---
base_model: unsloth/Qwen3-4B-Instruct-2507-unsloth-bnb-4bit
tags:
- text-generation-inference
- transformers
- unsloth
- qwen3
- trl
license: gpl-3.0
language:
- ru
datasets:
- pymlex/future-engineers-dataset
pipeline_tag: text-generation
---

# Uploaded  model

- **Developed by:** pymlex
- **License:** apache-2.0
- **Finetuned from model :** unsloth/Qwen3-4B-Instruct-2507-unsloth-bnb-4bit

This qwen3 model was trained with [Unsloth](https://github.com/unslothai/unsloth). The aim of the work is to automatically generate STEM project descriptions for the Future Engineers conference, using only the project theme as input.

# Inference

Get the model from HF.

```python
from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel
import torch

base_model = "Qwen/Qwen3-4B-Instruct-2507"
adapter_path = "pymlex/qwen3-future-engineers-lora"

tokenizer = AutoTokenizer.from_pretrained(base_model, trust_remote_code=True)

model = AutoModelForCausalLM.from_pretrained(
    base_model,
    device_map="auto",
    torch_dtype=torch.float16,
    trust_remote_code=True
)

model = PeftModel.from_pretrained(model, adapter_path)
model.eval()
```

Use this function to generate descriptions.

```python
system_prompt = """
Ты пишешь полные научно-технические описания школьных инженерных и
ИТ-проектов для конференции. Пиши по-русски, связно, подробно, конкретно,
уверенно и без воды. Не сокращай текст до резюме и общего видения.
Требуется аннотация, введение с актуальностью, цель, задачи,
оборудование (конкретное, с названиями) и программы (с названиями),
ход работы, выводы, перспективы.
"""

def generate(topic):
    messages = [
        {"role": "system", "content": system_prompt},
        {"role": "user", "content": f"Тема: {topic}. Подготовь полное описание проекта для конференции «Инженеры будущего»."}
    ]

    text = tokenizer.apply_chat_template(
        messages,
        tokenize=False,
        add_generation_prompt=True
    )

    inputs = tokenizer(text, return_tensors="pt").to(model.device)
    prompt_len = inputs.input_ids.shape[1]

    outputs = model.generate(
        **inputs,
        max_new_tokens=1200,
        temperature=0.7,
        top_p=0.9,
        do_sample=True
    )

    decoded = tokenizer.decode(outputs[0][prompt_len:], skip_special_tokens=True)
    print(decoded.strip())
```

Example.

```python
generate("Система мониторинга качества воздуха в школьных кабинетах")
```

```
</tool_call>

<tool_call>

# Актуальность

В настоящее время все больше людей страдают от проблем, вызванных низким качеством воздуха. Здоровье людей зависит от многих факторов, но одним из важнейших является качество воздуха. В нашей школе есть кабинеты с очень плохой вентиляцией. Поэтому мы решили создать систему мониторинга качества воздуха, которая будет показывать уровень углекислого газа и влажности воздуха в каждом кабинете нашей школы.

# Цель

Разработать и создать систему мониторинга качества воздуха в кабинетах нашей школы.

# Задачи

- 1. Изучить теоретический материал по теме.
- 2. Изучить существующие аналоги.
- 3. Разработать и создать систему мониторинга качества воздуха.
- 4. Провести анализ работы созданной системы.

# Оснащение и оборудование, использованное при создании работы

- 1. Микроконтроллер Arduino UNO
- 2. Датчик влажности воздуха DHT11
- 3. Датчик концентрации углекислого газа MQ135
- 4. Адаптер питания USB
- 5. Компьютер с установленным ПО: Arduino IDE, Fritzing
- 6. 3D-принтер Maestro Classic
- 7. Пластик ABS

# Описание

Для создания системы мониторинга качества воздуха в кабинетах нашей школы авторы решили использовать микроконтроллер Arduino UNO. Это решение обусловлено его простотой и доступностью.

Для датчиков влажности воздуха DHT11 и концентрации углекислого газа MQ135 авторы использовали стандартные разъёмы на 2 провода.

В качестве среды для разработки авторы выбрали Arduino IDE. Это обусловлено простотой использования и доступностью. Для создания электрической схемы авторы использовали программу Fritzing. Это обусловлено простотой использования и доступностью. Для создания корпуса системы мониторинга качества воздуха авторы использовали 3D-принтер Maestro Classic. Это обусловлено простотой и доступностью.

В процессе работы над проектом авторы проявили инициативу, активно изучили необходимый теоретический материал, изучили существующие аналоги, разработали и создали систему мониторинга качества воздуха, провели анализ работы созданной системы.

# Результаты работы/выводы

В результате работы над проектом авторы получили систему мониторинга качества воздуха в кабинетах нашей школы. Система состоит из микроконтроллера Arduino UNO, датчика влажности воздуха DHT11 и датчика концентрации углекислого газа MQ135. Система мониторинга качества воздуха в кабинетах нашей школы имеет следующие преимущества:

- 1. Простота установки;
- 2. Доступная стоимость;
- 3. Возможность использования в любых условиях;
- 4. Возможность расширения функционала.

# Перспективы использования результатов работы

В перспективе планируется использовать систему мониторинга качества воздуха в кабинетах нашей школы для улучшения качества воздуха в кабинетах. Также планируется разработать мобильное приложение для отображения данных с датчиков.

# Мнение автора о своей работе, проекте «Инженерный класс в московской школе», конференции «Инженеры будущего», пожелания

«Мы очень рады, что наш проект был выбран для участия в конференции «Инженеры будущего». Мы считаем, что наш проект имеет большой потенциал и может быть использован для улучшения качества воздуха в кабинетах нашей школы. Мы надеемся, что наш проект будет продолжать развиваться и совершенствоваться»
```