Wiki - Факультет компьютерных наук - Вклад [ru]

Универсальный конструктор юридических документов (командный проект)

2017-09-29T12:27:41Z

EasyLaw:

{{Карточка_командного_проекта
|name=Универсальный конструктор юридических документов
|company=Easy Law
|semester=Осень 2017
|course=3
|number_of_students=5
|categorize=yes
}}

=== Что это за проект? ===
Продукт предназначен для сектора b2b, а именно для компаний с юридическим отделом более 15 специалистов и оборотом более 1000 юридических документов в месяц. Конструктор решает проблему составления документов, в особенности договоров. В компаниях часто отсутствуют продукты автоматизации, которые бы помогали юристам быстрее и качественнее работать с документами. Это включает проблемы работы с версиями документов, создания типовых документов, подготовки пакетов документов, автозаполнения. Автоматизация этих процессов будет экономить до 50% времени юриста и десятки миллионов рублей в год для организации.

Мы решаем вышеуказанные проблемы, концентрируя внимание на вопросе создания типовых документов.

=== Чему научатся студенты? Что самое интересное в проекте? ===
Технологии машинного обучения, создание онлайн-редактора документа.

=== Организация работы (Как студенты будут работать в команде?) ===
1 студент будет выполнять работу на бэк-эндк.

1 студент будет выполнять работу на фронт-энде.

Куратор проект будет координировать их работу.

=== Компоненеты (Из каких частей состоит проект?) ===
На первом этапе конструктор юридических документов должен выполнять следующие функции:
- разбивать текст документа на блоки
- определять взаимоисключающие условия
- определять взаимодополняющие условия
Первый этап реализуется до января 2018г.

На следующем этапе создается онлайн-редактор для реализации следующих задач:
- конструирование документов на основе ранее определенных логических связей
- настраивание документа для автозаполнения (проставление меток)
Этот этап реализуется до апреля 2018г.

На последнем этапе реализуется машинное обучение.
Алгоритмы машинного обучения должны выполнять следующие функции:
- обучаться на опыте настраивания конструктора пользователем, чтобы экономить дополнительные 10% времени юриста
- обучаться на опыте проставления пользователем меток для автозаполнения, чтобы экономить дополнительные 10% времени юриста
Последний этап реализуется до июня 2018г.

=== Какие будут использоваться технологии? ===
Студенты научатся:

- обрабатывать текст на разных уровнях препроцессинга (токенизация, pos-tagging, разбиение на предложения)

- работать с сервером через ssh; работать в командной строке Linux

- работать с приложениями посредством REST API

- работать с бэкендом на Django/Flask

- писать фронтенд, используя современные фреймворки и технологии (Bootstrap/JQuery и т.п.)

- работать с системой контроля версий git

- покрывать код тестами

=== Какие начальные требования? ===
- знания Python

- начальные знания HTML, CSS

- инициативность в решении задач разработки

- желательно и очень приветствуется: знание JavaScript, Django/Flask, работа с REST API, NLP, scikit-learn

- или желание во всем этом разбираться

=== Темы вводных занятий ===
1. Общее описание технологий NLP и алгоритмов машинного обучения.

=== Критерии оценки ===
В части бэк-энда:

4-5:
функционал по разбивке текста на блоки

6-7:
функционал конструирования документов на основе ранее определенных логических связей и настраивание документа для автозаполнения (проставление меток)

8-10
внедрение алгоритмов машинного обучения поверх вышеупомянутых фукнций

В части web:

4-5:
минимальный функционал веб-приложения

6-7:
реализация на фронт-энде функционала конструирования документов на основе ранее определенных логических связей

8-10:
реализация на фронт-энде функционала настраивания документа для автозаполнения (проставление меток)

=== Похожие проекты ===
FreshDoc (freshdoc.ru) - конструктор юридических документов

=== Контактная информация ===
Андрей Диденко

Универсальный конструктор юридических документов (командный проект)

2017-09-29T12:22:40Z

EasyLaw:

{{Карточка_командного_проекта
|name=Универсальный конструктор юридических документов
|company=Easy Law
|semester=Осень 2017
|course=3
|number_of_students=5
|categorize=yes
}}

=== Что это за проект? ===
Продукт предназначен для сектора b2b, а именно для компаний с юридическим отделом более 15 специалистов и оборотом более 1000 юридических документов в месяц. Конструктор решает проблему составления документов, в особенности договоров. В компаниях часто отсутствуют продукты автоматизации, которые бы помогали юристам быстрее и качественнее работать с документами. Это включает проблемы работы с версиями документов, создания типовых документов, подготовки пакетов документов, автозаполнения. Автоматизация этих процессов будет экономить до 50% времени юриста и десятки миллионов рублей в год для организации.

Мы решаем вышеуказанные проблемы, концентрируя внимание на вопросе создания типовых документов.

=== Чему научатся студенты? Что самое интересное в проекте? ===
Технологии машинного обучения, создание онлайн-редактора документа.

=== Организация работы (Как студенты будут работать в команде?) ===
1 студент будет выполнять работу на бэк-эндк.

1 студент будет выполнять работу на фронт-энде.

Куратор проект будет координировать их работу.

=== Компоненеты (Из каких частей состоит проект?) ===
На первом этапе конструктор юридических документов должен выполнять следующие функции:
- разбивать текст документа на блоки
- определять взаимоисключающие условия
- определять взаимодополняющие условия
Первый этап реализуется до января 2018г.

На следующем этапе создается онлайн-редактор для реализации следующих задач:
- конструирование документов на основе ранее определенных логических связей
- настраивание документа для автозаполнения (проставление меток)
Этот этап реализуется до апреля 2018г.

На последнем этапе реализуется машинное обучение.
Алгоритмы машинного обучения должны выполнять следующие функции:
- обучаться на опыте настраивания конструктора пользователем, чтобы экономить дополнительные 10% времени юриста
- обучаться на опыте проставления пользователем меток для автозаполнения, чтобы экономить дополнительные 10% времени юриста
Последний этап реализуется до июня 2018г.

=== Какие будут использоваться технологии? ===
Студенты научатся:

- обрабатывать текст на разных уровнях препроцессинга (токенизация, pos-tagging, разбиение на предложения)

- работать с сервером через ssh; работать в командной строке Linux

- работать с приложениями посредством REST API

- работать с бэкендом на Django/Flask

- писать фронтенд, используя современные фреймворки и технологии (Bootstrap/JQuery и т.п.)

- работать с системой контроля версий git

- покрывать код тестами

=== Какие начальные требования? ===
- знания Python

- начальные знания HTML, CSS

- инициативность в решении задач разработки

- желательно и очень приветствуется: знание JavaScript, Django/Flask, работа с REST API, NLP, scikit-learn

- или желание во всем этом разбираться

=== Темы вводных занятий ===
1. Общее описание технологий NLP и алгоритмов машинного обучения.

=== Критерии оценки ===
В части бэк-энда:

4-5:
функционал по разбивке текста на блоки

6-7:
функционал конструирования документов на основе ранее определенных логических связей и настраивание документа для автозаполнения (проставление меток)

8-10
внедрение алгоритмов машинного обучения поверх вышеупомянутых фукнций

В части web:

4-5:
минимальный функционал веб-приложения

6-7:
реализация на фронт-энде функционала конструирования документов на основе ранее определенных логических связей

8-10:
реализация на фронт-энде функционала настраивания документа для автозаполнения (проставление меток)

=== Похожие проекты ===
FreshDoc - конструктор юридических документов

=== Контактная информация ===
Андрей Диденко

Универсальный конструктор юридических документов (командный проект)

2017-09-29T12:22:26Z

EasyLaw:

{{Карточка_командного_проекта
|name=Универсальный конструктор юридических документов
|company=Easy Law
|semester=Осень 2017
|course=3
|number_of_students=5
|categorize=yes
}}

=== Что это за проект? ===
Продукт предназначен для сектора b2b, а именно для компаний с юридическим отделом более 15 специалистов и оборотом более 1000 юридических документов в месяц. Конструктор решает проблему составления документов, в особенности договоров. В компаниях часто отсутствуют продукты автоматизации, которые бы помогали юристам быстрее и качественнее работать с документами. Это включает проблемы работы с версиями документов, создания типовых документов, подготовки пакетов документов, автозаполнения. Автоматизация этих процессов будет экономить до 50% времени юриста и десятки миллионов рублей в год для организации.

Мы решаем вышеуказанные проблемы, концентрируя внимание на вопросе создания типовых документов.

=== Чему научатся студенты? Что самое интересное в проекте? ===
Технологии машинного обучения, создание онлайн-редактора текста.

=== Организация работы (Как студенты будут работать в команде?) ===
1 студент будет выполнять работу на бэк-эндк.

1 студент будет выполнять работу на фронт-энде.

Куратор проект будет координировать их работу.

=== Компоненеты (Из каких частей состоит проект?) ===
На первом этапе конструктор юридических документов должен выполнять следующие функции:
- разбивать текст документа на блоки
- определять взаимоисключающие условия
- определять взаимодополняющие условия
Первый этап реализуется до января 2018г.

На следующем этапе создается онлайн-редактор для реализации следующих задач:
- конструирование документов на основе ранее определенных логических связей
- настраивание документа для автозаполнения (проставление меток)
Этот этап реализуется до апреля 2018г.

На последнем этапе реализуется машинное обучение.
Алгоритмы машинного обучения должны выполнять следующие функции:
- обучаться на опыте настраивания конструктора пользователем, чтобы экономить дополнительные 10% времени юриста
- обучаться на опыте проставления пользователем меток для автозаполнения, чтобы экономить дополнительные 10% времени юриста
Последний этап реализуется до июня 2018г.

=== Какие будут использоваться технологии? ===
Студенты научатся:

- обрабатывать текст на разных уровнях препроцессинга (токенизация, pos-tagging, разбиение на предложения)

- работать с сервером через ssh; работать в командной строке Linux

- работать с приложениями посредством REST API

- работать с бэкендом на Django/Flask

- писать фронтенд, используя современные фреймворки и технологии (Bootstrap/JQuery и т.п.)

- работать с системой контроля версий git

- покрывать код тестами

=== Какие начальные требования? ===
- знания Python

- начальные знания HTML, CSS

- инициативность в решении задач разработки

- желательно и очень приветствуется: знание JavaScript, Django/Flask, работа с REST API, NLP, scikit-learn

- или желание во всем этом разбираться

=== Темы вводных занятий ===
1. Общее описание технологий NLP и алгоритмов машинного обучения.

=== Критерии оценки ===
В части бэк-энда:

4-5:
функционал по разбивке текста на блоки

6-7:
функционал конструирования документов на основе ранее определенных логических связей и настраивание документа для автозаполнения (проставление меток)

8-10
внедрение алгоритмов машинного обучения поверх вышеупомянутых фукнций

В части web:

4-5:
минимальный функционал веб-приложения

6-7:
реализация на фронт-энде функционала конструирования документов на основе ранее определенных логических связей

8-10:
реализация на фронт-энде функционала настраивания документа для автозаполнения (проставление меток)

=== Похожие проекты ===
FreshDoc - конструктор юридических документов

=== Контактная информация ===
Андрей Диденко

Универсальный конструктор юридических документов (командный проект)

2017-09-29T12:21:58Z

EasyLaw:

{{Карточка_командного_проекта
|name=Универсальный конструктор юридических документов
|company=Easy Law
|semester=Осень 2017
|course=3
|number_of_students=5
|categorize=yes
}}

=== Что это за проект? ===
Продукт предназначен для сектора b2b, а именно для компаний с юридическим отделом более 15 специалистов и оборотом более 1000 юридических документов в месяц. Конструктор решает проблему составления документов, в особенности договоров. В компаниях часто отсутствуют продукты автоматизации, которые бы помогали юристам быстрее и качественнее работать с документами. Это включает проблемы работы с версиями документов, создания типовых документов, подготовки пакетов документов, автозаполнения. Автоматизация этих процессов будет экономить до 50% времени юриста и десятки миллионов рублей в год для организации.

Мы решаем вышеуказанные проблемы, концентрируя внимание на вопросе создания типовых документов.

=== Чему научатся студенты? Что самое интересное в проекте? ===
Технологии машинного обучения, создание онлайн-редактора текста.

=== Организация работы (Как студенты будут работать в команде?) ===
1 студент будет выполнять работу на бэк-эндк.
1 студент будет выполнять работу на фронт-энде.
Куратор проект будет координировать их работу.

=== Компоненеты (Из каких частей состоит проект?) ===
На первом этапе конструктор юридических документов должен выполнять следующие функции:
- разбивать текст документа на блоки
- определять взаимоисключающие условия
- определять взаимодополняющие условия
Первый этап реализуется до января 2018г.

На следующем этапе создается онлайн-редактор для реализации следующих задач:
- конструирование документов на основе ранее определенных логических связей
- настраивание документа для автозаполнения (проставление меток)
Этот этап реализуется до апреля 2018г.

На последнем этапе реализуется машинное обучение.
Алгоритмы машинного обучения должны выполнять следующие функции:
- обучаться на опыте настраивания конструктора пользователем, чтобы экономить дополнительные 10% времени юриста
- обучаться на опыте проставления пользователем меток для автозаполнения, чтобы экономить дополнительные 10% времени юриста
Последний этап реализуется до июня 2018г.

=== Какие будут использоваться технологии? ===
Студенты научатся:

- обрабатывать текст на разных уровнях препроцессинга (токенизация, pos-tagging, разбиение на предложения)

- работать с сервером через ssh; работать в командной строке Linux

- работать с приложениями посредством REST API

- работать с бэкендом на Django/Flask

- писать фронтенд, используя современные фреймворки и технологии (Bootstrap/JQuery и т.п.)

- работать с системой контроля версий git

- покрывать код тестами

=== Какие начальные требования? ===
- знания Python

- начальные знания HTML, CSS

- инициативность в решении задач разработки

- желательно и очень приветствуется: знание JavaScript, Django/Flask, работа с REST API, NLP, scikit-learn

- или желание во всем этом разбираться

=== Темы вводных занятий ===
1. Общее описание технологий NLP и алгоритмов машинного обучения.

=== Критерии оценки ===
В части бэк-энда:

4-5:
функционал по разбивке текста на блоки

6-7:
функционал конструирования документов на основе ранее определенных логических связей и настраивание документа для автозаполнения (проставление меток)

8-10
внедрение алгоритмов машинного обучения поверх вышеупомянутых фукнций

В части web:

4-5:
минимальный функционал веб-приложения

6-7:
реализация на фронт-энде функционала конструирования документов на основе ранее определенных логических связей

8-10:
реализация на фронт-энде функционала настраивания документа для автозаполнения (проставление меток)

=== Похожие проекты ===
FreshDoc - конструктор юридических документов

=== Контактная информация ===
Андрей Диденко

Универсальный конструктор юридических документов (командный проект)

2017-09-29T12:21:50Z

EasyLaw:

{{Карточка_командного_проекта
|name=Универсальный конструктор юридических документов
|company=Easy Law
|semester=Осень 2017
|course=3
|number_of_students=5
|categorize=yes
}}

=== Что это за проект? ===
Продукт предназначен для сектора b2b, а именно для компаний с юридическим отделом более 15 специалистов и оборотом более 1000 юридических документов в месяц. Конструктор решает проблему составления документов, в особенности договоров. В компаниях часто отсутствуют продукты автоматизации, которые бы помогали юристам быстрее и качественнее работать с документами. Это включает проблемы работы с версиями документов, создания типовых документов, подготовки пакетов документов, автозаполнения. Автоматизация этих процессов будет экономить до 50% времени юриста и десятки миллионов рублей в год для организации.

Мы решаем вышеуказанные проблемы, концентрируя внимание на вопросе создания типовых документов.

=== Чему научатся студенты? Что самое интересное в проекте? ===
Технологии машинного обучения, создание онлайн-редактора текста.

=== Организация работы (Как студенты будут работать в команде?) ===
1 студент будет выполнять работу на бэк-эндк.
1 студент будет выполнять работу на фронт-энде.
Куратор проект будет координировать их работу.

=== Компоненеты (Из каких частей состоит проект?) ===
На первом этапе конструктор юридических документов должен выполнять следующие функции:
- разбивать текст документа на блоки
- определять взаимоисключающие условия
- определять взаимодополняющие условия
Первый этап реализуется до января 2018г.

На следующем этапе создается онлайн-редактор для реализации следующих задач:
- конструирование документов на основе ранее определенных логических связей
- настраивание документа для автозаполнения (проставление меток)
Этот этап реализуется до апреля 2018г.

На последнем этапе реализуется машинное обучение.
Алгоритмы машинного обучения должны выполнять следующие функции:
- обучаться на опыте настраивания конструктора пользователем, чтобы экономить дополнительные 10% времени юриста
- обучаться на опыте проставления пользователем меток для автозаполнения, чтобы экономить дополнительные 10% времени юриста
Последний этап реализуется до июня 2018г.

=== Какие будут использоваться технологии? ===
Студенты научатся:
- обрабатывать текст на разных уровнях препроцессинга (токенизация, pos-tagging, разбиение на предложения)

- работать с сервером через ssh; работать в командной строке Linux

- работать с приложениями посредством REST API

- работать с бэкендом на Django/Flask

- писать фронтенд, используя современные фреймворки и технологии (Bootstrap/JQuery и т.п.)

- работать с системой контроля версий git

- покрывать код тестами

=== Какие начальные требования? ===
- знания Python

- начальные знания HTML, CSS

- инициативность в решении задач разработки

- желательно и очень приветствуется: знание JavaScript, Django/Flask, работа с REST API, NLP, scikit-learn

- или желание во всем этом разбираться

=== Темы вводных занятий ===
1. Общее описание технологий NLP и алгоритмов машинного обучения.

=== Критерии оценки ===
В части бэк-энда:

4-5:
функционал по разбивке текста на блоки

6-7:
функционал конструирования документов на основе ранее определенных логических связей и настраивание документа для автозаполнения (проставление меток)

8-10
внедрение алгоритмов машинного обучения поверх вышеупомянутых фукнций

В части web:

4-5:
минимальный функционал веб-приложения

6-7:
реализация на фронт-энде функционала конструирования документов на основе ранее определенных логических связей

8-10:
реализация на фронт-энде функционала настраивания документа для автозаполнения (проставление меток)

=== Похожие проекты ===
FreshDoc - конструктор юридических документов

=== Контактная информация ===
Андрей Диденко

Универсальный конструктор юридических документов (командный проект)

2017-09-29T12:21:36Z

EasyLaw:

{{Карточка_командного_проекта
|name=Универсальный конструктор юридических документов
|company=Easy Law
|semester=Осень 2017
|course=3
|number_of_students=5
|categorize=yes
}}

=== Что это за проект? ===
Продукт предназначен для сектора b2b, а именно для компаний с юридическим отделом более 15 специалистов и оборотом более 1000 юридических документов в месяц. Конструктор решает проблему составления документов, в особенности договоров. В компаниях часто отсутствуют продукты автоматизации, которые бы помогали юристам быстрее и качественнее работать с документами. Это включает проблемы работы с версиями документов, создания типовых документов, подготовки пакетов документов, автозаполнения. Автоматизация этих процессов будет экономить до 50% времени юриста и десятки миллионов рублей в год для организации.

Мы решаем вышеуказанные проблемы, концентрируя внимание на вопросе создания типовых документов.

=== Чему научатся студенты? Что самое интересное в проекте? ===
Технологии машинного обучения, создание онлайн-редактора текста.

=== Организация работы (Как студенты будут работать в команде?) ===
1 студент будет выполнять работу на бэк-эндк.
1 студент будет выполнять работу на фронт-энде.
Куратор проект будет координировать их работу.

=== Компоненеты (Из каких частей состоит проект?) ===
На первом этапе конструктор юридических документов должен выполнять следующие функции:
- разбивать текст документа на блоки
- определять взаимоисключающие условия
- определять взаимодополняющие условия
Первый этап реализуется до января 2018г.

На следующем этапе создается онлайн-редактор для реализации следующих задач:
- конструирование документов на основе ранее определенных логических связей
- настраивание документа для автозаполнения (проставление меток)
Этот этап реализуется до апреля 2018г.

На последнем этапе реализуется машинное обучение.
Алгоритмы машинного обучения должны выполнять следующие функции:
- обучаться на опыте настраивания конструктора пользователем, чтобы экономить дополнительные 10% времени юриста
- обучаться на опыте проставления пользователем меток для автозаполнения, чтобы экономить дополнительные 10% времени юриста
Последний этап реализуется до июня 2018г.

=== Какие будут использоваться технологии? ===
Студенты научатся:
- обрабатывать текст на разных уровнях препроцессинга (токенизация, pos-tagging, разбиение на предложения)
- работать с сервером через ssh; работать в командной строке Linux
- работать с приложениями посредством REST API
- работать с бэкендом на Django/Flask
- писать фронтенд, используя современные фреймворки и технологии (Bootstrap/JQuery и т.п.)
- работать с системой контроля версий git
- покрывать код тестами

=== Какие начальные требования? ===
- знания Python

- начальные знания HTML, CSS

- инициативность в решении задач разработки

- желательно и очень приветствуется: знание JavaScript, Django/Flask, работа с REST API, NLP, scikit-learn

- или желание во всем этом разбираться

=== Темы вводных занятий ===
1. Общее описание технологий NLP и алгоритмов машинного обучения.

=== Критерии оценки ===
В части бэк-энда:

4-5:
функционал по разбивке текста на блоки

6-7:
функционал конструирования документов на основе ранее определенных логических связей и настраивание документа для автозаполнения (проставление меток)

8-10
внедрение алгоритмов машинного обучения поверх вышеупомянутых фукнций

В части web:

4-5:
минимальный функционал веб-приложения

6-7:
реализация на фронт-энде функционала конструирования документов на основе ранее определенных логических связей

8-10:
реализация на фронт-энде функционала настраивания документа для автозаполнения (проставление меток)

=== Похожие проекты ===
FreshDoc - конструктор юридических документов

=== Контактная информация ===
Андрей Диденко

Универсальный конструктор юридических документов (командный проект)

2017-09-29T12:20:56Z

EasyLaw:

{{Карточка_командного_проекта
|name=Универсальный конструктор юридических документов
|company=Easy Law
|semester=Осень 2017
|course=3
|number_of_students=5
|categorize=yes
}}

=== Что это за проект? ===
Продукт предназначен для сектора b2b, а именно для компаний с юридическим отделом более 15 специалистов и оборотом более 1000 юридических документов в месяц. Конструктор решает проблему составления документов, в особенности договоров. В компаниях часто отсутствуют продукты автоматизации, которые бы помогали юристам быстрее и качественнее работать с документами. Это включает проблемы работы с версиями документов, создания типовых документов, подготовки пакетов документов, автозаполнения. Автоматизация этих процессов будет экономить до 50% времени юриста и десятки миллионов рублей в год для организации.

Мы решаем вышеуказанные проблемы, концентрируя внимание на вопросе создания типовых документов.

=== Чему научатся студенты? Что самое интересное в проекте? ===
Технологии машинного обучения, создание онлайн-редактора текста.

=== Организация работы (Как студенты будут работать в команде?) ===
1 студент будет выполнять работу на бэк-эндк.
1 студент будет выполнять работу на фронт-энде.
Куратор проект будет координировать их работу.

=== Компоненеты (Из каких частей состоит проект?) ===
На первом этапе конструктор юридических документов должен выполнять следующие функции:
- разбивать текст документа на блоки
- определять взаимоисключающие условия
- определять взаимодополняющие условия
Первый этап реализуется до января 2018г.

На следующем этапе создается онлайн-редактор для реализации следующих задач:
- конструирование документов на основе ранее определенных логических связей
- настраивание документа для автозаполнения (проставление меток)
Этот этап реализуется до апреля 2018г.

На последнем этапе реализуется машинное обучение.
Алгоритмы машинного обучения должны выполнять следующие функции:
- обучаться на опыте настраивания конструктора пользователем, чтобы экономить дополнительные 10% времени юриста
- обучаться на опыте проставления пользователем меток для автозаполнения, чтобы экономить дополнительные 10% времени юриста
Последний этап реализуется до июня 2018г.

=== Какие будут использоваться технологии? ===
Студенты научатся:
- обрабатывать текст на разных уровнях препроцессинга (токенизация, pos-tagging, разбиение на предложения)
- работать с сервером через ssh; работать в командной строке Linux
- работать с приложениями посредством REST API
- работать с бэкендом на Django/Flask
- писать фронтенд, используя современные фреймворки и технологии (Bootstrap/JQuery и т.п.)
- работать с системой контроля версий git
- покрывать код тестами

=== Какие начальные требования? ===
- знания Python
- начальные знания HTML, CSS
- инициативность в решении задач разработки
- желательно и очень приветствуется: знание JavaScript, Django/Flask, работа с REST API, NLP, scikit-learn
- или желание во всем этом разбираться

=== Темы вводных занятий ===
1. Общее описание технологий NLP и алгоритмов машинного обучения.

=== Критерии оценки ===
В части бэк-энда:

4-5:
функционал по разбивке текста на блоки

6-7:
функционал конструирования документов на основе ранее определенных логических связей и настраивание документа для автозаполнения (проставление меток)

8-10
внедрение алгоритмов машинного обучения поверх вышеупомянутых фукнций

В части web:

4-5:
минимальный функционал веб-приложения

6-7:
реализация на фронт-энде функционала конструирования документов на основе ранее определенных логических связей

8-10:
реализация на фронт-энде функционала настраивания документа для автозаполнения (проставление меток)

=== Похожие проекты ===
FreshDoc - конструктор юридических документов

=== Контактная информация ===
Андрей Диденко

Универсальный конструктор юридических документов (командный проект)

2017-09-29T12:11:26Z

EasyLaw:

{{Карточка_командного_проекта
|name=Универсальный конструктор юридических документов
|company=Easy Law
|semester=Осень 2017
|course=3
|number_of_students=5
|categorize=yes
}}

=== Что это за проект? ===
Продукт предназначен для сектора b2b, а именно для компаний с юридическим отделом более 15 специалистов и оборотом более 1000 юридических документов в месяц. Конструктор решает проблему составления документов, в особенности договоров. В компаниях часто отсутствуют продукты автоматизации, которые бы помогали юристам быстрее и качественнее работать с документами. Это включает проблемы работы с версиями документов, создания типовых документов, подготовки пакетов документов, автозаполнения. Автоматизация этих процессов будет экономить до 50% времени юриста и десятки миллионов рублей в год для организации.

Мы решаем вышеуказанные проблемы, концентрируя внимание на вопросе создания типовых документов.

=== Чему научатся студенты? Что самое интересное в проекте? ===
Технологии машинного обучения, создание онлайн-редактора текста.

=== Организация работы (Как студенты будут работать в команде?) ===
1 студент будет выполнять работу на бэк-эндк.
1 студент будет выполнять работу на фронт-энде.
Куратор проект будет координировать их работу.

=== Компоненеты (Из каких частей состоит проект?) ===
На первом этапе конструктор юридических документов должен выполнять следующие функции:
- разбивать текст документа на блоки
- определять взаимоисключающие условия
- определять взаимодополняющие условия
Первый этап реализуется до января 2018г.

На следующем этапе создается онлайн-редактор для реализации следующих задач:
- конструирование документов на основе ранее определенных логических связей
- настраивание документа для автозаполнения (проставление меток)
Этот этап реализуется до апреля 2018г.

На последнем этапе реализуется машинное обучение.
Алгоритмы машинного обучения должны выполнять следующие функции:
- обучаться на опыте настраивания конструктора пользователем, чтобы экономить дополнительные 10% времени юриста
- обучаться на опыте проставления пользователем меток для автозаполнения, чтобы экономить дополнительные 10% времени юриста
Последний этап реализуется до июня 2018г.

=== Какие будут использоваться технологии? ===
Студенты научатся:
- обрабатывать текст на разных уровнях препроцессинга (токенизация, pos-tagging, разбиение на предложения)
- работать с сервером через ssh; работать в командной строке Linux
- работать с приложениями посредством REST API
- работать с бэкендом на Django/Flask
- писать фронтенд, используя современные фреймворки и технологии (Bootstrap/JQuery и т.п.)
- работать с системой контроля версий git
- покрывать код тестами

=== Какие начальные требования? ===
- знания Python
- начальные знания HTML, CSS
- инициативность в решении задач разработки
- желательно и очень приветствуется: знание JavaScript, Django/Flask, работа с REST API, NLP, scikit-learn
- или желание во всем этом разбираться

=== Темы вводных занятий ===
1. Общее описание технологий NLP и алгоритмов машинного обучения.

=== Критерии оценки ===
Будет добавлено в ближайшее время

=== Похожие проекты ===
FreshDoc - конструктор юридических документов

=== Контактная информация ===
Андрей Диденко

Универсальный конструктор юридических документов (командный проект)

2017-09-29T12:09:53Z

EasyLaw:

{{Карточка_командного_проекта
|name=Универсальный конструктор юридических документов
|company=Easy Law
|semester=Осень 2017
|course=3
|number_of_students=5
|categorize=yes
}}

=== Что это за проект? ===
Продукт предназначен для сектора b2b, а именно для компаний с юридическим отделом более 15 специалистов и оборотом более 1000 юридических документов в месяц. Конструктор решает проблему составления документов, в особенности договоров. В компаниях часто отсутствуют продукты автоматизации, которые бы помогали юристам быстрее и качественнее работать с документами. Это включает проблемы работы с версиями документов, создания типовых документов, подготовки пакетов документов, автозаполнения. Автоматизация этих процессов будет экономить до 50% времени юриста и десятки миллионов рублей в год для организации.

Мы решаем вышеуказанные проблемы, концентрируя внимание на вопросе создания типовых документов.

=== Чему научатся студенты? Что самое интересное в проекте? ===
Технологии машинного обучения, создание онлайн-редактора текста.

=== Организация работы (Как студенты будут работать в команде?) ===
1 студент будет выполнять работу на бэк-эндк.
1 студент будет выполнять работу на фронт-энде.
Куратор проект будет координировать их работу.

=== Компоненеты (Из каких частей состоит проект?) ===
На первом этапе конструктор юридических документов должен выполнять следующие функции:
- разбивать текст документа на блоки
- определять взаимоисключающие условия
- определять взаимодополняющие условия
Первый этап реализуется до января 2018г.

На следующем этапе создается онлайн-редактор для реализации следующих задач:
- конструирование документов на основе ранее определенных логических связей
- настраивание документа для автозаполнения (проставление меток)
Этот этап реализуется до апреля 2018г.

На последнем этапе реализуется машинное обучение.
Алгоритмы машинного обучения должны выполнять следующие функции:
- обучаться на опыте настраивания конструктора пользователем, чтобы экономить дополнительные 10% времени юриста
- обучаться на опыте проставления пользователем меток для автозаполнения, чтобы экономить дополнительные 10% времени юриста
Последний этап реализуется до июня 2018г.

=== Какие будут использоваться технологии? ===
Студенты научатся:
- обрабатывать текст на разных уровнях препроцессинга (токенизация, pos-tagging, разбиение на предложения)
- работать с сервером через ssh; работать в командной строке Linux
- работать с приложениями посредством REST API
- работать с бэкендом на Django/Flask
- писать фронтенд, используя современные фреймворки и технологии (Bootstrap/JQuery и т.п.)
- работать с системой контроля версий git
- покрывать код тестами

=== Какие начальные требования? ===
- знания Python
- начальные знания HTML, CSS
- инициативность в решении задач разработки
- желательно и очень приветствуется: знание JavaScript, Django/Flask, работа с REST API, NLP, scikit-learn
- или желание во всем этом разбираться

=== Темы вводных занятий ===
1. Общее описание технологий NLP и алгоритмов машинного обучения.

=== Критерии оценки ===
Будет добавлено в ближайшее время

=== Похожие проекты ===
Будет добавлено в ближайшее время

=== Контактная информация ===
Андрей Диденко

Универсальный конструктор юридических документов (командный проект)

2017-09-29T12:09:03Z

EasyLaw:

{{Карточка_командного_проекта
|name=Универсальный конструктор юридических документов
|company=Easy Law
|semester=Осень 2017
|course=3
|number_of_students=5
|categorize=yes
}}

=== Что это за проект? ===
Продукт предназначен для сектора b2b, а именно для компаний с юридическим отделом более 15 специалистов и оборотом более 1000 юридических документов в месяц. Конструктор решает проблему составления документов, в особенности договоров. В компаниях часто отсутствуют продукты автоматизации, которые бы помогали юристам быстрее и качественнее работать с документами. Это включает проблемы работы с версиями документов, создания типовых документов, подготовки пакетов документов, автозаполнения. Автоматизация этих процессов будет экономить до 50% времени юриста и десятки миллионов рублей в год для организации.

Мы решаем вышеуказанные проблемы, концентрируя внимание на вопросе создания типовых документов.

=== Чему научатся студенты? Что самое интересное в проекте? ===
Технологии машинного обучения, создание онлайн-редактора текста.

=== Организация работы (Как студенты будут работать в команде?) ===
1 студент будет выполнять работу на бэк-эндк.
1 студент будет выполнять работу на фронт-энде.
Куратор проект будет координировать их работу.

=== Компоненеты (Из каких частей состоит проект?) ===
На первом этапе конструктор юридических документов должен выполнять следующие функции:
- разбивать текст документа на блоки
- определять взаимоисключающие условия
- определять взаимодополняющие условия
Первый этап реализуется до января 2018г.

На следующем этапе создается онлайн-редактор для реализации следующих задач:
- конструирование документов на основе ранее определенных логических связей
- настраивание документа для автозаполнения (проставление меток)
Этот этап реализуется до апреля 2018г.

На последнем этапе реализуется машинное обучение.
Алгоритмы машинного обучения должны выполнять следующие функции:
- обучаться на опыте настраивания конструктора пользователем, чтобы экономить дополнительные 10% времени юриста
- обучаться на опыте проставления пользователем меток для автозаполнения, чтобы экономить дополнительные 10% времени юриста
Последний этап реализуется до июня 2018г.

=== Какие будут использоваться технологии? ===
Студенты научатся:
- обрабатывать текст на разных уровнях препроцессинга (токенизация, pos-tagging, разбиение на предложения)
- работать с сервером через ssh; работать в командной строке Linux
- работать с приложениями посредством REST API
- работать с бэкендом на Django/Flask
- писать фронтенд, используя современные фреймворки и технологии (Bootstrap/JQuery и т.п.)
- работать с системой контроля версий git
- покрывать код тестами

=== Какие начальные требования? ===
- знания Python
- начальные знания HTML, CSS
- инициативность в решении задач разработки
- желательно и очень приветствуется: знание JavaScript, Django/Flask, работа с REST API, NLP, scikit-learn
- или желание во всем этом разбираться

=== Темы вводных занятий ===
Будет добавлено в ближайшее время

=== Критерии оценки ===
Будет добавлено в ближайшее время

=== Похожие проекты ===
Будет добавлено в ближайшее время

=== Контактная информация ===
Андрей Диденко

Универсальный конструктор юридических документов (командный проект)

2017-09-29T12:08:41Z

EasyLaw:

{{Карточка_командного_проекта
|name=Универсальный конструктор юридических документов
|company=Easy Law
|semester=Осень 2017
|course=3
|number_of_students=5
|categorize=yes
}}

=== Что это за проект? ===
Продукт предназначен для сектора b2b, а именно для компаний с юридическим отделом более 15 специалистов и оборотом более 1000 юридических документов в месяц. Конструктор решает проблему составления документов, в особенности договоров. В компаниях часто отсутствуют продукты автоматизации, которые бы помогали юристам быстрее и качественнее работать с документами. Это включает проблемы работы с версиями документов, создания типовых документов, подготовки пакетов документов, автозаполнения. Автоматизация этих процессов будет экономить до 50% времени юриста и десятки миллионов рублей в год для организации.

Мы решаем вышеуказанные проблемы, концентрируя внимание на вопросе создания типовых документов.

=== Чему научатся студенты? Что самое интересное в проекте? ===
Технологии машинного обучения, создание онлайн-редактора текста.

=== Организация работы (Как студенты будут работать в команде?) ===
1 студент будет выполнять работу на бэк-эндк.
1 студент будет выполнять работу на фронт-энде.
Куратор проект будет координировать их работу.

=== Компоненеты (Из каких частей состоит проект?) ===
На первом этапе конструктор юридических документов должен выполнять следующие функции:
- разбивать текст документа на блоки
- определять взаимоисключающие условия
- определять взаимодополняющие условия
Первый этап реализуется до января 2018г.

На следующем этапе создается онлайн-редактор для реализации следующих задач:
- конструирование документов на основе ранее определенных логических связей
- настраивание документа для автозаполнения (проставление меток)
Этот этап реализуется до апреля 2018г.

На последнем этапе реализуется машинное обучение.
Алгоритмы машинного обучения должны выполнять следующие функции:
- обучаться на опыте настраивания конструктора пользователем, чтобы экономить дополнительные 10% времени юриста
- обучаться на опыте проставления пользователем меток для автозаполнения, чтобы экономить дополнительные 10% времени юриста
Последний этап реализуется до июня 2018г.

=== Какие будут использоваться технологии? ===
Студенты научатся:
- обрабатывать текст на разных уровнях препроцессинга (токенизация, pos-tagging, разбиение на предложения)
- работать с сервером через ssh; работать в командной строке Linux
- работать с приложениями посредством REST API
- работать с бэкендом на Django/Flask
- писать фронтенд, используя современные фреймворки и технологии (Bootstrap/JQuery и т.п.)
- работать с системой контроля версий git
- покрывать код тестами

=== Какие начальные требования? ===
Будет добавлено в ближайшее время

=== Темы вводных занятий ===
Будет добавлено в ближайшее время

=== Критерии оценки ===
Будет добавлено в ближайшее время

=== Похожие проекты ===
Будет добавлено в ближайшее время

=== Контактная информация ===
Андрей Диденко

Универсальный конструктор юридических документов (командный проект)

2017-09-29T12:07:38Z

EasyLaw:

Универсальный конструктор юридических документов (командный проект)

2017-09-29T12:07:17Z

EasyLaw:

Универсальный конструктор юридических документов (командный проект)

2017-09-29T12:04:42Z

EasyLaw:

Универсальный конструктор юридических документов (командный проект)

2017-09-29T12:04:00Z

EasyLaw:

EasyLaw (командный проект)

2017-09-29T11:28:41Z

EasyLaw:

{{Карточка_командного_проекта
|name=EasyLaw
|company=EasyLaw
|semester=Осень 2016
|course=3
|number_of_students=2
|categorize=yes
}}

=== Что это за проект? ===
Облачный сервис для юристов, который формирует пакеты документов для юридических действий (регистрация товарного знака, внесение изменений в ООО, заключение договора). Наш продукт экономит 30-50% времени юриста и исключает вероятность ошибки. Сервис ведет базу клиентов юриста, пользовательских шаблонов и предлагает готовые пакеты документов. Например, пакет документов для защиты персональных данных в рамках Закона “О персональных данных”.

=== Чему научатся студенты? Что самое интересное в проекте? ===
Yandex Mystem
scikit-learn
html
css
javascript
ajax
jquery
технологии машинного обучения

=== Организация работы (Как студенты будут работать в команде?) ===
2 студента.

Обязанности будут распределяться равномерно по двум направлениям:

1. Работа с извлечением данных из текста и NLP.

2. Развитие функционала веб-приложения.

=== Компоненты (Из каких частей состоит проект?) ===
1. Создание прототипа, обрабатывающего вышеуказанные параметры текста договора и определяющие время и стоимость проверки - ноябрь 2016г.

2. Обновление алгоритма, автоматическое распознавание юридических рисков в договоре - январь - декабрь 2017г.

=== Какие будут использоваться технологии? ===
Студенты научатся:
- обрабатывать текст на разных уровнях препроцессинга (токенизация, pos-tagging, разбиение на предложения)

- работать с сервером через ssh; работать в командной строке Linux

- работать с приложениями посредством REST API

- работать с бэкендом на Django/Flask

- писать фронтенд, используя современные фреймворки и технологии (Bootstrap/JQuery и т.п.)

- работать с системой контроля версий git

- покрывать код тестами

=== Какие начальные требования? ===
- знания Python

- начальные знания HTML, CSS

- инициативность в решении задач разработки

- желательно и очень приветствуется: знание JavaScript, Django/Flask, работа с REST API, NLP, scikit-learn

- или желание во всем этом разбираться

=== Темы вводных занятий ===
1. Общее описание технологий NLP и алгоритмов машинного обучения.

2. Методология работы с данными для решения задач проекта по обработке юридического текста договоров.

3. Характеристики технологий, которые мы используем для решения задач семантического распознавания текста.

=== Критерии оценки ===
В части работы по извлечению данных и NLP:

4-5:
создать модуль препроцессинга текста

6-7:
улучшать работу сплиттера предложений

8-10
готовый хорошо работающий модуль препроцессинга;
работа с извлечением данных из текста.

В части web:

4-5:
развитие функционала веб-приложения

6-7:
разработка модуля хранения и передачи документов клиента

8-10:
добавление платежки в веб-приложение.

=== Похожие проекты ===
Похожими проектами являются:

Россия: Сервис "Электронный юрист" от компании "Система Юрист" и "Актион" (https://dogovor.1jur.ru/#/).

США: LawGeex (www.lawgeex.com), KiraSystems (www.kirasystems.com), Beagle (www.beagle.ai).

=== Контактная информация ===
+7(906)032-63-56
Григорий Игнатьев

EasyLaw (командный проект)

2017-09-29T11:25:05Z

EasyLaw:

{{Карточка_командного_проекта
|name=EasyLaw
|company=EasyLaw
|semester=Осень 2016
|course=3
|number_of_students=2
|categorize=yes
}}

=== Что это за проект? ===
Облачный сервис для юристов, который формирует пакеты документов для юридических действий (регистрация товарного знака, внесение изменений в ООО, заключение договора). Наш продукт экономит 30-50% времени юриста и исключает вероятность ошибки. Сервис ведет базу клиентов юриста, пользовательских шаблонов и предлагает готовые пакеты документов. Например, пакет документов для защиты персональных данных в рамках Закона “О персональных данных”.

=== Чему научатся студенты? Что самое интересное в проекте? ===
Yandex Mystem
scikit-learn
ABBYY Compreno
ABBYY OCR
OCR.space

=== Организация работы (Как студенты будут работать в команде?) ===
2 студента.

Обязанности будут распределяться равномерно по двум направлениям:

1. Работа с извлечением данных из текста и NLP.

2. Развитие функционала веб-приложения.

=== Компоненты (Из каких частей состоит проект?) ===
1. Создание прототипа, обрабатывающего вышеуказанные параметры текста договора и определяющие время и стоимость проверки - ноябрь 2016г.

2. Обновление алгоритма, автоматическое распознавание юридических рисков в договоре - январь - декабрь 2017г.

=== Какие будут использоваться технологии? ===
Студенты научатся:
- обрабатывать текст на разных уровнях препроцессинга (токенизация, pos-tagging, разбиение на предложения)

- работать с сервером через ssh; работать в командной строке Linux

- работать с приложениями посредством REST API

- работать с бэкендом на Django/Flask

- писать фронтенд, используя современные фреймворки и технологии (Bootstrap/JQuery и т.п.)

- работать с системой контроля версий git

- покрывать код тестами

=== Какие начальные требования? ===
- знания Python

- начальные знания HTML, CSS

- инициативность в решении задач разработки

- желательно и очень приветствуется: знание JavaScript, Django/Flask, работа с REST API, NLP, scikit-learn

- или желание во всем этом разбираться

=== Темы вводных занятий ===
1. Общее описание технологий NLP и алгоритмов машинного обучения.

2. Методология работы с данными для решения задач проекта по обработке юридического текста договоров.

3. Характеристики технологий, которые мы используем для решения задач семантического распознавания текста.

=== Критерии оценки ===
В части работы по извлечению данных и NLP:

4-5:
создать модуль препроцессинга текста

6-7:
улучшать работу сплиттера предложений

8-10
готовый хорошо работающий модуль препроцессинга;
работа с извлечением данных из текста.

В части web:

4-5:
развитие функционала веб-приложения

6-7:
разработка модуля хранения и передачи документов клиента

8-10:
добавление платежки в веб-приложение.

=== Похожие проекты ===
Похожими проектами являются:

Россия: Сервис "Электронный юрист" от компании "Система Юрист" и "Актион" (https://dogovor.1jur.ru/#/).

США: LawGeex (www.lawgeex.com), KiraSystems (www.kirasystems.com), Beagle (www.beagle.ai).

=== Контактная информация ===
+7(906)032-63-56
Григорий Игнатьев

EasyLaw (командный проект)

2016-09-23T08:26:08Z

EasyLaw:

{{Карточка_командного_проекта
|name=EasyLaw
|company=EasyLaw
|semester=Осень 2016
|course=3
|number_of_students=2
|categorize=yes
}}

=== Что это за проект? ===
Суть проекта заключается в создании онлайн сервиса автоматической проверки договора путем применения технологии распознавания и обработки естественного языка. Конечный продукт будет представлять собой платный онлайн-сервис автоматической юридической проверки договора на юридические риски и распознавание иных необходимых условий. Промежуточным этапом данного продукта является создание MVP, который представляет собой онлайн-сервис автоматизированной проверки договора. Алгоритм обработки юридического текста будет определять стоимость и время проверки за счет анализа ряда параметров загруженного текста (количество слов, вид и стороны договора, автоматически обнаруженные риски). Полноценная юридическая экспертиза будет выполняться профессиональным юристом. Документ будет загружаться через сайт в любом формате, вначале осуществляется распознавание текста целиком и количества слов через технологии OCR, затем - семантическое распознавание. MVP после запуска будет обновляться и выполнять все больше операций по юридической проверке документа автоматически.

Продукт нацелен на аудитории малого бизнеса, в том числе, индивидуальных предпринимателей, ООО, а также физических лиц (потребителей). Указанные субъекты, как правило, не используют услуги юристов или юридических фирм на постоянной основе. Наше конкурентное преимущество заключается в том, что мы демонстрируем прозрачное ценообразование и конкурентную стоимость услуги, а также гибкий функционал юридической экспертизы договора и высокую скорость работы профессиональных юристов, а к июню-декабрю 2017 алгоритм будет монетизироваться за счет полностью автоматической проверки договоров.

=== Чему научатся студенты? Что самое интересное в проекте? ===
Yandex Mystem
scikit-learn
ABBYY Compreno
ABBYY OCR
OCR.space

=== Организация работы (Как студенты будут работать в команде?) ===
2 студента.
Обязанности будут распределяться равномерно по двум направлениям:
1. Работа с извлечением данных из текста и NLP.
2. Развитие функционала веб-приложения.

=== Компоненеты (Из каких частей состоит проект?) ===
1. Создание прототипа, обрабатывающего вышеуказанные параметры текста договора и определяющие время и стоимость проверки - ноябрь 2016г.

2. Обновление алгоритма, автоматическое распознавание юридических рисков в договоре - январь - декабрь 2017г.

=== Какие будут использоваться технологии? ===
Студенты научатся:
- обрабатывать текст на разных уровнях препроцессинга (токенизация, pos-tagging, разбиение на предложения)
- работать с сервером через ssh; работать в командной строке Linux
- работать с приложениями посредством REST API
- работать с бэкендом на Django/Flask
- писать фронтенд, используя современные фреймворки и технологии (Bootstrap/JQuery и т.п.)
- работать с системой контроля версий git
- покрывать код тестами

=== Какие начальные требования? ===
знания Python
начальные знания HTML, CSS
инициативность в решении задач разработки
желательно и очень приветствуется: знание JavaScript, Django/Flask, работа с REST API, NLP, scikit-learn
или желание во всем этом разбираться

=== Темы вводных занятий ===
1. Общее описание технологий NLP и алгоритмов машинного обучения.
2. Методология работы с данными для решения задач проекта по обработке юридического текста договоров.
3. Характеристики технологий, которые мы используем для решения задач семантического распознавания текста.

=== Критерии оценки ===
В части работы по извлечению данных и NLP:
4-5:
создать модуль препроцессинга текста
6-7:
улучшать работу сплиттера предложений
8-10
готовый хорошо работающий модуль препроцессинга;
работа с извлечением данных из текста.

В части web:
4-5:
развитие функционала веб-приложения
6-7:
разработка модуля хранения и передачи документов клиента
8-10:
добавление платежки в веб-приложение.

=== Похожие проекты ===
Похожими проектами являются:

Россия: Сервис "Электронный юрист" от компании "Система Юрист" и "Актион" (https://dogovor.1jur.ru/#/).

США: LawGeex (www.lawgeex.com), KiraSystems (www.kirasystems.com), Beagle (www.beagle.ai).

=== Контактная информация ===
+7(906)032-63-56
Григорий Игнатьев

EasyLaw (командный проект)

2016-09-23T08:25:26Z

EasyLaw: Правки

{{Карточка_командного_проекта
|name=EasyLaw
|company=EasyLaw
|semester=Осень 2016
|course=3
|number_of_students=2
|categorize=yes
}}

=== Что это за проект? ===
Суть проекта заключается в создании онлайн сервиса автоматической проверки договора путем применения технологии распознавания и обработки естественного языка. Конечный продукт будет представлять собой платный онлайн-сервис автоматической юридической проверки договора на юридические риски и распознавание иных необходимых условий. Промежуточным этапом данного продукта является создание MVP, который представляет собой онлайн-сервис автоматизированной проверки договора. Алгоритм обработки юридического текста будет определять стоимость и время проверки за счет анализа ряда параметров загруженного текста (количество слов, вид и стороны договора, автоматически обнаруженные риски). Полноценная юридическая экспертиза будет выполняться профессиональным юристом. Документ будет загружаться через сайт в любом формате, вначале осуществляется распознавание текста целиком и количества слов через технологии OCR, затем - семантическое распознавание. MVP после запуска будет обновляться и выполнять все больше операций по юридической проверке документа автоматически.

Продукт нацелен на аудитории малого бизнеса, в том числе, индивидуальных предпринимателей, ООО, а также физических лиц (потребителей). Указанные субъекты, как правило, не используют услуги юристов или юридических фирм на постоянной основе. Наше конкурентное преимущество заключается в том, что мы демонстрируем прозрачное ценообразование и конкурентную стоимость услуги, а также гибкий функционал юридической экспертизы договора и высокую скорость работы профессиональных юристов, а к июню-декабрю 2017 алгоритм будет монетизироваться за счет полностью автоматической проверки договоров.

=== Чему научатся студенты? Что самое интересное в проекте? ===
Yandex Mystem
scikit-learn
ABBYY Compreno
ABBYY OCR
OCR.space

=== Организация работы (Как студенты будут работать в команде?) ===
2 студента.
Обязанности будут распределяться равномерно по двум направлениям:
1. Работа с извлечением данных из текста,
2. Развитие функционала веб-приложения.

=== Компоненеты (Из каких частей состоит проект?) ===
1. Создание прототипа, обрабатывающего вышеуказанные параметры текста договора и определяющие время и стоимость проверки - ноябрь 2016г.

2. Обновление алгоритма, автоматическое распознавание юридических рисков в договоре - январь - декабрь 2017г.

=== Какие будут использоваться технологии? ===
Студенты научатся:
- обрабатывать текст на разных уровнях препроцессинга (токенизация, pos-tagging, разбиение на предложения)
- работать с сервером через ssh; работать в командной строке Linux
- работать с приложениями посредством REST API
- работать с бэкендом на Django/Flask
- писать фронтенд, используя современные фреймворки и технологии (Bootstrap/JQuery и т.п.)
- работать с системой контроля версий git
- покрывать код тестами

=== Какие начальные требования? ===
знания Python
начальные знания HTML, CSS
инициативность в решении задач разработки
желательно и очень приветствуется: знание JavaScript, Django/Flask, работа с REST API, NLP, scikit-learn
или желание во всем этом разбираться

=== Темы вводных занятий ===
1. Общее описание технологий NLP и алгоритмов машинного обучения.
2. Методология работы с данными для решения задач проекта по обработке юридического текста договоров.
3. Характеристики технологий, которые мы используем для решения задач семантического распознавания текста.

=== Критерии оценки ===
В части работы по извлечению данных и NLP:
4-5:
создать модуль препроцессинга текста
6-7:
улучшать работу сплиттера предложений
8-10
готовый хорошо работающий модуль препроцессинга;
работа с извлечением данных из текста.

В части web:
4-5:
развитие функционала веб-приложения
6-7:
разработка модуля хранения и передачи документов клиента
8-10:
добавление платежки в веб-приложение.

=== Похожие проекты ===
Похожими проектами являются:

Россия: Сервис "Электронный юрист" от компании "Система Юрист" и "Актион" (https://dogovor.1jur.ru/#/).

США: LawGeex (www.lawgeex.com), KiraSystems (www.kirasystems.com), Beagle (www.beagle.ai).

=== Контактная информация ===
+7(906)032-63-56
Григорий Игнатьев

EasyLaw (командный проект)

2016-09-23T08:23:33Z

EasyLaw: Новая страница, с помощью формы Новый_командный_проект

{{Карточка_командного_проекта
|name=EasyLaw
|company=EasyLaw
|semester=Осень 2016
|course=3
|number_of_students=2
|categorize=yes
}}

=== Что это за проект? ===
Суть проекта заключается в создании онлайн сервиса автоматической проверки договора путем применения технологии распознавания и обработки естественного языка. Конечный продукт будет представлять собой платный онлайн-сервис автоматической юридической проверки договора на юридические риски и распознавание иных необходимых условий. Промежуточным этапом данного продукта является создание MVP, который представляет собой онлайн-сервис автоматизированной проверки договора. Алгоритм обработки юридического текста будет определять стоимость и время проверки за счет анализа ряда параметров загруженного текста (количество слов, вид и стороны договора, автоматически обнаруженные риски). Полноценная юридическая экспертиза будет выполняться профессиональным юристом. Документ будет загружаться через сайт в любом формате, вначале осуществляется распознавание текста целиком и количества слов через технологии OCR, затем - семантическое распознавание. MVP после запуска будет обновляться и выполнять все больше операций по юридической проверке документа автоматически.

Продукт нацелен на аудитории малого бизнеса, в том числе, индивидуальных предпринимателей, ООО, а также физических лиц (потребителей). Указанные субъекты, как правило, не используют услуги юристов или юридических фирм на постоянной основе. Наше конкурентное преимущество заключается в том, что мы демонстрируем прозрачное ценообразование и конкурентную стоимость услуги, а также гибкий функционал юридической экспертизы договора и высокую скорость работы профессиональных юристов, а к июню-декабрю 2017 алгоритм будет монетизироваться за счет полностью автоматической проверки договоров.

=== Чему научатся студенты? Что самое интересное в проекте? ===
Yandex Mystem
scikit-learn
ABBYY Compreno
ABBYY OCR
OCR.space

=== Организация работы (Как студенты будут работать в команде?) ===
2 студента.
Обязанности будут распределяться равномерно по двум направлениям:
1. Работа с извлечением данных из текста,
2. Развитие функционала веб-приложения.

=== Компоненеты (Из каких частей состоит проект?) ===
1. Создание прототипа, обрабатывающего вышеуказанные параметры текста договора и определяющие время и стоимость проверки - ноябрь 2016г.

2. Обновление алгоритма, автоматическое распознавание юридических рисков в договоре - январь - декабрь 2017г.

=== Какие будут использоваться технологии? ===
Студенты научатся:
- обрабатывать текст на разных уровнях препроцессинга (токенизация, pos-tagging, разбиение на предложения)
- работать с сервером через ssh; работать в командной строке Linux
- работать с приложениями посредством REST API
- работать с бэкендом на Django/Flask
- писать фронтенд, используя современные фреймворки и технологии (Bootstrap/JQuery и т.п.)
- работать с системой контроля версий git
- покрывать код тестами

=== Какие начальные требования? ===
знания Python
начальные знания HTML, CSS
инициативность в решении задач разработки
желательно и очень приветствуется: знание JavaScript, Django/Flask, работа с REST API, NLP, scikit-learn
или желание во всем этом разбираться

=== Темы вводных занятий ===
1. Общее описание технологий NLP и алгоритмов машинного обучения.
2. Методология работы с данными для решения задач проекта по обработке юридического текста договоров.
3. Характеристики технологий, которые мы используем для решения задач семантического распознавания текста.

=== Критерии оценки ===
тогда nlp будет так:
4-5:
создать модуль препроцессинга текста
6-7:
улучшать работу сплиттера предложений
8-10
готовый хорошо работающий модуль препроцессинга;
работа с извлечением данных из текста.

а web так:
4-5:
развитие функционала веб-приложения
6-7:
разработка модуля хранения и передачи документов клиента
8-10:
добавление платежки в веб-приложение.

=== Похожие проекты ===
Похожими проектами являются:

Россия: Сервис "Электронный юрист" от компании "Система Юрист" и "Актион" (https://dogovor.1jur.ru/#/).

США: LawGeex (www.lawgeex.com), KiraSystems (www.kirasystems.com), Beagle (www.beagle.ai).

=== Контактная информация ===
+7(906)032-63-56
Григорий Игнатьев