+7 (499) 110-95-71 
  Заказать звонок

AI, ML, NLP Engineering



 Стек технологий: Python, Java, TensorFlow, OpenCV, Keras, XGBoost, Tesseract, Sklearn, YOLOv3, Theano, NetworkX, Graphviz и т.д.


1. Осмотр машин (автострахование)

Проблема: Клиент в ряде случаев должен сделать фотографии своего автомобиля посредством мобильного приложения для iOS/Android. Фотографии могут быть общего плана, конкретных частей авто или повреждений, полученных в результате ДТП. Он может сделать фотографии самостоятельно, в произвольном месте и в произвольное время, однако страховая компания предъявляет ряд требований к их качеству. Фотография должна быть чёткой, не размытой, на правильном удалении от объекта съёмки, объект съёмки должен быть чистым.

Решение: оценка состояния машины по фотографиям/видеопотоку, сделанным из разных ракурсов с помощью мобильных устройств. Используемые критерии - освещённость, блюр, расстояние, загрязнённость и др.


2. Осмотр машин (автострахование)

Проблема: потенциальные мошенники могут обманывать страховую компанию, когда самостоятельно проводят фотоосмотр своего автомобиля, например подменяя фотографии более старыми, на которых на автомобиле ещё нет повреждений, полученных в последнее время. Таким образом, покупая страховку, они могут через некоторое время заявить о повреждениях, полученных по факту до покупки полиса и отремонтировать их бесплатно.

Решение: выявление фродовых фотографий (старые, с экрана, макеты, в фоторедакторе, похожие авто) на основе анализа изображений/вилеопотока.


3. Клиентский скоринг (автострахование) 

Проблема: размер страховой премии состоит из 3 основных частей: премия за риск угона, премия за риск “тоталя” и премия за риск повреждения. Размер премии за риск повреждения рассчитывается исходя  из средней премии для марки / модели (определяемой исходя из средних затрат страховой компании на возмещение убытков по соответствующим ТС) и “коэффициента риска аварийности” , определяемого индивидуально для каждого страхового полиса с учетом особенностей ТС и данных водителей.

Решение: Рассчёт индивидуального уровня риска ДТП (коэффициента риска аварийности) на основе данных о ТС, история собственников, истории ДТП по ТС, штрафов, данные собственников и т.д.


4. Распознавание полей из СТС и ВУ (автострахование)

Проблема: клиенту в ряде случаев нужно сообщить страховой данные о ТС и о себе как водителе. При этом ему нужно внести большое количество полей(VIN-номер, регистрационный знак, марка, модель и т.д.), на что требуется много времени и зачастую вызывает ошибки. 

Решение: автоматическое детектирование и распознавание полей документов автовладельцев с изображений, загружаемых через сайт или мобильное приложение.


5. Предсказание клиентского дефолта по кредиту (банкинг)

Проблема: клиенты банков часто не возвращают взятые в банке потребительские кредиты в первые два года, когда выплата по процентам максимальна. Банк должен максимально снизить риски невыплат в это время, т.е. отсечь на этапе принятия решения о выдаче кредитов неплатежеспособных клиентов.

Решение: Прогноз клиентского дефолта в первый и второй год по истории клиентских транзакций


6. Предсказание клиентского спроса в банкоматах (банкинг)

Проблема: клиенты снимают деньги в банкоматах неравномерно. В дни массовых выплат спрос растёт. На выходных и в праздники зачастую падает. К тому же структура спроса сильно зависит от используемых номиналов валют. Чтобы банкоматы не простаивали и не были переполнены деньгами банк должен эффективно предсказывать динамику спроса с солидным горизонтом

Решение: прогноз клиенского спроса с заданным горизонтом по истории клиентских транзакций


7. Распознавание и идентификация подписей и печатей (банкинг)

Проблема: клиенты в отделениях банков подписывают постранично финансовые документы(договор, соглашение и т.д.), после чего оператор ставит печать. Далее бумажный документ сканируется и сохраняется в системе хранения скан-образов документов. Чтобы исключить ошибки операторов банк должен уметь эффективно распознавать и идентифицировать подписи и печати в скан-образах документов.

Решение: автоматическое детектирование, распознавание и идентификация графических образов (подписи, печати) из страниц pdf-файлов


8. Предсказание стоимости квадратного метра на рынке недвижимости  (банкинг)


Проблема: клиенты банков совершают сделки при покупке недвижимости. В этих сделках банках выступает в роли посредника или продавца. Чтобы уменьшить риски при инвестициях своих резервов в недвижимость, банк должен эффективно предсказывать динамику цен на недвижимость. 

Решение: прогноз цен на кв.метр с заданным горизонтом по истории сделок


9. Продажа машин через online-аукционы. Рекомендация топ-10 дилеров (авто)


Проблема: менеджеры продаж посредством online-аукционов продают машины клиентов в течение получаса. За это время через дилеров по всей стране он должен продать машину по максимально выгодной для клиента цене.

Решение: построение рекомендаций на основе данных о дилерах и продаваемых машинах


10. Оптимальное расположение машин в городе.


Проблема: машины выезжают на сигналы, поступающие из разных концов города. Чтобы минимизировать время прибытия (уменьшить пробег), нужно правильно предварительно расставить машины на карте города. 

Решение: определение оптимальных мест расположения машин на основе истории выездов (время, координаты, скорость движения)