MOD / CASES

Созданные продукты

Сложные продукты, спроектированные и реализованные end-to-end: AI SaaS, HRTech, data-платформы, e-commerce, Web3 и прикладное машинное обучение.

05 CASE FILES

Экосистема UM

Продукты с одной инженерной культурой

Кейсы

Показано: 5 / 5
Фильтр:

AvtoUM

Год2026
avtoum.ru · ИИ-продавец · SaaS

ИИ-продавец: консультирует клиента и доводит до заявки — 24/7 на сайте, в VK и Avito

Единое ядро связывает три канала, AI-диалоги, мини-CRM и живую телеметрию «Пульс». Руководитель видит обращения в реальном времени и может подключиться там, где нужен человек.

LLMAI-агентCRMRealtime
Ключевые показатели
34 687
диалогов/мес
21 67062%
успешных лидов
Диалоги → лиды
Диалоги / мес34 687
Успешные лиды21 670
27
Ниш бизнеса
63
Компаний
3
Каналов
1.6M
API-токенов

SvoyUM

Год2026
svoyum.ru · Android · product architecture · privacy

Local-first система личного прогресса: одна событийная модель для задач, проектов, обучения, движения, книг, привычек и финансов

Основа продукта — локальные события: действие превращается в факт, а затем в объяснимый вывод. База остаётся на устройстве; миграции и резервная копия помогают сохранять данные при развитии продукта.

AndroidLocal-firstProduct architecturePrivacyMigrations
Ключевые показатели
ANDROID
выпущенный продукт
LOCAL
личная база на устройстве
От действия к выводу
  1. 01
    Действие
  2. 02
    Ядро
  3. 03
    Вывод
  4. 04
    Приватность
APK
Статус
LOCAL-FIRST
Основа
MIGRATIONS
Данные
INTERNAL BETA
Cloud

4iTX

Год2026
4itx.ru · HRTech-платформа · Data · AI

HRTech-платформа для deep-tech рынка труда: вакансии РФ, AI-классификация и данные рынка

Вакансии из нескольких источников проходят очистку и нормализацию, затем AI-классификацию по направлению и грейду. Пользователь получает фильтры по навыкам, формату и зарплате, а не набор разрозненных объявлений.

HRTechDataLLMWeb3Cloud
Ключевые показатели
12 000+
вакансий
5
направлений
Путь вакансии
  1. 01
    Источники
  2. 02
    Парсинг / очистка
  3. 03
    AI-классификация
  4. 04
    Витрина
3
Источников
~12 000
Вакансий в индексе
~7 400
С зарплатой

UMZARUMZAR

Год2025
ФИПС · гос. регистрация · Data Science · таксономия · верификация

Научная таксономия мировой коммерческой древесины (МКД)

Одно торговое название может скрывать разные виды. UMZAR сводит названия и свойства к единой модели: таксономия, уникальные коды и матрица из 25 ячеек помогают искать, сравнивать и проверять записи. Модель применима в торговле, деревообработке, таможне и исследованиях.

Data ScienceТаксономияМатрицаVerification
Ключевые показатели
186
верифицированных видов
459
подвидов древесины
Матрица классификатора · 5 × 5
Плотность, кг/м³ →
Долговечность →
P1
P2
P3
P4
P5
D1–P1
D1–P2
D1–P3
D1–P4
D1–P5
D2–P1
D2–P2
D2–P3
D2–P4
D2–P5
D3–P1
D3–P2
D3–P3
D3–P4
D3–P5
D4–P1
D4–P2
D4–P3
D4–P4
D4–P5
D5–P1
D5–P2
D5–P3
D5–P4
D5–P5
P1 <500P2 500–650P3 650–800P4 800–950P5 >950kg/m³
D1 Нестойкие · <5 летD2 Малостойкие · 5–10 летD3 Среднестойкие · 10–15 летD4 Стойкие · 15–25 летD5 Высокостойкие · >25 лет
Матрица
Метод
Data Science
Подход

MEDCYB

Год2024
СПбГПМУ · Machine Learning · медицина · исследование

ML-распознавание предикторов гестационного сахарного диабета у рожениц

Исследовательский процесс охватывает проверку качества данных, EDA, подготовку признаков и валидацию классификационных подходов. Полученные закономерности обсуждаются с врачами; модель не заменяет клиническое решение.

Machine LearningData ScienceHealthcareResearch
Ключевые показатели
15 000+
клинических наблюдений
~85
исходных параметров
Исследовательский процесс
  1. 01
    Датасет
  2. 02
    Подготовка
  3. 03
    Отбор признаков
  4. 04
    Модель
ML
Метод
ГСД
Предикторы