EasyLaw (командный проект)

Компания	EasyLaw
Учебный семестр	Осень 2016
Учебный курс	3-й курс
Максимальное количество студентов, выбравших проект: 2

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