Надежда Корсунова – Теория и практика создания стартапа с нуля (страница 4)

Заказчик (какая компания передаёт задачу): ООО «Технос»21

Представитель заказчика (с кем можно контактировать по вопросам задачи): Корсунова Надежда Николаевна

Контактное лицо по задаче (в Университете 2035):

Требования по правам на интеллектуальную собственность по итогам решения задачи: права на интеллектуальную собственность остаются у заказчика

Требование к составу команды студентов (заказчики могут высказать свои пожелания и советы – какие компетенции должны быть у студентов в команде для работы над задачей): 5-7 человек, которые имеют знания в области создания веб-приложений, знание языков программирования, преимущественноPytnon, готовность предложить свое решение по данной задаче и умение его презентовать для потенциальных клиентов.

С какими регионами и вузами готов работать заказчик (подойдёт ли задача для любых регионов и вузов РФ или необходима точная локализация запроса): любые регионы РФ

Сколько команд готов сопровождать заказчик (одной задачей может одновременно заниматься 1-6 команд по 4-7 человек, для каждой команды необходимо выделить ресурсы для сопровождения проекта, ответов на вопросы и периодические встречи):

Работа будет проводиться в 3 командах по 5-7 человек

Общее описание задачи (чем занимается компания и в чём будет заключаться задача для участников):

Компания занимается научно-технологическими разработками и работой со стартапами. Сейчас ведется работа по созданию собственного маркетплейса для продажи цифровых продуктов для бизнеса.

Задача: Построить AL-модель, которая объединяет информацию из различных веб-ресурсов, а также анализирует рынок и конкурентов проекта. В качестве обучающей выборки предлагается использовать архив проектов Смартека https://smarteka.com/practices?tab=archive . Оценка рынка будет производиться на основе показателей TAM, SAM, SOM.Данные будут собираться на основе программного алгоритма на Python. Обучение модели осуществляется на основе заданного алгоритма на языке программирования Python. Данные извлекаются и передаются через API в реляционную базу данных. На вход модели дается описание проекта, на выход- название конкурентов и описание проекта. Отдельной функцией АL-модели является анализ рынка по таким показателям как TAM, SAM, SOM на основе полученных данных Yandex Wordstat/Google Trends( инетграция производится по API). В данном случае производится алгебраическая операции по заданному программному алгоритму на Python (Pandas, Numpy). На выходе пользователь получает число. Построение программного кода для создания AL-модели осуществляется на основе языка программирования Python и библиотеки numpy. Создание модели осуществляется на основе RandomForestClassifie. Обучение модели осуществляется на основе метода fit(). Для предсказания данных используется метод «predict». Для объдинения данных веб-сайтов используется алгебраическая модель ( тип контента: текст; структура данных: ID, заголовок, содержание, дата публикации, автор; алгебраические операции: проекция для извлечения нужной информации; интеграция- API; навигация –поиск данных; авторизация по коду доступа).

Построение AL-модели на основе содержит ряд этапов:

1. Сбор данных: Сначала собираются большие объемы данных из веба. Это могут быть тексты, изображения, видео и другие типы информации.

2. Инициализация модели: Обучается базовая модель на небольшом наборе размеченных данных. Размеченные данные могут быть получены вручную или автоматически с использованием различных методов.

3. Выбор данных: На каждом шаге активного обучения модель выбирает данные, которые она считает наиболее информативными и нуждающимися в разметке на основе метода разнообразие: Модель выбирает примеры, которые представляют собой разнообразные случаи, чтобы улучшить обобщающую способность.

4. Разметка данных на основе программного алгоритма на Python.

5. Обновление модели: После разметки новых данных модель обучается на данных из представленного датасета .

6. Итерация: Процесс повторяется.

7. Оценка и тестирование: После завершения активного обучения модель тщательно тестируется на отдельном тестовом наборе данных, чтобы убедиться, что она достигла желаемых результатов.

АL-модель нужно интегрировать в чат-бот, который будет под запрос пользователя выдавать результат оценки.

Сайты для поиска конкурентов:

iris.ai/

wizdom.ai

starlight

www.genei.io

https://www.trendhunter.ai

auris

latana.com

comparables.ai

deeperinsights.com

www.roboticmarketer.com

webevis.com

repustate.com

signal-ai.com/

silverbull.tilda.ws/

Сайты для анализа рынка:

Задачи для команды студентов (более детальное описание технического задания для участников):

1. Построить АL-модель

2. Доработать функционал чат-бота

3. Протестировать работу чат-бот

Ожидаемый результат (какой «артефакт» должен получиться у команды по итогам работы): MVP

В ходе работы над проектом смогу предоставить материалы по расширенному функционалу чат-бота.

Награда для студентов при условии успешного выполнения задачи (например, благодарственное письмо для портфолио, мерч компании, предложение о сотрудничестве/практике/стажировке):благодарственное письмо для портфолио, предложение по стажировке для самой сильной команды, которая предложит оригинальное решение задачи

Как сможет развиваться деятельность вокруг задачи после интенсива (возможности дальнейшего развития продукта): питч для потенциальных клиентов с последующей возможностью внедрения в работу компании

Дополнительные вопросы для оформления задачи (это необязательные пункты, вы можете заполнить те, которые считаете наиболее важными и ценными для понимания контекста задачи):

Проблема существует у «молодых» компаний, которые осуществляют работу над стартапами. Им необходимо правильно оценить уровень конкурентоспособности, разрабатываемого ими решения. В настоящее время оценка продукта осуществляется при помощи маркетинговых метрик и методик,что зачастую дает субъективный результат, а также отнимает время.

Участникам нужно иметь навыки построения чат-ботов, преимущественно без кодирования, знать алгоритмы построения AL-моделей

Знание иностранного языка необязательно

Дополнительных ресурсов для реализации проекта не предусмотрено

Выбор направления старт-проекта в проектной деятельности связан с реализацией определенных работ по созданию продукта/решения, и основан на следующих аспектах:

1. Идея проекта ( постановка его гипотезы и ее проверка в рыночных условиях) для конкретной целевой аудитории;

2. Доработка идеи продукта/решения и работа над созданием его прототипа;

3. Выбор технологии для создания продукта/решения;

4. Выбор группы технологий для создания продукта/решения;

5. Формирование команды для работы над проектом до первых продаж продукта/решения;

6. Работа над прототипом, MVP, готовой версией продукта, их тестирование в рыночных условиях с учётом ТЭО и финансовой модели проекта;

7. Поиск инвесторов и презентация проекта;

8. Выход с продуктом/ решением на рынок и первые продажи.

Далее рассмотрим ключевые составляющие старт-проектов:

1.Цель;

2.Задачи;

3.Методы реализации;

4.Описание технологии создания продукта/решения и выбор уникального способа разработки;

5.План работ с указанием роли участника команды;

6.Описание действий команды по работе над проектом;