Программисты — удалённая работа в Москве

Data Science. Разработка с нуля. Техническое задание на разработку сервиса распознавания изображений с заполнением Excel-таблицы 1. Цель проекта Разработать веб-сервис, который позволяет пользователям загружать изображения, выполнять распознавание содержимого с помощью искусственного интеллекта (ИИ), и автоматически заполнять структурированную таблицу Excel на основе распознанных данных. 2. Основные функции 2.1. Интерфейс пользователя Загрузка одного или нескольких изображений (JPEG, PNG, HEIC, др.). Просмотр статуса обработки каждого изображения. Скачивание готового Excel-файла с результатами. 2.2. Обработка изображений Предобработка изображений: поворот, обрезка, повышение контрастности (при необходимости). Использование модели компьютерного зрения (например, OCR с поддержкой layout-анализов или object detection, в зависимости от задачи). Распознавание следующей информации (в зависимости от типа изображений): Текст (например, с документов, чеков, актов). Табличные данные. Объекты и их количественные характеристики (например, номер, дата, наименование, цена, количество, и т.п.). 2.3. Генерация Excel-файла Создание и сохранение Excel-файла по шаблону. Структура таблицы зависит от типа данных (обсуждается отдельно). Возможность выгрузки данных в формате .xlsx. 3. Требования к системе 3.1. Технологический стек (предлагаемый) Backend: Python (FastAPI / Flask) Модель ИИ: Tesseract OCR / LayoutLM / YOLO / custom model (в зависимости от специфики) Excel: openpyxl или pandas + xlsxwriter Frontend: React / Vue (или минимальный HTML+JS интерфейс) Хранение: локальное или S3/облако (по задаче) Docker для упаковки 3.2. Производительность Обработка одного изображения — не более 5 секунд. Поддержка пакетной обработки до 20 изображений за одну сессию. 3.3. Масштабируемость Возможность запуска в облаке (AWS, GCP, Yandex Cloud). Возможность подключения очередей задач (Celery + Redis) при росте нагрузки. 4. Входные и выходные данные 4.1. Входные данные Форматы: .jpg, .png, .bmp, .heic Размер файла: до 10 МБ Кол-во файлов за сессию: до 20 4.2. Выходные данные Excel-файл (.xlsx) Структура таблицы: согласуется по формату исходных изображений. Пример: | № | Дата | Название товара | Кол-во | Цена | Сумма | 5. Безопасность Ограничение по размеру и числу загружаемых файлов. Очистка пользовательских данных после обработки (по истечении сессии). Ограниченный доступ (при необходимости — через регистрацию/авторизацию). 6. Этапы разработки Сбор требований и уточнение типа изображений. Разработка прототипа ИИ-модуля распознавания. Реализация backend-сервиса. Интеграция с Excel. Разработка пользовательского интерфейса. Тестирование. Развертывание и документация. 7. Возможные улучшения (в будущем) Автоматическая классификация типа документов. Обучение кастомной модели на специфических изображениях. Поддержка других форматов (PDF, скан-копии и т.п.). Интеграция с Google Sheets / CRM.