Приветствуем вас в GitHub-организации Moodify! Мы разрабатываем решения для мониторинга клиентского настроения и выявления проблем с банковскими продуктами в реальном времени, используя современные web-технологии и data science-подходы

• Команда
• Быстрый старт
• Схема/блок-диаграмма архитектуры (модель, backend, frontend, взаимодействие компонентов)
• Frontend Service (React.js)
• Backend Service (Golang)
• Ingest Service (Node.js)
• Machine Learning Service (Python)

• Kamenskikh Valeriy — Software Engineer
• Kaledin Danila — Software Engineer
• Matveeva Anna — Data Science Engineer
• Lapova Julia — Data Science Engineer
• Gluhikh Anastasia — Project Manager

Moodify — это система, отслеживающая динамику пользовательских отзывов о банковских продуктах, анализирующая тональность, выявляющая проблемные зоны и визуализирующая данные в удобной дашборд-форме

Состоит из четырёх ключевых репозиториев:

Сервис сбора и парсинга отзывов с популярных сайтов (например, Banki) Использует многопоточную очередь и автоматизацию браузера для сбора данных

Технологии:

• axios — HTTP-запросы
• cheerio — парсинг HTML
• puppeteer — безголовый браузер Chrome
• p-limit — управление параллелизмом
• selenium-webdriver + chromedriver — альтернатива Puppeteer

Веб-интерфейс для отображения аналитики: карта тональностей, графики динамики, API-дашборд, просмотр отзывов.

Стек:

• React 18 — основа UI
• Vite — быстрый сборщик
• Chakra UI — UI-компоненты
• React Router — маршрутизация
• Recharts — диаграммы и графики
• React Simple Maps — геовизуализация
• Framer Motion — анимации

Backend — это центральный API-шлюз для взаимодействия фронтенда и ML-сервисов

Стек:

• Go 1.25 — язык разработки
• Fiber v3 — веб-фреймворк (быстрая альтернатива Gin/Chi)
• Zap — логирование
• YAML v3 — конфиги
• Docker & Docker Compose — контейнеризация и локальный запуск

Модуль машинного обучения для анализа клиентских отзывов:

• Кластеризация текстов (выделение тем: кредитные карты, вклады, мобильное приложение и т.д.).
• Мультилейбл классификация по темам.
• Определение тональности (положительно / нейтрально / отрицательно).

ML/NLP стек:

• NumPy, Pandas, SciPy — обработка данных
• scikit-learn — классические ML-алгоритмы
• PyTorch — обучение и инференс моделей
• BERTopic + HDBSCAN — тематическое моделирование
• NLTK, pymorphy2 — NLP-утилиты для русского языка

Сервисный стек:

• FastAPI + Uvicorn — REST API
• Pydantic — валидация и схемы данных
• MLflow — управление экспериментами и моделями

Moodify в рамках хакатона помогает банку быстро понимать, что чувствуют клиенты, и где возникают проблемы, опираясь на реальные отзывы в интернете. Мы объединяем data scraping, анализ тональности и удобную визуализацию данных.