Результаты этапа 1 проекта
  • Проработаны архитектурные решения по унификации моделей машинного обучения
  • Разработана методология ситуативной диагностики непродуктивных функциональных состояний сотрудников
  • Проработаны форматы унифицированного взаимодействия существующих серверных компонентов с подсистемой управления прикладными моделями искусственного интеллекта в режиме потоковой обработки данных
  • Разработана схема развертывания серверных компонентов в режиме кластера с балансировкой нагрузки и автоматизированным масштабированием вычислительных мощностей при возрастании нагрузки на серверные компоненты
  • Разработан план нагрузочного и регрессионного тестирования
  • Определен состав входных параметров, подаваемых на вход моделям машинного обучения
  • Разработан алгоритм очистки и регуляризации данных для обеспечения консистентности и сопоставимости данных, полученных из разнородных источников
  • Разработан справочник типов приложений для определения соответствия между запущенным приложением и характером деятельности пользователя
  • Разработан справочник типов приложений для определения соответствия между запущенным приложением и характером деятельности пользователя
  • Доработана подсистема шины событий для взаимодействия сервисов системы с учетом изменения схемы запросов и ответов
  • Выполнено прототипирование бэкенда веб-сервиса, реализующего прикладную бизнес-логику по развитию ситуативной саморегуляции сотрудников
Умный менеджмент
Решение обеспечивает повышение производительности труда сотрудников, особенно занятых интеллектуальным трудом, а также снижение издержек на подбор, обучение, развитие и удержание персонала.
Результаты этапа 2 проекта
  • Разработан формат передачи размеченных данных между подсистемами
  • Выполнено прототипирование фронтенда веб-сервиса, реализующего прикладную бизнес-логику диагностики непродуктивных состояний
  • Выполнено прототипирование программного агента, обеспечивающего сбор данных с периферийных HID-устройств и упаковку единичных входящих HID-событий в пакеты, характеризующие паттерн ввода
  • Выполнено прототипирование механизма автоматической разметки типов деятельности и агрегации алгоритмических паттернов ввода
  • Доработан сервис аутентификации и авторизации в части обеспечения возможности интеграции с корпоративным ландшафтом заказчиков
  • Выполнено прототипирование пользовательских экранов для подсистемы развития ситуативной саморегуляции сотрудников
  • Разработан встраиваемый модуль потоковой обработки данных для вызова внешних исполняемых файлов, реализующих модели машинного обучения
  • Разработана методика унификации пользовательских интерфейсов подсистем
  • Разработана модель машинного обучения, обеспечивающей классификацию функциональных состояний в модельных ситуациях
  • Разработан фронтенд-фреймворк для верстки пользовательских интерфейсов подсистем, реализуемых в виде веб-приложений
  • Разработаны требования к наборам данных (датасетам) для моделей машинного обучения
  • Разработан прототип бэкенд-фреймворка для прототипирования базовой бизнес-логики подсистем, реализуемых в виде веб-приложений
  • Разработана модель машинного обучения, обеспечивающей кластеризацию данных и выявление корреляций между функциональными состояниями и разметкой деятельности
Персональная диагностика непродуктивных состояний
Решение строит дашборды непродуктивных состояний для выявления оснований улучшения условий труда, предоставляет аналитику об управлении вовлеченностью, продуктивностью и мотивацией сотрудников.