The form has been successfully submitted.
Please find further information in your mailbox.
Select language
Innowise zaktualizowało wiele aplikacji internetowych obejmujących modę, sztukę, architekturę, żywność, zdrowie i nie tylko, wykorzystując możliwości sztucznej inteligencji do generowania tekstu na obraz i rekomendacji treści.
Nasz klient to znacząca grupa medialna produkująca treści cyfrowe z dużą obecnością w Danii, Norwegii, Szwecji i Finlandii. Publikują magazyny, gazety i media cyfrowe, obejmujące styl życia, rozrywkę, zdrowie i bieżące wydarzenia, zarówno za darmo, jak i w formie subskrypcji.
Szczegółowe informacje o kliencie nie mogą być ujawnione zgodnie z postanowieniami NDA.
W miarę wzrostu trendu konsumpcji mediów cyfrowych, klient stanął przed wyzwaniem nadążania za zmianami. Musieli zapewnić, że ich platformy cyfrowe są nie tylko dostępne, ale także na tyle angażujące, aby łączyć się w bardziej znaczący sposób z docelową publicznością. Mając tysiące odwiedzających miesięcznie, chcieli uczynić swoje aplikacje internetowe bardziej interaktywnymi, wizualnie atrakcyjnymi i przyjaznymi dla użytkownika, usunąć rozbieżności w treści i poprawić ogólną zarządzalność.
Poza tym wykazali zainteresowanie wdrożeniem sztucznej inteligencji w ich przepływach pracy, aby dostarczać bardziej odpowiednie treści i obniżyć koszty operacyjne.
In the first stage, Innowise reviewed the customer’s digital media ecosystem to remediate obvious inconsistencies and find areas for improvement. Besides mitigating errors with navigation, page speed, SEO consistency, content presentation, and more, our project team embarked on Labrador CMS migration. Through “headless CMS” architecture, the content repository and presentation layer are separated, making this platform an ideal solution for modern digital publishers experiencing rapid growth.
Innowise zaktualizowało aplikację internetową, która oferuje kompleksowy przewodnik po całych domach, obejmujący detale wnętrz, architekturę i sztukę. Jako wiodąca publikacja i platforma internetowa, te media cyfrowe pozostają źródłem informacji na temat innowacyjnej architektury w domach prywatnych.
We have modernized the web app that provides fresh insights into children’s development and growth. It supports mothers through every phase — from pregnancy to adolescence – czyniąc podróż macierzyństwa bardziej satysfakcjonującą.
Te media cyfrowe pozyskiwały, oceniały i dostarczały najnowsze i najważniejsze informacje na temat zdrowia, ćwiczeń, urody i odżywiania. Nasz zespół projektowy przebudował kanały mediów lifestylowych, w tym artykuły i funkcje dotyczące utrzymania zdrowego stylu życia, porad dietetycznych, wskazówek dotyczących ćwiczeń i dobrego samopoczucia psychicznego.
This media is a good match for staying informed about royal family updates and the Swedish entertainment scene. For over a decade, the web application has been a reliable source for royal news, eventually evolving into a prominent news outlet for Sweden’s most intriguing celebrities and entertainment personalities, regularly featured on TV.
Ponieważ profesjonalna fotografia wiąże się z kosztownymi wydatkami, w tym z wynajmem wykwalifikowanych fotografów, doświadczonych stylistów, rekwizytów, sprzętu i studia, Innowise zaproponowało opracowanie nowatorskiego rozwiązania, które wyeliminuje potrzebę pracy ręcznej.
Nasz zespół projektowy wybrał StableDiffusionXL i GPT-3.5 do generowania wysokiej jakości obrazów na podstawie tekstowych zapytań. Na początku zebraliśmy zdjęcia rodzicielskie jako punkt odniesienia i użyliśmy LoRA (niskorzędowego dostosowania dużych modeli językowych) do generowania realistycznych obrazów. Następnie stworzyliśmy przyjazny dla użytkownika interfejs do interakcji z modelem.
AI uses LLM & NLP techniques to understand the text prompt, grasping the request’s content, context, and subtleties. Then, it interprets the features described in the text, such as objects, colors, textures, and spatial relationships, to create real-life pictures based on correlations among textual descriptions and visual elements. If the final output does not meet anticipated expectations, we continuously refine the AI model based on feedback and performance to achieve satisfactory results.
Osiągnęliśmy następujące wyniki, gdy nasi specjaliści ML dostroili przepływ pracy generowania obrazu w oparciu o podpowiedzi.
Przykład 1: “Steak with garnish, top-down, natural light, on a smooth plate, simple and elegant, captured like a photo taken with a Canon EOS R and 50mm lens in a completely white background with soft shadow, 8k resolution, true texture and detailed photo, high angle.”
Przykład 2: “Macro photography close-up of mouthwatering lasagna, with layers of perfectly cooked noodles, savory ground beef, and a blend of three gooey, melted cheeses. Add a homemade tomato, meat sauce, and a creamy mixture of ricotta, mozzarella, and Parmesan. Make the sauce using tomato paste, water, sugar, basil leaves, fennel seeds, Italian seasoning, salt, pepper, and fresh parsley. Use a Canon EOS 5D Mark IV and a Canon EF 100mm f/ 2. 8L Macro IS USM lens to capture this indulgent Italian dish’s intricate layers and vibrant colors. Illuminate the scene with warm, soft lighting to accentuate the comforting nature of the dish.”
Ponieważ nasz klient zmagał się ze spadkiem zaangażowania użytkowników, problemami z utrzymaniem klientów i brakiem pomysłów na wartościowe treści, wdrożyliśmy system rekomendacji treści oparty na sztucznej inteligencji. Gromadzi on dane użytkowników, w tym historię przeglądania, zapytania wyszukiwania, interakcje (takie jak kliknięcia, polubienia i udostępnienia), historię zakupów i informacje demograficzne. System sztucznej inteligencji wykorzystuje zebrane dane do stworzenia profilu każdego użytkownika, obejmującego jego preferencje, zainteresowania i wzorce zachowań.
W kolejnym etapie sztuczna inteligencja analizuje dane użytkownika, łącząc takie algorytmy, jak filtrowanie kolaboracyjne, głębokie uczenie maszyn rekomendacyjnych i metoda hybrydowa.
Collaborative filtering makes recommendations based on the behavior of other users with similar profiles or preferences. For example, if User A likes certain articles and User B has tastes similar to User A’s, the system might recommend those articles to User B.
Z kolei podejście do rekomendacji oparte na głębokim uczeniu się gromadzi ogromne ilości danych związanych z zachowaniem i interakcjami użytkowników, w tym preferencjami, kliknięciami, wyszukiwaniami, polubieniami i innymi istotnymi działaniami. Następnie modele głębokiego uczenia tworzą profile użytkowników i sugerują reprezentacje treści, analizując zebrane dane. Podejście to identyfikuje złożone wzorce, które tradycyjne algorytmy mogłyby przeoczyć, pozwalając na bardziej zniuansowane zrozumienie preferencji użytkowników.
Metoda hybrydowa łączy maszyny do rekomendacji oparte na współpracy i głębokim uczeniu się, aby poprawić dokładność rekomendacji i przezwyciężyć ograniczenia poszczególnych metod.
Our team ensured the system recognized the user’s preferences and adjusted recommendations based on historical data and current trends to forecast what content would resonate with the target audience.
Front-end
CSS, Next.js, React, Typescript, Labrador CMS
Back-end
Node.js
DE/ML
Python, PyTorch, Keras, NVIDIA TensorRT, NVIDIA DLRM, HuggingFaces, Spacy, Openai API (GPT-3.5), StableDiffusionXL, Docker, Docker Compose, Tensorboard
CI/CD
AWS, Cloudflare, Vercel obecnie
Korzystając z metodologii Agile, podzieliliśmy projekt na kilka etapów, znacznie zwiększając elastyczność, komunikację i satysfakcję klienta.
During the iterative discussion throughout the discovery phase, we gained a comprehensive understanding of the client’s requirements and clearly defined the project scope.
W fazie projektowania nasi utalentowani Projektanci UI/UX stworzyli historie użytkowników, mapy ścieżek klienta i wstępne makiety projektowe, aby zwiększyć zaangażowanie użytkowników i wyeliminować istniejące niespójności w aplikacjach internetowych. Sprinty projektowe ułatwiły szybkie prototypowanie i zbieranie opinii, co jest niezbędne w środowiskach Agile.
Przy dwutygodniowych sprintach, etap rozwoju obejmował codzienne standupy, planowanie sprintów i retrospektywy. Funkcjonalne komponenty były dostarczane po każdym sprincie, oznaczając konkretne kamienie milowe. Zespół projektowy przeprowadzał codzienne standupy i przeglądy sprintów na potrzeby demonstracji dla klientów za pośrednictwem Google Meet, jednocześnie zajmując się priorytetyzacją zadań w Jira i prowadząc dokumentację projektu w Confluence.
2
Właściciele produktów
1
Kierownik techniczny
1
Analityk wzrostu
1
Scrum Master
2
Programistów back-end
4
Programistów front-end
2
Projektanci UI/UX
2
Programiści ML
1
Cloud Solutions Lead
Innowise zmodernizował ekosystem aplikacji internetowych klienta, zapewniając większą wygodę i atrakcyjność dla użytkowników końcowych. Przeprowadziliśmy migrację systemów cyfrowych klienta do Labrador CMS, szczególnie odpowiedniego dla publikacji cyfrowych o dużym natężeniu ruchu pod względem intuicyjnego interfejsu, łatwości obsługi, opłacalności i funkcjonalności. Dodatkowo wdrożyliśmy sztuczną inteligencję generującą tekst na obraz, która konwertuje pisemne opisy na odpowiadające im obrazy bez kosztownej profesjonalnej fotografii. Opracowaliśmy również system rekomendacji treści oparty na sztucznej inteligencji, który sugeruje treści dostosowane do indywidualnych preferencji, zachowań i zainteresowań użytkownika.
Zaowocowało to zwiększonym zaangażowaniem użytkowników poprzez sugerowanie odpowiednich i interesujących treści bez niespójności i błędów w różnych cyfrowych punktach kontaktu.
12%
wzrost liczby miesięcznych odwiedzających
66%
redukcja kosztów profesjonalnej fotografii
Zadzwoń lub wypełnij poniższy formularz, a my skontaktujemy się z Tobą po przetworzeniu Twojego zgłoszenia.
Po otrzymaniu i przetworzeniu Twojego zgłoszenia skontaktujemy się z Tobą wkrótce, aby wyszczególnić potrzeby projektu i podpisać umowę o zachowaniu poufności, aby zapewnić poufność informacji.
Po przeanalizowaniu wymagań, nasi analitycy i programiści opracowują projekt z zakresem prac, wielkością zespołu, czasem i kosztami szacunki.
Umówimy się z Tobą na spotkanie, aby omówić ofertę i dojść do porozumienia porozumienia.
Podpisujemy umowę i rozpoczynamy pracę nad projektem tak szybko, jak to możliwe.
Dowiedz się jako pierwszy o innowacjach IT i interesujących studiach przypadków.
© 2007-2024 Innowise. Wszelkie prawa zastrzeżone.
Polityka prywatności. Polityka dotycząca plików cookie.
Innowise Sp. z o.o Ul. Rondo Ignacego Daszyńskiego, 2B-22P, 00-843 Warszawa, Polska
Rejestrując się, wyrażasz zgodę na naszą Politykę Prywatności, w tym korzystanie z plików cookie i przekazywanie Twoich danych osobowych.
Dziękuję!
Wiadomość została wysłana.
We’ll process your request and contact you back as soon as possible.
Dziękuję!
Wiadomość została wysłana.
Przetworzymy Twoją prośbę i skontaktujemy się z Tobą tak szybko, jak to możliwe.