Денис П. ML разработчик, Middle+
ID 17406
ДП
Денис П.
Мужчина, 23 года
Россия, Ростов-на-Дону, UTC+3
Ставка
2 500 Р/час
НДС не облагается
Специалист доступен с 6 ноября 2024 г.
Добавьте подходящих специалистов в список и оформите заявку для предварительного бронирования времени специалистов. После оформления заявки ваш персональный менеджер организует прохождение всех необходимых проверок с вами и каждым кандидатом из заявки. Специалист привлекается к проекту только после окончательного подтверждения его выхода с вашей стороны.
Подробнее
О специалисте
Специализация
ML разработчик
Грейд
Навыки
Отрасли
Знание языков
Русский — C2
Английский — B2
Главное о специалисте
Опытный ML-разработчик, специализирующийся на сложных проектах в области телекоммуникаций, производства, логистики, городской инфраструктуры и блокчейна.
Обладает глубокими знаниями и навыками работы с различными технологиями и инструментами, такими как Python, C++, Docker, TensorFlow, PyTorch, OpenVINO, Kafka, Hadoop, RabbitMQ, FastAPI и др.
Имеет опыт работы с библиотеками визуализации данных и их характеристик (Seaborn, Plotly), в т.ч. с построением веб-интерфейсов (дашбордов) управления и обработки данных (Streamlit).
Успешно реализовал несколько проектов, включая разработку модуля для интеграции в среду UE, создание программно-аппаратного комплекса для обнаружения включений шлака в струе жидкой стали, разработку серверного модуля нейросетевого шумо-эхоподавления для ВКС крупного российского банка, а также создание интеллектуальной системы классификации и распознавания аномалий во временных рядах (ИСКРА).
Опыт работы специалиста включает в себя разработку и тестирование гипотез систем компьютерного зрения, реализацию алгоритмов и нейросетевых компонентов для сегментации и классификаций областей на снимках, анализ и визуализацию данных инвестиций в проекты, связанные с blockchain.
Cпособен эффективно решать сложные задачи, связанные с машинным обучением и анализом данных, и обладает навыками разработки и тестирования гипотез, построения архитектуры систем и обеспечения коммуникации с заказчиком. Готов решать нетривиальные задачи при помощи исследовательского подхода.
Имеет большой опыт работы в направлениях анализа данных в направлении DataScience - глубоко погружен в понимание принципов работы БД, теорию реляционных БД, теорию декларативных языков (SQL) и неформализованных данных.
Глубоко понимает принципы математической статистики, умеет применять наборы инструменты анализа данных (Pandas, NumPy, Scikit-Learn, др.)
Имеет высшее образование по специальности на стыке Программной Инженерией и Прикладной Математикой (Математическое Обеспечение).
Проекты
(2 года 3 месяца)
Реализация интеграции модуля ШЭП на стороне в среду UE
Роль
ML Engineer
Обязанности
Описание проекта:
Модификация модуля ШЭП для работы на стороне клиентского компонента
Обязанности в проекте:
В качестве ML Engineer: Модификация модуля для сборки на стороне ОС Windows; реализация IPC (Inter-Process Communication) для интеграции на стороне среды UE посредством применения системных TCP сокетов.
Достижения: Удалось достичь высокого качества аудио с низкой задержкой.
Стек специалиста на проекте
C++, Communication, Работа с интеграциями, MS Windows, ос, process, Socket Connection, Socket, Unreal Engine 4, ML, engineer, IPC
Отрасль проекта
Telecom
Период работы
Март 2024 - Октябрь 2024
(8 месяцев)
ПАК для обнаружения и прогнозирования включений шлака в струе жидкой стали
Роль
ML Engineer
Обязанности
Описание проекта:
Программно-аппаратный комплекс для обнаружения и прогнозирования включений шлака в струе жидкой стали на металлургических производствах.
Сервис детекции струи и сегментации шлака реализован на Python c использованием OpenCV для обработки видеопотока.
В рамках пайплайна обработки данных, применяется обученная модель YOLOv8 для детекции струи стали в кадре с дальнейшей сегментацией шлака модифицированной моделью архитектуры UNET.
Нейросетевой модуль коммуницирует с BackEnd сервисом по через RabbitMQ через библиотеку Pika.
Обязанности в проекте:
В качестве ML Engineer: Разработка и обучение нейросетевого модуля определения включений шлака в струе жидкой стали, разработка модуля прогнозирования объема включений шлака.
Достижения: Удалось достичь точности в 96% расчета содержания шлака в конечной выпуске стали.
Стек специалиста на проекте
OpenCV, обработка, Разработка, Программное обеспечение, Обучение, модель, UNET, Pika, PyTorch, Backend, Python, ML, RabbitMQ, engineer, rmq, CNN, RNN
Отрасль проекта
Manufacturing
Период работы
Январь 2024 - Сентябрь 2024
(9 месяцев)
Серверный модуль нейросетевого шумо- эхоподоавления для ВКС крупного российского банка
Роль
ML Engineer | TL
Обязанности
Описание проекта:
Интегрируемый модуль, производящий шумо- эхоподавление с применением моделей нейронных сетей в реальном времени на стороне сервеной архитектуры ВКС.
Проект состоял из двух этапов:
1- Разработка и тестирование гипотез методов реализации шумо- эхоподавления с использованием нейросетевых и алгоритмических решений. Для визуализации и апробации комбинаций решений использовался Python, Streamlit, также для графического представления данных о эффективности различных гипотиз применялась библиотека Seaborn. Обучение нейросетевых модулий проводилось с использованием PyTorch, TorchAudio. В рамках подготовки набора данных для анализа зашумленности применялось построение датаграмм с дальнейшим преобразованием в тензоры частотных характеристик аудио с применением Pandas.
2- Реализация и интеграция серверного компонента шумоподавления. Для обеспечения работы с аудиопотоком в режиме реального времени без задержек нейросетей модуль оптимизирован с использованием Prunning и Compression. В рамках интеграции нейросетевой модуль написан на C++ с использованием OpenVINO. Дополнительно для упрощения работы по интеграции на стороне заказчика процесс сборки необходимых модулей и библиотек реализован с использованием Docker.
Дополнительно для упрощения работы по интеграции на стороне заказчика процесс сборки необходимых модулей и библиотек реализован с использованием Docker.
Обязанности в проекте:
В качестве TeamLead: Декомпозиция и верификация задач, построение архитектуры, обеспечение коммуникации с заказчиком.
В качестве ML Engineer: Разработка и тестирование гипотез, обучение и тестирование нейросетевого модуля шумо- эхоподавления, модификация нейросетевого для работы в качестве серверного компонента.
Достижения: Удалось достичь высокой степени улучшения качества аудио в реальном времени при низком потреблении вычислительных ресурсов.
Стек специалиста на проекте
C++, Работа с интеграциями, Streamlit, Разработка, Программное обеспечение, Обучение, гипотезы, использование, Pandas, Seaborn, PyTorch, Neural networks, Docker, Python, Декомпозиция и структуризация задач, OpenVINO, ML, библиотеки, engineer, Librosa, RealTimeAudio, данных, решений, Prunning, Compression, TorchAudio
Отрасль проекта
Telecom
Период работы
Август 2023 - Февраль 2024
(7 месяцев)
Формат работы
Тип занятости
Фулл-тайм, Парт-тайм (4 ч/день)
Формат работы
Удаленно
Командировки
Не готов
Релокация
Не готов
Готов работать на зарубежных проектах
Да
Образование
Высшее
Учебное заведение
Донской государственный технический университет
Специальность
Математическое обеспечение и администрирование информационных систем (Бакалавриат)
Завершение учебы
2023 г.
Высшее
Учебное заведение
Донской государственный технический университет
Специальность
Искусственный интеллект в медиа технологиях (Магистратура)
Завершение учебы
2025 г.