AI-модуль для входной диагностики уровня знаний студентов. Яндекс Образование

Команда "Стали и сплавов"

Папка src/analytics

• Грачев Кирилл (Lead, Data Analyst, Data Engineer) - отвечает за внутрикомандную коммуникацию, синхронизацию, прогресс, методологии и формулы рассчета аналитических метрик, организацию баз данных и взаимодействие с ними.

Папка src/ai

• Чиндин Никита (Data Scientist, ML Engineer) - отвечает за DS-составляющую проекта: логика генерации тестов, построцессинг ответа LLM, интеграция с YandexGPT.

Папка src/frontend

• Жукова Алла (Fullstack-разработчик) - отвечает за слаженную связанную работу отдельных компонентов проекта, а также визуальную составляющую, выполненную на фреймворке Streamlit.

Папка src/data

• Еникеев Тимур (Product Manager, Product Analyst) - отвечает за продуктовую часть проекта, конкурентный анализ, киллер-фичи.

Roadmap проекта

1. Организационная часть
   1. Команда сформирована
   2. Распределены зоны ответственности
   3. Сформулированы гипотезы по реализации
   4. Организован репозиторий на SourceCraft
   5. Доступы получены
2. Продуктовый чекпоинт (06.09)
3. MVP
   1. Написана логика генерации микропулов
   2. Произведена интеграция с YandexGPT
   3. Написан UI для преподавателя с возможностью импорта данных
   4. UI преподавателя позволяет обратиться к YandexGPT для генерации тестов
   5. Написан UI для студента с возможностью прохождения теста
   6. Реализованы базовые аналитические метрики
   7. UI студента позволяет получить данные о результатах тестирования
4. Технический чекпоинт (09.09)
5. Улучшения к защите
   1. Организованы базы данных
   2. Тесты и результаты тестирования сохраняются в бд
   3. Реализованы метрики, основанные на результатах всех студентов
   4. Максимально приблизить продукт к описанному в ТЗ
6. Защита (12.09)

Запуск проекта

1. Создайте .env файл. Для корректной работы у вас должны быть YANDEX_API_KEY и YANDEX_FOLDER_ID.
2. Настройте виртуальное окружение:

python -m venv venv
source venv/bin/activate
pip install -r requirements.txt

3. Запустите проект:

python -m streamlit run ./src/frontend/main_loop.py