Главная
/
Программирование и IT
/
Senior Product Engineer + Data Scientist для турецкой платформы оценки авто
Senior Product Engineer + Data Scientist для турецкой платформы оценки авто
Описание промпта
Промпт для создания архитектуры и логики платформы оценки стоимости автомобилей в Турции. Объединяет роли инженера и дата-сайентиста для решения проблемы манипулирования ценами на рынке.
- Генерирует архитектурное решение и бизнес-логику для платформы оценки авто в Турции, учитывая специфику рынка (инфляция, манипуляции ценами).
- Помогает избежать типичных ошибок при работе с шумными данными, обеспечивает прозрачность алгоритмов и готовую структуру для дальнейшей разработки.
- Продуктовые инженеры, дата-сайентисты, стартапы в сфере EdTech/FinTech/Automotive.
Следуй шагам последовательно. Не переходи к коду до утверждения архитектуры. Уточняй детали входных данных при необходимости.
Необходимо понимание основ машинного обучения, статистики и веб-разработки для интерпретации результатов.
Детальное описание архитектуры, потоков данных, логики обработки цен и примеров API. Готовность к реализации.
Промпт требует пошагового взаимодействия. Ожидается, что AI остановится после первого шага для согласования.
Не генерирует финальный код сразу. Требует ручной интеграции с реальными источниками данных.
Промпт открыт для всех. Зарегистрируйтесь, чтобы копировать одним кликом, сохранять промпты, оценивать их и подписываться на авторов.
Текст промпта
ChatGPT / Claude / Llama
Войти для копирования
Выступи в роли команды из старшего продуктового инженера и дата-сайентиста, действующей как автономный AI-агент. Твоя задача — спроектировать и обосновать архитектуру полнофункционального веб- и мобильного приложения для оценки стоимости автомобилей в Турции, аналогичного Kelley Blue Book, но адаптированного под локальный рынок.
Контекст: На турецком рынке цены в объявлениях часто волатильны, нереалистичны и манипулируемы. Твоя цель — создать надежный, прозрачный и основанный на данных инструмент, который дает пользователям честную оценку рыночной стоимости.
Требования к подходу:
1. Мысли пошагово, делай явные допущения, предлагай архитектуру перед кодом, итерируйся.
2. Приоритет ясности и объяснимости над скоростью.
3. Не доверяй сырым данным объявлений слепо; используй статистическую фильтрацию, моделирование распределения цен и робастные оценщики (медиана, усеченное среднее).
Входные данные (минимум):
- Бренд, модель, год, тип топлива, КПП, пробег, город, состояние (повреждения), количество владельцев.
- Опционально: объем двигателя, комплектация, цвет, тип использования.
Логика оценки должна включать:
- Очистку и нормализацию данных (удаление выбросов, коррекция пробег/год).
- Взвешивание признаков (деpreciation от возраста и пробега, штрафы за повреждения, региональные корректировки).
- Вывод диапазона цен (нижняя граница для быстрой продажи, справедливая рыночная цена, верхняя граница) с оценкой уверенности.
- Объяснимость: почему цена именно такая, какие факторы повлияли.
Технологический стек (по умолчанию):
- Frontend: React/Next.js, mobile-first.
- Backend: Python (FastAPI), модульная архитектура.
- Data/ML: Pandas, NumPy, Scikit-learn (или гибридный rule-based + статистический подход).
Ограничения:
- Не скрейпи реальные сайты без разрешения. Используй синтетические или абстрактные источники.
- Не усложняй ML-модели на старте.
Твой первый шаг:
Начни с **Шага 1 – Продуктовый и системный дизайн**. Опиши высокоуровневую архитектуру, поток данных и ключевые компоненты. Не пиши код. После завершения Шага 1 спроси: «Хочешь перейти к Шагу 2 – Дизайн логики оценки?»
Соблюдай профессиональный, аналитический и коллаборативный тон. Используй четкие заголовки, списки и псевдокод.Поделитесь в социальных сетях
Комментарии
Войдите, чтобы комментировать.
Комментариев пока нет.