принадлежащие одному из 17 мультиклассов, в один из 15 классов д) сделать тест - дообучение на одном образец one-shot learning всех 3х версий а) б) с) и сохранить модель нейросетиещё

Доработка существующего продукта, разработка с нуля. У меня есть программа нужно доработать нейросеть для распознания брендаещё

Разработка с нуля. Есть таблица excel распределения преподавателей по предметам за текущий год, в таблице есть информация о предмете, группе, форме обучения, количестве часов нагрузки и имя преподавателя. Есть таблица за следующий год, но без имен преподавателей и с возможно некоторыми отличиями в предметах. Нужно создать нейросеть, которая расставит преподавателей на следующий год, учитывая информацию за текущий год. Также есть таблица вида преподаватель-предмет-вид предмета за несколько лет, где показано какой преподаватель может вести определенный предмет(пока не ясно как ее применить)ещё

Разработка с нуля. Необходимо разработать модель машинного обучения для фильтрации пользователей на основании информации об их активности. Нейросеть должна работать на основе конкретного размеченного датасета. Язык программирования Python, среда программирования Google Collabещё

Разработка с нуля. Создание нейронной сети для определения номинала монет (рублевых)ещё

Разработка с нуля. Этап 1 ЛР1: 1.1. Выбрать вариант, обдумать и понять какая перед вами поставлена задача, решать которую предстоит с применением НС заданной архитектуры. 1.2. Найти источники исходных данных или написать свой вариант генерации примеров (входных и выходных данных) для обучения и тестирования НС. 1.3. Продумать какие библиотеки и программные среды предполагаете использовать для реализации НС. (Каких-либо ограничений нет, например, это может быть Матлаб). Обратите внимание на то, что библиотека должна позволить вам: - изменять параметры НС (колонка в задании «изменяемые параметры») FFNN (Feedforward neural network сети прямого распространения) и TDNN (Time delay neural network нейронные сети с временными задержками); - работать с SOM (Self-organizing map Самоорганизующаяся карта Кохонена) для ЛР3, Hopfield Neural Network (Нейронная сеть Хопфилда, Oscillatory neural network (Осцилляторные нейронные сети) для ЛР2ещё

Разработка с нуля. Создание нейронной сети, которая будет определять технику на фотографияхещё