Приложение прогнозирует

Компания «Финолаб.ру» обновила версию приложения сервиса CarDamageTest за счет ряда новых опций.

Теперь CarDamageTest доступен в виде приложения для мобильных устройств и API, которое интегрируется в IT-систему.

Сервис CarDamageTest на основе самых современных моделей нейронных сетей и классических алгоритмов машинного обучения позволяет дистанционно оценивать внешнее техническое состояние автомобиля – 11 видов повреждений стекол и кузова автомобиля с точностью до 92%.

«В новой версии приложения появилась уникальная для России опция – прогноз возможных внутренних повреждений элементов и механизмов машины, который выполняется на основе знаний о совокупности найденных внешних повреждений. Реализация такого прогноза стала возможна благодаря разработке системы продукционных правил, созданных при участии ведущих специалистов кузовных цехов сертифицированных сервисов по ремонту автомобилей, — рассказала Head of Analytics компании «Финолаб.ру», к. т. н. Елена Волченко. – Также для удобства клиентов появились рекомендации по ремонту/замене деталей корпуса автомобилей, на которых были найдены повреждения. Была расширена система помощи в приложении, добавлены инструкции для наиболее качественной съемки видео и детализированные оповещения клиентов о проблемах с полученным видео, сделан акцент на проблемах съемки (размытое или сильно затемненное изображение, наличия больших посторонних предметов на переднем плане и др.) и ракурсах, которые необходимы для качественной оценки технического состояния автомобиля».

Для страховых, каршеринговых компаний, такси новые опции сервиса позволят снизить убыточность, а для клиентов этих компаний – своевременно выявить внутренние повреждения, которые могут привести к серьезным поломкам в перспективе, а также упростить фото и видео съемку для оценки повреждений.

О компании

Финтех-компания «Финолаб.ру» является разработчиком нескольких финтех-продуктов на основе искусственного интеллекта для финансового сектора. Среди них — полноценный кредитный конвейер с использованием машинного обучения и скоринговые модели.

 

 

Похожие записи