テクノパーク、テクノスフィア、テクノトラック：卒業生のプロジェクト

私たちのオフィスでは、半年ごとにMail.Ru Groupの教育プログラムの卒業生のプロジェクトが開催されています。 テクノパーク（N. E.バウマンにちなんで命名されたMSTUとの共同プロジェクト）、テクノスフィア（モスクワ州立大学のプロジェクト）、テクノトレック（MIPT）のメンバーが、アプリケーション、ゲーム、サービス、インスタントメッセンジャーを紹介します。 夏期のトップ5プロジェクトを作成者のコメントと共に準備しました。

「鮮やかな記憶」-戦争の白黒写真の色付けのためのアプリケーション

本質は何ですか

このアプリケーションは、ソーシャルネットワークOdnoklassnikiとともに5月9日までに開始されました。 学生は、ニューラルネットワークのアーキテクチャを担当しました（PyTorchで実装され、250万枚の画像が用意され、さまざまな角度から、さまざまな照明の下での人々の顔の写真から、注文やメダルのコレクション、軍事テーマの映画のショットまで、ニューラルネットワークのトレーニングに使用されました）およびバックエンドの開発用（Artistoサービスがベースとして採用されました）。 Odnoklassnikiチームがフロントエンドを担当しました。

このアプリケーションは253,312人のユーザーの注目を集め、メディアの報道（Dozhd、RIA Novostiなど）を受けて、今年の上位5位に入りました。

プロジェクトの詳細

チームには3人がいましたが、3つの主な作業分野を特定しました。

• ニューラルネットワークの設計とプログラミング。
• トレーニングとテスト用のデータセットの準備。
• Artistoプロジェクトのアーキテクチャでのソリューションの実装。

最初の仕事はセヴァヴィクリンが担当しました。当時、彼は私たちの間でニューラルネットワークの開発に最も広範な経験を持っていたからです。 主なツールはPyTorchフレームワークでした。 私（Denis Kuzmin）はデータの準備を引き受けました-このタスクにはニューラルネットワークの設計との一定の同期が必要でしたが、そのときセバと私はすでに同じ部門で働いていたので、結果を交換するのに便利でした。 画像内の顔を認識し、人工的な例を生成し、データセットを前処理するために、OpenCVライブラリで多くの作業を行う必要がありました。 Artistoのアーキテクチャを研究し、実装の準備をするタスクは、他のタスクからより独立しており、Borya Kopinが引き受けました。 彼はLuaのTorchフレームワークを処理し、PyTorchからニューラルネットワークモデルコンバーターを作成する必要がありました。

私たちにとっての主な難しさは締め切りでした。なぜなら、私たちはプロジェクトのテーマを長い間最終的な形で決定していたからです。 何度かオフィスに集まり、夜遅くまで座っていなければなりませんでした-ニューラルネットワークのアーキテクチャについて議論し、ライブラリを扱い、プロジェクトの特定の部分を「ハッキング」します。

当初から、技術的な指導者であるLesha Voropaevに、プロジェクトは必ずニューラルネットワークに接続されることに同意しました。 私たちは長い間、最新の開発を研究し、どの分野で知識を応用することが興味深く有用であるかを考えました。 ある時点で、白黒画像の自動カラー化のためのニューラルネットワークの使用について説明した記事に出会いました。 このアプローチをどのように改善するかを考えていたときに、食品のメンターであるOlya SchubertがOdnoklassnikiプロジェクトチームにこの技術について話した。 私たちは彼らと出会い、議論の過程で最終目標に到達しました-思い出に残る軍事写真の色付けの機能を備えたアプリケーションです。 Odnoklassnikiには、戦勝記念日のいくつかのプロジェクトが計画されており、一般的な情報提供の機会にも参加しました。

Visearch-ビデオフラグメントの検索

本質は何ですか

任意の品質と解像度の小さな（最大5分）ビデオ断片により、ユーザーはIMDbでフルバージョンへのリンクを見つけることができます。 いくつかの映画からの抜粋がフラグメント自体にコンパイルされている場合でも（ビデオレビューの場合によくあるように）、サービスはそれらすべてを見つけます。

プロジェクトの詳細

私たちのアイデアは偶然に生まれました-私たちはそれがクールなサービスになると考えました。 当初は、CEO、CTO、フロントエンドおよびバックエンド開発者という4つのチームメンバーの間で役割を明確に分けていました。 ほとんどはメッセンジャーで話しましたが、チームメンバーの1人がすでに働いていたMail.Ru Groupのオフィスで直接会ったこともありました。

正直なところ、最初はサービスを書くことができるとは信じていませんでした。 もちろん、卒業証書の開発は研究と仕事と並行して行われたため、困難が生じました。これが定期的に締め切りを破った理由です。 また、生産的な手押し車を購入するための投資が不足していたため、困難でした。

応用技術：

• テレグラムボット-Python;
• Web-Polymer + Reduxアーキテクチャ。
• カスタムマイクロサービス-NodeJs + pm2;
• アルゴリズムマイクロサービス-C ++ Boost、FFMPEG;
• DBMS-モンゴ。

それとは別に、2つの重要な点に注意します。 まず、アルゴリズム処理のクライアント抜粋ロードサービスは、ビデオをディスクに保存せず、UNIXソケットを介してストリーミングします。 第二に、処理されたフィルムは軽量であるため、DBMSとRAMの両方に保存されます。

開発は、プロジェクトの潜在的な商業的価値のため、閉鎖されたリポジトリで実行されます。 参照によるアプリケーションのデモンストレーション。

OKHear-ソーシャルプロジェクト：聴覚障害者の指紋の指紋を独学で適用

本質は何ですか

このプロジェクトは、指紋アルファベットを習得したい人を対象としています。 ユーザーは、アプリケーションメニューでマスターするジェスチャを選択し、電話機のフロントカメラでそれを繰り返します。 彼のジェスチャーが似ている場合、アプリケーションはそれをカウントします。

プロジェクトの詳細

アプリケーションのアイデアは自然に現れました。 プレゼンテーションで、私たちのチームは約12のアイデアをメンターに提示しましたが、すべてが拒否しました。 そして、私たちの1人がメンターによって承認されたジェスチャー認識のアイデアを思いつきました。

最初は、アプリケーションの原理は次のようであると想定されていました。ユーザーは、手話を話す人にスマートフォンのカメラを向け、画面上で翻訳を見ます。 しかし、このオプションはアルゴリズムの複雑さが高く、実装するのに十分な時間がありませんでしたので、簡単なバージョンである自己指導マニュアルに決めました。

アプリケーションの主なタスクは、フレームを準備してHaarカスケードに送信し、そこからサーバーに送信することと、サーバーからの応答を処理することです。 キャラクターを数えるかどうかの決定は、サーバーからの情報と、キャラクターごとに個別に選択された条件のセットに基づいて行われます。 コードを簡潔にするために、Haarカスケード-OpenCVを操作するためにAndroidAnnotationsライブラリが使用されました。 ビデオストリーム内の手を検出するために、Haarサインを使用したカスケード分類子が使用されました。

クライアントは、400ミリ秒ごとに、TCPバランサーに要求を送信します。これは、一連のバイト形式の圧縮画像です。 バランサーは、ラウンドロビンアルゴリズムを使用して、サーバー自体とニューラルネットワークのトレーニング済みモデルが配置されているDockerコンテナー間で要求を分散します。

チームはすべてのデータセットを個別に組み立てました：各キャラクターについて、異なる角度から異なる照明条件で5分間のビデオを撮影し、ビデオをフレームに分割し、既にマークされたデータをニューラルネットワークの入力に送りました。

このプロジェクトは、クライアント部分とサーバー部分で構成されています。 クライアント部分はJavaのAndroid用モバイルアプリケーションであり、サーバー部分はPythonのTCPサーバーです。 ニューラルネットワークはKerasライブラリを使用してトレーニングされます。 モバイルアプリケーションは、手を検出するためにC ++言語ツールも使用します。

FindBird-遺失物に関する発表のアグリゲーター

本質は何ですか

このアプリケーションは、損失のアナウンスでサイトとグループを解析し、目的のアイテムが見つかった場合はユーザーを見つけて通知します。 答えは、アナウンスがすぐに見つかった場合、または遅れて-発見のアナウンスが後で公開された場合、すぐに来ることができます。

プロジェクトの詳細

アプリケーションは、広告のテキストを分析し、キーワードを特定します。

アイデアは自然に現れました。物を失っている人々を助けたかったのです。 結局のところ、これは不快であり、受け入れられる解決策はありません。 メンターと一緒に、実装の詳細を開発しました。 当初は、iOSおよびAndroid用のアプリケーションの開発が計画されていました。 私たちのチームにはiOSとAndroidの開発者しかいなかったという事実を考えると、彼らは分裂し、私（Igor Belkov）が支援しました。 もちろん、会議には問題がありました。全員がすでに仕事をしていたため、前後の同期に問題が生じていたからです。 しかし、一般的には便利でした。誰もが自分の役割を果たし、相互作用の方法を説明し、それに基づいて働きました。 彼らは、他の主題のマイルストーンコントロールの後にすべてを接続しました。

ShoZaSong-テキストの断片によって楽曲を検索するサービス

本質は何ですか

このサービスは、テキストの断片（英語で入力、音訳、または音声ダイヤルを使用）を分析し、この断片が発生する場所から類似のテキストを含む提案された構成を再生します。

プロジェクトの詳細

このスライドは、使用されている技術を示すプロジェクトのアーキテクチャを示しています。

私たちが遭遇した最初の、そしておそらく最も深刻な問題は、興味深いアイデアを探すことでした。 卒業学期の開始からわずか1か月で最終選考にたどり着きました。 役割の分散とワークフローについては、ここで非常にうまくいきました。 各チームメンバーは、彼自身の専門分野を持っていましたが、他のメンバーを置き換えることができました。 私（バレリア）はバックエンドと機械学習に従事し、サーシャはフロントエンドを、ニキータはインフラストラクチャに従事しました。 多くの場合、私たちは学校の外のスターバックスのどこかに集まり、週末中ずっとコッドをしました。それは本当に喜びをもたらし、結果に近づきました。 私たちは新しいテクノロジーを使うことを恐れませんでした。 そのため、NikitaはReact Activeを使用することに決めましたが、それまではあまり勉強していませんでした。 Telegramボットについては、Go言語を使用することにしました;このため、テクノパークからの夏期集中コースを追加で完了しました。 インフラストラクチャにはDockerを使用しました。 一般的に、最も便利で強力な製品を作ろうとしました。

プロジェクトのコンテンツコンポーネントには問題があります。結局のところ、音楽に対するすべての権利は著作権所有者から取得する必要があり、これは財政的にも法律的にも困難です。

GitHubのプロジェクトに精通することができます 。

---

リストされたプロジェクトに加えて、この学期は防御に合格しました。

• HauntedCity-拡張現実（N.E. Baumanにちなんで名付けられたMSTUのチーム）に基づくモバイルゲーム、
• Time for Printは、初心者の写真家とモデルがお互いを見つけることができるAndroidアプリケーションです（MIPTチーム）。
• CheckiePy -Python 3のコードの品質をチェックするためのインテリジェントサービス-（N.E. Baumanにちなんで名付けられたMSTUのチーム）、
• MyKyzya.ru-ホームおよびパーソナルケア製品（MIPT）を購読するためのサービス、
• CoroboxはiOSとAndroid向けのモバイルアプリケーションであり、モノのストレージ（MIPT）をリモートで管理できます。
• MyDressing.ru-オンラインストア（N. E. Baumanにちなんで名付けられたMSTU）からの服のバーチャルフィットのためのサービス、
• Mazenark-Unityのゲーム（N.E. Baumanにちなんで命名されたMSTU）、
• CoinFinderは、コレクションコイン（MSU）を検索するためのサービスです。

次のプロジェクトのうち、最高得点を獲得したいものはどれですか。