Esse teste tem como intuito avaliar conhecimentos básicos, sendo que o principal objetivo é analisar o raciocínio lógico e a capacidade de solucionar problemas, mesmo que ainda desconhecidos pelo candidato.
-
O candidato deve montar uma solução utilizando arquitetura de autoencoder capaz de limpar imagens disponibilizadas no dataset na pasta 1.dirty que se encontram com diversos ruídos e retornar no padrão em que se encontram na pasta 2. Cleaned document.
-
Montar uma API que seja capaz de receber uma imagem em base64 e retornar a imagem limpa em base64 com seu respectivo OCR (Optical Character Recognition) na resposta da API.
-
Guardar a imagem em base64 de entrada/saída em um banco de dados, além de outras informações que o candidato julgar necessário.
-
Encapsular a aplicação utilizando Docker. Disponibilizar DockerFile.
-
Hospedar o código em um repositório do github utilizando conceitos de Gitflow e Commit Semântico.
https://drive.google.com/file/d/1AnqFjRBOns6g3CaWi8nmDzEBdQLYyQ4N/view?usp=sharing
/models
ConnectionFactory.py
Images.py
main.py
requirements.txt
Dockerfile
\models\ConnectionFactory.py : Classe que encapsula a criação de instâncias de conexões com o MongoDB;
\models\Images.py : Classe que gerencia a inserção e manipulação das informações entre a aplicação e a base de dados;
main.py : Arquivo principal da aplicação com as rotas da API;
requirements.txt : Arquivo com as dependências da aplicação;
Dockerfile : Arquivo de configuração do Docker;