ЛАНИТ-ТЕРКОМ

Коллеги из компании «Системы компьютерного зрения» продолжают улучшать экосистему продуктов для лесной промышленности Smart Timber🌲

О новом функционале и методах определения коэффициента полнодревесности расскажет гендиректор компании Дмитрий Степанов на Петербургском лесопромышленном форуме.

Из доклада эксперта вы узнаете:

▫️как повысить точность и автоматизировать учёт круглой древесины с помощью системы;
▫️как инновации помогают ускорять измерения;
▫️как новый функционал приложения поможет операторам и менеджерам.

Благодарим партнеров из Ассоциации ЛЕСТЕХ за анонс и ждем встречи на крупнейшем бизнес-ивенте ЛПК!

#LT_события

Языковая модель в программировании — это алгоритм, который по контексту определяет вероятность появления слов в предложении.

Такие программы встраивают в разные сервисы — они помогают улучшать и переводить тексты, делать чат-ботов и голосовых помощников более отзывчивыми к запросам пользователей, учат компьютер естественному человеческому языку.

Языковые модели обучают с помощью специальных методов. О некоторых из них рассказал Тимофей, ведущий специалист по машинному обучению компании «Системы компьютерного зрения».

🔹Обучение на массиве валидных текстовых данных. Его смысл прост: на вход модели подаётся одна часть текста, на выходе получаем вторую. Далее реальная вторая часть текста сравнивается с полученной и значения коэффициентов модели обновляются методом обратного распространения ошибки.

🔹Есть еще один способ: некоторые слова и фразы удаляются из текста, а задача модели — вернуть полноценный текст без пропусков.

О каких методах обучения слышали вы? Делитесь в комментариях!

#LT_технологии

Продакт-менеджер на социально важном проекте о медицине — кто он и какие решает задачи? 🤔

Это специалист, который выводит продукт на рынок и знает его, как свои пять пальцев, следит за тем, чтобы его функции соответствовали потребностям клиентов и умеет вести с ними диалог.

Сегодня о своих задачах рассказывает продакт-менеджер «ЛАНИТ-ТЕРКОМ» Олег. Ежедневно он вместе с командой проекта по цифровизации медицины помогает делать решение удобнее для пользователей.

Листайте карточки, чтобы узнать о профессии больше!

#LT_профессии

📢Открываем набор начинающих ИТ-специалистов на осенний поток Студенческих проектов!

К интенсивным практическим занятиям могут присоединиться студенты ИТ-специальностей и все, кто хочет начать карьеру в ИТ.

Впереди много практики и минимум теории, а главное — возможность сразу применить навыки и получить опыт работы с технологиями на реальных проектах.

Занятия ведут опытные наставники — сотрудники компаний «ЛАНИТ-ТЕРКОМ» и «Системы компьютерного зрения».

А самых лучших студентов ждет оффер на junior-позицию в нашу компанию!

Набор ведется по следующим направлениям:

- разработка (backend, frontend, мобильная разработка),
- UI/UX-дизайн,
- тестирование,
- бизнес-аналитика.

Даты проведения: октябрь — декабрь’ 23

Формат: гибридный, возможно дистанционное участие.

Узнайте подробности и оставьте заявку на участие по ссылке.

#LT_студпроекты

Не секрет, что на студенческих проектах «ЛАНИТ-ТЕРКОМ» происходит магия!🪄

В преддверии старта осеннего потока рассказываем, как студенты под руководством опытных сотрудников компании работают над сервисом для поиска работы в ИТ-секторе, нетворкинга и превращают этот непростой процесс в увлекательное и полезное занятие.

Менторы frontend-разработчиков Дмитрий и Даниил, руководитель проекта Роман и backend-разработчик Игорь поделились свежими инсайдами, рассказали о «кухне» проекта, его архитектуре, стеке и планах на разработку в осеннем потоке интенсивов.

Листайте карточки!

#LT_студпроекты

Возможности машинного обучения (ML) в медицине становятся все шире!

Оно помогает выявлять патологии, фиксировать аномалии на снимках, быстро обрабатывать большие массивы данных.

Рассказываем, как команда «ЛАНИТ-ТЕРКОМ» работала над решением по определению патологии по флюорографии с помощью ML.

🔹Что было на старте

Несколько тысяч обезличенных оцифрованных флюорографий, часть из которых помечена как флюорографии с патологиями.

🔹Как мы работали с данными

Чтобы научить алгоритмы видеть отклонения от нормы, мы использовали метод Deep Learning — нейросети самообучались на большом массиве данных.

Сперва мы отфильтровали отклонения от общего шаблона снимков грудной клетки, а затем проанализировали их.

Еще мы создали метод интеллектуального анализа данных УЗИ-мониторинга, чтобы автоматизировать диагностику нарушений мозгового кровообращения.

🔹Что дальше?

Полученные методы могут быть использованы в разных областях. Так, мы планируем реализацию аппаратной платформы на базе FPGA.

#LT_технологии

Угадайте, сколько раз мы отвлекались на другие (очень важные) дела, пока писали этот пост? Почти ни разу!

А все потому, что нашли в библиотеке МИФ полезное руководство, которое позволит подружиться с прокрастинацией и даже извлечь из нее пользу.

Разбираем в карточках лайфхаки из книги Катлин Смит «Управление тревогой. Системный подход к борьбе с беспокойством на работе и в отношениях» и предлагаем выполнить небольшое упражнение: на листике (а самые смелые могут сделать это прямо в комментариях к посту!) напишите, что поможет вам меньше переживать из-за продуктивности.

Кстати, электронная версия издания доступна бесплатно для всех сотрудников компании в корпоративной библиотеке💙

#LT_work_life_balance