Автоматическая проверка заданий по программированию: автогрейдер Apricot проверяет лабораторные, курсовые и ДЗ за вас. 80% работ — без участия преподавателя. Поддерживает Python, C++, Java, Go, Bash, SQL, Git, Docker, ML. Работает на кафедрах МФТИ, ВШЭ, МГТУ и Центрального университета — курсы до 400 студентов.
● МФТИ, ВШЭ, МГТУ, Центральный университет · курсы до 400 человек
Как это работает под капотом и почему преподаватель перестаёт утопать в ручной проверке.
Ручная проверка кода — это 15–25 часов преподавателя в неделю на курс среднего размера. К 40-й работе вы уже не читаете — пролистываете. Apricot забирает 80% этой нагрузки: массовую, рутинную часть, где нужно просто запустить тесты и сравнить вывод.
Схема простая. Студент присылает код или ссылку на Git-репозиторий. Система собирает решение в изолированном Docker-контейнере, запускает ваши тесты, сравнивает с эталоном, считает метрики, пишет подробный лог. Балл автоматически попадает в ведомость. Преподаватель открывает только те работы, где система не справилась — спорные случаи, неординарные решения, частичные ответы.
На Apricot уже работают кафедры МФТИ, ВШЭ, МГТУ им. Баумана и Центрального университета. Курсы до 400 студентов проверяет один преподаватель — ассистенты нужны только для обратной связи.
Три этапа — от отправки решения до записи балла в ведомость.
Код, ссылка на Git-репозиторий или файл — система проверки заданий принимает все форматы. Поддерживаются Python, C++, Java, Go, Bash, SQL и другие языки.
Решение собирается в изолированном Docker-контейнере. Проверка задания включает компиляцию, запуск тестов, сравнение с эталоном и анализ метрик качества.
Студент получает балл, подробный лог проверки задания и комментарии системы. Преподаватель видит результаты в ведомости с аналитикой.
Платформа Apricot поддерживает автоматическую проверку заданий по широкому спектру дисциплин и технологий.
Проверка заданий на Python, C++, Java, Go, Rust. Компиляция, запуск тестов, проверка вывода, анализ кода.
Автоматическая проверка SQL-запросов к реальной базе данных. Тренажёр SQL с мгновенной обратной связью.
Проверка заданий по Git: визуальные упражнения, проверка веток, коммитов и истории репозитория.
Проверка Dockerfile, docker-compose, Kubernetes-манифестов, CI/CD-пайплайнов, Bash-скриптов.
Автоматическая оценка ML-моделей по метрикам качества на тестовых данных. Поддержка GPU-вычислений.
Проверка заданий по обработке больших данных с автоматической верификацией результатов.
Расскажите про курс — сколько студентов, какие языки. Пришлём расчёт экономии преподавательских часов и предложение под ваши объёмы. Настройка — 1–2 дня, пилот на один курс.