За три месяца коллектив поучаствовал в четырех республиканских турнирах и везде завоевал награды, передаёт корреспондент @Pavlodarnews.kz.
Молодые павлодарские программисты – уже известная команда Goodbalalar колледжа информационных технологий – заняли второе место на республиканском хакатоне AIGA Case Hackathon от My Extra Lab в Астане. Столица собрала более 20 команд из разных городов Казахстана. Перед ними стояла задача – за один день разработать цифровую платформу для взаимодействия клиентов спортклубов, спортсменов и тренеров, занимающихся единоборствами.
Павлодарцы создали не просто цифровой продукт, а новый стандарт спортивного взаимодействия. Они постарались переосмыслить спортивную подготовку через технологии искусственного интеллекта и объединили в удобную систему базовые функции: онлайн-запись, расписание, отслеживание прогресса, уведомления, рейтинг тренеров, магазин экипировки.
– Ключевым элементом нашей платформы стал интеллектуальный модуль, использующий ИИ для генерации персонализированных тренировочных планов на основе целей, уровня, загруженности и результатов ученика, – рассказали студенты колледжа. – Но мы пошли дальше: система не просто составляет расписание, а динамически адаптирует тренировочный маршрут, выявляя слабые места, прогнозируя рост и усиливая вовлеченность.
Архитектура платформы масштабируема и уже готова к применению в рамках целых спортивных сетей.
В команду айтишников Goodbalalar входят третьекурсники Жапар Жигер, Аристид Попандопуло, Бараат Кахималаев и Адиль Тулеубаев. Их победная серия началась 4 мая этого года с третьего места среди 118 команд на хакатоне Kuickhack’25, когда павлодарцы создали уникальное кросс-платформенное приложение для поиска работы на основе ИИ JobBlazeAI. Затем последовало первое место на хакатоне INNOVATION – студенты выиграли миллион призовых благодаря своей разработке умного Telegram-свайпера вакансий.
Через месяц на трехдневном хакатоне HackCor Hackathon в Караганде Goodbalalar вновь стала лучшей командой, создав ИИ-систему, которая использует продвинутые алгоритмы машинного обучения для выявления коррупционных рисков.
