Избранные кейсы
Карта развития водных видов спорта в России
Интерактивный аналитический дашборд для руководства Федерации водных видов спорта России: от разрозненных Excel-файлов до единой системы принятия решений на основе данных.
Проблема
Данные о спортсменах, тренерах, объектах и результатах хранились в десятках разных файлов и систем. На подготовку одного аналитического отчёта уходили недели ручной работы. Руководство не видело целостной картины развития отрасли.
Решение
- Спроектировал реляционную БД (15+ таблиц, PostgreSQL) для объединения всех источников
- Геокодирование — разместил более 3 600 бассейнов России на интерактивную карту
- Комплексный индекс субъектов РФ из 124 абсолютных и 60 агрегированных показателей
- Дашборд с рейтингами регионов, тепловыми картами и фильтрами
- Система индексов: доступность инфраструктуры, кадры, массовость
Результат
Руководство получило инструмент для решений: видно, где инфраструктура перегружена, где недоиспользуется, какие регионы — драйверы. Возможность моделировать эффект от инвестиций.
Открыть дашборд
в базе
данных
на карте
Предиктивная модель: кто выиграет медаль?
Модель, которая оценивает шансы каждого пловца на медаль по истории выступлений и динамике результатов.
Проблема
Федерация финансирует подготовку сотен спортсменов, но бюджет ограничен. Тренеры отбирают кандидатов интуитивно — субъективно и без единых критериев.
Решение
- Сравнил четыре алгоритма ML и выбрал лучший по кросс-валидации (LightGBM)
- Оптимизировал гиперпараметры за 40 итераций (RandomizedSearchCV)
- Выявил 8 ключевых факторов из 13 через SHAP feature importance
- Проверил влияние дисбаланса классов (SMOTE/SMOTENC) — потолок задаёт качество данных
Результат
Модель угадывает медалиста с точностью 91,6%. Пять главных факторов: текущий уровень, позиция среди сверстников, скорость прогресса, пиковая прогрессия, стабильность. Каждый прогноз с объяснением.
прогнозов
успеха
в сравнении
Анализ техники спортсмена по видео
Система компьютерного зрения, которая строит цифровой скелет спортсмена по видеозаписи, измеряет углы в суставах и выявляет асимметрии движений.
Проблема
Тренер оценивает технику на глаз — но не замечает микро-асимметрии, которые снижают эффективность и повышают риск травм. Нужны объективные числа: углы, амплитуды, баланс сторон.
Решение
- 17 ключевых точек тела в каждом кадре (YOLOv8 / MediaPipe)
- Углы для каждого сустава с разбивкой по фазам движения
- Автоматическое сравнение левой и правой стороны — сигнал об асимметриях
- Экспорт в отчёт с графиками для анализа прогресса между тренировками
Результат
Тренеры получили объективные метрики вместо субъективной оценки. Спортсмены быстрее корректируют движения и снижают риск травм благодаря ранней диагностике дисбаланса.
скелета
realtime
за раз
Детекция клеток крови на микроснимках
Нейросеть, которая находит и классифицирует эритроциты, лейкоциты и тромбоциты на фотографиях мазков крови — мгновенно и без участия лаборанта.
Проблема
Лаборанты вручную считают клетки крови под микроскопом — долго, утомительно и подвержено ошибкам. Один снимок занимает минуты, а их десятки в день.
Решение
- Faster R-CNN (ResNet50-FPN v2), дообучен на микроснимках крови
- Три класса в одном проходе: эритроциты, лейкоциты, тромбоциты
- Transfer learning — адаптация за 10 эпох с весов ImageNet
- Каждая клетка обведена рамкой с классом и confidence
Результат
Модель уверенно распознаёт клетки с confidence 0.9+. Один снимок — за секунду вместо нескольких минут ручного подсчёта. Готовая основа для интеграции в лабораторные системы.
клеток
модели
снимок
ИИ-автоматизация бизнес-процессов
Сценарии на n8n, которые заменяют рутину: принимают документы, извлекают данные, формируют ответы, обновляют базы и отправляют результат — без участия человека.
Проблема
Команды тратят часы на повторяющиеся задачи: разбор документов, перенос данных между системами, подготовка типовых ответов. Каждая проста, но их сотни.
Что автоматизировано
- Обработка входящих документов: файл → ИИ извлекает поля → база + CRM
- ИИ-ассистенты с доступом к базе знаний (RAG)
- ETL-пайплайны: API/таблицы/файлы → очистка → хранилище
- Генерация документов по шаблону + данным за секунды
Как устроено
Каждый сценарий — визуальный пайплайн в n8n: триггер (webhook, расписание, файл) запускает цепочку шагов, ИИ обрабатывает данные, результат уходит в нужную систему. 24/7, без кода.
в проде
людей
для юзера