Анализ данных и машинное обучение в Deductor Academic
Требуется выполнить полный цикл обработки подготовленного датасета в учебной версии Deductor Academic. Необходимо создать проектную ветвь, провести анализ и подготовить краткий отчет с выводами.
Техническое задание: Развертывание локальной системы LLM Council
Цель проекта
Необходимо установить и настроить локальную систему "LLM Council" (репозиторий karpathy/llm-council) на компьютере с операционной системой Windows 10. Система должна работать полностью автономно, без использования облачных серверов.
Основные задачи
- Подготовить рабочее окружение и установить все необходимые зависимости
- Развернуть репозиторий проекта (включая backend и frontend части)
- Настроить подключение к нескольким ИИ-моделям через OpenRouter (например: OpenAI GPT-5.1, Google Gemini 3.0 Pro, Anthropic Claude Sonnet 4.5, xAI Grok 4 или их доступные аналоги)
- Предоставить пояснения о том, какие модели могут работать локально, а какие доступны только через API
- Собрать все компоненты в удобный пользовательский интерфейс для простого запуска и использования
- Выполнить тестовый запуск системы и проверить работу нескольких моделей
- По желанию - подготовить краткую инструкцию по запуску системы
Требования к исполнителю
- Опыт работы с Python и Node.js
- Навыки установки и настройки AI-систем
- Знание Docker и WSL2
- Базовое понимание работы с несколькими LLM одновременно
Критерии успешного выполнения
- Система полностью развернута на локальном компьютере с Windows 10
- Обеспечена автономная работа без внешних серверов
- Реализован удобный интерфейс для конечного пользователя
- Протестирована работа подключенных моделей ИИ