Широкий парк устройств
Приложения, стабильные на разных экранах и версиях Android.
Отдельное направление
Разрабатываем Android-приложения для широкого парка устройств — с учётом фрагментации, офлайн-режима и требований Google Play.
~3 000 ₽/час
Time & Materials или согласованный scope
Приложения, стабильные на разных экранах и версиях Android.
Уведомления и работа приложения в фоне.
Интеграция Google Play Billing и внешних провайдеров.
Синхронизация данных при нестабильной сети.
Доработка и развитие действующего продукта.
Подготовка сборки и прохождение проверки магазина.
Техническая экспертиза
MVVM, модульность и Jetpack-компоненты.
Оптимизация памяти и энергопотребления.
Защищённое хранилище, шифрование, ProGuard/R8.
Автоматическая сборка, поэтапная раскатка в Google Play.
Фрагментация устройств и версий. Тестируем на реальном парке устройств.
Требования Google Play меняются. Следим за политиками и целевым SDK.
Ограничения фоновых процессов. Проектируем с учётом политик производителей.
Размер приложения влияет на установки. Контролируем размер APK/AAB.
Целевые устройства, версии Android и сценарии.
Проверяем ключевой сценарий до начала разработки.
Сборка на разных устройствах перед релизом.
Google Play, мониторинг ANR и крашей, развитие продукта.
Клиентский проект
Мобильное iOS приложение для магазина запчастей для иномарок. В приложении можно найти деталь по VIN-номеру, добавить в корзину, оформить доставку.
Клиентский проект
Автоматизированный инструмент для дистанционных продаж автомобилей и нормочасов с помощью видео. Возможности сервиса: режиссерские сценарии видеошаблонов, автовыгрузка практически на любую платформу и в любую соц. сеть дилера, интеграция фидов с классифай
Клиентский проект
Сканер для распознавания сорняков, вредителей и болезней на сельскохозяйственных культурах Задача Обучить на существующем датасете, собранном сотрудниками компании Corteva, нейронную сеть. Создать приложение для клиентов компании, с помощью которого они смогут распознавать жуков, болезни и сорняки на полях с культурами рапса, подсолнуха и кукурузы. Решение Проанализировали множество существующих решений по нейронных сетям, остановились на Turicreate(на основе ResNet). Разметили предоставленный датасет. И обучили три нейронных сети: для жуков, для сорняков и для вредителей. Разработали внутри приложения инструкцию для пользователей по созданию фотографий для распознавания, чтобы увеличить точность результата.