random dessert
2.Создание рецепта нейросетью
Пользователю предлагается выбрать до трех ингредиентов из списка (выбор ограничен), и нейросеть сгенерирует ему рецепт. В версии, представленной на сайте Pineapple Practice, данный функционал отключен, представлена усеченная версия. В расширенной версии у пользователя также будет возможность отправить рецепт на печать или сохранить (сохранение pdf реализуется в окне печати средствами браузера).
Пользователю предлагается выбрать до трех ингредиентов из списка (выбор ограничен), и нейросеть сгенерирует ему рецепт. В версии, представленной на сайте Pineapple Practice, данный функционал отключен, представлена усеченная версия. В расширенной версии у пользователя также будет возможность отправить рецепт на печать или сохранить (сохранение pdf реализуется в окне печати средствами браузера).
описание продукта:
1. Поиск классического рецепта
Пользователь может воспользоваться расширенным поиском блюда по трем параметрам: категория, кухня, ингредиент. Либо произвести поиск по названию блюда в поисковой строке. После того, как пользователь выберет подходящий рецепт, у него будет возможность его распечатать или сохранить (сохранение pdf реализуется в окне печати средствами браузера).
Пользователь может воспользоваться расширенным поиском блюда по трем параметрам: категория, кухня, ингредиент. Либо произвести поиск по названию блюда в поисковой строке. После того, как пользователь выберет подходящий рецепт, у него будет возможность его распечатать или сохранить (сохранение pdf реализуется в окне печати средствами браузера).
В приложении пользователь будет осуществлять поиск
рецепта блюда. Есть выбор: искать традиционный рецепт,
который хранится в базе данных, или доверить написание
рецепта нейросети (ChatGPT-3).
рецепта блюда. Есть выбор: искать традиционный рецепт,
который хранится в базе данных, или доверить написание
рецепта нейросети (ChatGPT-3).
Команда: 7 человек
Роли:
Менеджер проекта (1);
Data Scientist (1);
BI-аналитик (1);
Back-end разработчик (1);
Front-end разработчик (1);
UX/UI дизайнеры (2).
Роли:
Менеджер проекта (1);
Data Scientist (1);
BI-аналитик (1);
Back-end разработчик (1);
Front-end разработчик (1);
UX/UI дизайнеры (2).
Мария Сафина —
Менеджер проекта
Пришла из сферы культуры (фотограф/видеограф, организатор мероприятий). В SkillFactory обучается на DataScience. Научилась работать в Miro, Notion, интегрировать внешние сервисы через API, познакомилась
на практике с Backend-разработкой на Python.
Менеджер проекта
Пришла из сферы культуры (фотограф/видеограф, организатор мероприятий). В SkillFactory обучается на DataScience. Научилась работать в Miro, Notion, интегрировать внешние сервисы через API, познакомилась
на практике с Backend-разработкой на Python.
Алексей Ядринцев —
Data Scientist
По образованию радиоинженер.
В SkillFactory обучается
на DataScience.Развил и закрепил навыки парсинга и формирования БД. Приобрел навык работы
в кросс-функциональной команде.
Data Scientist
По образованию радиоинженер.
В SkillFactory обучается
на DataScience.Развил и закрепил навыки парсинга и формирования БД. Приобрел навык работы
в кросс-функциональной команде.
Елена Трацевская —
BI-аналитик
Руководитель издательских проектов. В SkillFactory обучалась на BI-аналитика. Самостоятельно определила метрики визуализации
и построила dashboard
в стилистике разработанного сайта. Первый опыт в подобном проекте.
BI-аналитик
Руководитель издательских проектов. В SkillFactory обучалась на BI-аналитика. Самостоятельно определила метрики визуализации
и построила dashboard
в стилистике разработанного сайта. Первый опыт в подобном проекте.
Артем Жогло —
Front-end разработчик
По образованию инженер.
В SkillFactory обучается на веб-разработчика на Python. Работал
в продажах. Разработал frontend приложения. Приобрел опыт работы разработчиком в команде, опыт презентации проекта, как Chief Technical Officer.
Front-end разработчик
По образованию инженер.
В SkillFactory обучается на веб-разработчика на Python. Работал
в продажах. Разработал frontend приложения. Приобрел опыт работы разработчиком в команде, опыт презентации проекта, как Chief Technical Officer.
Семен Сорокин —
Back-end разработчик
Пришел из MedTech. В SkillFactory обучался на Python developer. Участвовал в разработке backend’а приложения. Получил опыт работы
и взаимодействия внутри IT команды. Узнал как строятся процессы изнутри и получил больше информации
по ролям в команде (специфика
работы разных специалистов). Усовершенствовал навыки работы
с фреймворком Django и СУБД PostgreSQL.
Back-end разработчик
Пришел из MedTech. В SkillFactory обучался на Python developer. Участвовал в разработке backend’а приложения. Получил опыт работы
и взаимодействия внутри IT команды. Узнал как строятся процессы изнутри и получил больше информации
по ролям в команде (специфика
работы разных специалистов). Усовершенствовал навыки работы
с фреймворком Django и СУБД PostgreSQL.
Юлия Ермолович —
Дизайнер
Бывший преподаватель истории
и искусства. В SkillFactory обучался на UX/UI дизайнера. Приобрела опыт работы в команде. Провела анализ конкурентов и потребностей аудитории. Работала над прототипом сайта, разработала концепцию дизайна, отрисовывала графику. Разработала адаптацию
под мобильное устройство.
Дизайнер
Бывший преподаватель истории
и искусства. В SkillFactory обучался на UX/UI дизайнера. Приобрела опыт работы в команде. Провела анализ конкурентов и потребностей аудитории. Работала над прототипом сайта, разработала концепцию дизайна, отрисовывала графику. Разработала адаптацию
под мобильное устройство.
Владислав Кохан —
Дизайнер
Пришел из разработки. В SkillFactory обучался на UX/UI дизайнера. Занимался проектированием сайта. Приобрел навык работы дизайнером в продуктовой команде.
Дизайнер
Пришел из разработки. В SkillFactory обучался на UX/UI дизайнера. Занимался проектированием сайта. Приобрел навык работы дизайнером в продуктовой команде.
УЧАСТНИКИ КОМАНДЫ
Мы выбрали идею из предоставленных организаторами.
Так как в нашей команде оказалось два дата сайентиста и BI-аналитик, которым нужен
для работы большой объем данных, выбор пал на создание сайта с рецептами. Мы применили
в проекте навыки парсинга, проектирования архитектуры базы данных и анализ этой базы данных (в Jupyter Notebook и создан дашборд в PowerBI).
Так как в нашей команде оказалось два дата сайентиста и BI-аналитик, которым нужен
для работы большой объем данных, выбор пал на создание сайта с рецептами. Мы применили
в проекте навыки парсинга, проектирования архитектуры базы данных и анализ этой базы данных (в Jupyter Notebook и создан дашборд в PowerBI).
В процессе обсуждения стало понятно, что у нас недостаточно опыта для реализации сложных функций
в приложении на уровне разработки. Лучше меньше
да лучше - было нашим девизом на тот момент. Наши разработчики учились в процессе. Не всегда были доступны нужные модули в обучении SF, когда подходил соответствующий этап в работе над приложением. Приходилось искать информацию самим. Но зато потом учебные модули казались не такими сложными для прохождения.
в приложении на уровне разработки. Лучше меньше
да лучше - было нашим девизом на тот момент. Наши разработчики учились в процессе. Не всегда были доступны нужные модули в обучении SF, когда подходил соответствующий этап в работе над приложением. Приходилось искать информацию самим. Но зато потом учебные модули казались не такими сложными для прохождения.
В нашей команде по счастливой случайности оказались backend и fullstack разработчики, которых объединил Python. Поэтому сразу стало очевидным, кто возьмет ответственность
за фронт, а кто за бэк. Хотя общие знания фреймворков Python позволяли гармонично дополнять друг друга в ряде задач.
На этапе формирования планов по работе приложения появилась идея использовать возможности нейросетей (на тот момент последней версией от OpenAI был ChatGPT-3).
До этого мы использовали нейросети для создания иллюстраций.
А Алексей (DS) успешно использовал TensorFlow и Torch в своем личном проекте. Можно сказать, что тяга к нейросетям у нас была давняя. И если бы было чуть больше времени,
мы при наличии двух дата сайентистов написали бы что-то свое, а не просто подключались
к нейросетям по API.
за фронт, а кто за бэк. Хотя общие знания фреймворков Python позволяли гармонично дополнять друг друга в ряде задач.
На этапе формирования планов по работе приложения появилась идея использовать возможности нейросетей (на тот момент последней версией от OpenAI был ChatGPT-3).
До этого мы использовали нейросети для создания иллюстраций.
А Алексей (DS) успешно использовал TensorFlow и Torch в своем личном проекте. Можно сказать, что тяга к нейросетям у нас была давняя. И если бы было чуть больше времени,
мы при наличии двух дата сайентистов написали бы что-то свое, а не просто подключались
к нейросетям по API.
Когда приложение разделилось на две самостоятельные ветки (поиск по базе данных
и генерация рецепта нейросетью), дизайнерам стало проще делить между собой работу.
Юля занялась разработкой концепции дизайна классического рецепта, а Влад взял на себя ответственность за дизайн нейросети. Были проведены UX исследования аудитории, анализ конкурентов. Построены user flow, созданы user stories. На основе проведенного анализа
был разработан прототип будущего сайта, отрисована графика, создан UI-кит.
и генерация рецепта нейросетью), дизайнерам стало проще делить между собой работу.
Юля занялась разработкой концепции дизайна классического рецепта, а Влад взял на себя ответственность за дизайн нейросети. Были проведены UX исследования аудитории, анализ конкурентов. Построены user flow, созданы user stories. На основе проведенного анализа
был разработан прототип будущего сайта, отрисована графика, создан UI-кит.
В итоге все члены команды были задействованы в работе, хотя на начальном этапе было
не совсем ясно, чем заниматься DS и BI. В итоге один DS занимался парсингом, созданием базы данных и помогал разработчикам. Второй DS стал PM, ставил задачи и следил за их выполнением, разработал логику обращения к нейросети
и реализовал её. BI-аналитик создал dashboard в стилистике сайта и помогал
с аналитикой. Дизайнеры разработали яркий и современный дизайн приложения, на всех этапах помогали с оформлением презентаций, чутко прислушивались к пожеланиям разработчиков.
не совсем ясно, чем заниматься DS и BI. В итоге один DS занимался парсингом, созданием базы данных и помогал разработчикам. Второй DS стал PM, ставил задачи и следил за их выполнением, разработал логику обращения к нейросети
и реализовал её. BI-аналитик создал dashboard в стилистике сайта и помогал
с аналитикой. Дизайнеры разработали яркий и современный дизайн приложения, на всех этапах помогали с оформлением презентаций, чутко прислушивались к пожеланиям разработчиков.
Но самый мощный прорыв был у нашего фронтенда и бэкенда. Это выяснилось,
когда мы своей маленькой командой приняли участие в хакатоне Optimize & Organize Challenge.
За двое суток, которые отводились на выполнение задания, мы проделали практически
ту же работу в усеченном варианте, что делали до этого два месяца. И если бы мы начинали разработку своего проекта сейчас, то у нас были бы наполеоновские планы
и мы бы точно справились.
когда мы своей маленькой командой приняли участие в хакатоне Optimize & Organize Challenge.
За двое суток, которые отводились на выполнение задания, мы проделали практически
ту же работу в усеченном варианте, что делали до этого два месяца. И если бы мы начинали разработку своего проекта сейчас, то у нас были бы наполеоновские планы
и мы бы точно справились.
Так что наша команда очень довольна результатами практики и собой.
Идея/реализация
опыт команды