АФ
Анна Ф.
Женщина, 34 года
Россия, Киров, UTC+3
Ставка
5 137,9 Р/час
вкл. НДС 5% (190.48 Р)
Специалист доступен с 14 сентября 2025 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
Английский — B1
Главное о специалисте
КЛЮЧЕВЫЕ НАВЫКИ
Разработка и внедрение ML/CV моделей в продакшн
Компьютерное зрение: классификация, детекция, сегментация, OCR, трекинг объектов
Оптимизация и ускорение инференса моделей (TensorRT, Triton)
Подготовка и обработка больших датасетов: сбор, очистка, аугментации, балансировка данных, постановка задач для разметчиков (CVAT).
Разработка и интеграция алгоритмов в бизнес-процессы
Настройка пайплайнов обработки данных (GStreamer, ClearML)
Анализ метрик качества моделей
Менторство и наставничество специалистов
SOFT SKILLS
Коммуникабельность
Быстрая обучаемость
Ответственность
Внимательность
Аналитическое мышление
Наставничество и работа с командами
Проекты
(5 лет 9 месяцев)
ML Station
Роль
Computer Vision Engineer
Обязанности
Описание проекта: Разработка B2B-решений для анализа видео в реальном времени, включающих компьютерное зрение, OCR и задачи антифрода.
Обязанности:
• Организация полного цикла работы с данными: от сбора видео у заказчика до очистки, аугментаций и подготовки выборок для обучения моделей
• Разработка и обучение моделей для задач детекции, классификации, сегментации и OCR (Yolo, EfficientNet, SAM, Unet и др.)
• Интеграция моделей в продакшн через GStreamer и Triton Inference Server, написание кастомных плагинов под конкретные бизнес-задачи
• Оптимизация скорости и качества инференса под ограниченные вычислительные ресурсы
• Настройка пайплайнов мониторинга и логирования экспериментов (ClearML, FiftyOne)
• Исследование и внедрение трекеров для отслеживания объектов (Sort, OS tracker) и адаптация их под мелкие объекты
• Взаимодействие с заказчиками, подготовка отчётных материалов, презентация результатов
Достижения
• Разработала систему детекции средств индивидуальной защиты: обучение Yolo, обучение классификатора касок (EfficientNetB3), внедрение в Triton; достигнута Accuracy = 0.98
• Создала систему распознавания номеров на вагонах: предразметка в CVAT, обучение Yolov8 + OCR, алгоритмы группировки и проверки номеров; итог — повышение точности решения заказчика на 13% (Accuracy = 0.97)
• Внедрила решение для антифрода в ритейле: алгоритмы выявления проходов через кассы, сегментация товаров с использованием SAM, визуализация кластеров эмбеддингов в FiftyOne
• Разработала пайплайн для детекции дронов (rgb + ir): Yolo + SAHI + Sort, сегментация неба (FastSAM + Unet), классификация траекторий птиц (CatBoost); достигнуты Precision = 0.87, Accuracy = 0.92
Стек специалиста на проекте
Docker, SQL, Linux, Tensorflow, Pandas, Numpy, PyTorch, CatBoost, ClearML, OpenCV, YOLO, TensorRT, GStreamer, Trino, sam
Отрасль проекта
AI & Robotics
Период работы
Январь 2023 - По настоящее время
(2 года 9 месяцев)
TailBook
Роль
Machine Learning Engineer
Обязанности
Описание проекта: Разработка ML-модулей для обработки изображений и поиска объектов в базе данных.
Обязанности:
• Разработка алгоритмов компьютерного зрения для обработки изображений (обрезка под параметры, поиск объектов)
• Обучение моделей для поиска животных по фото, включая выделение эмбеддингов и настройку алгоритмов сравнения
• Интеграция ML-модулей в существующую инфраструктуру компании
• Оптимизация производительности моделей и сокращение времени обработки
Достижения
• Создала модуль автоматической обрезки изображений на базе Yolov5, что ускорило рабочие процессы
• Разработала систему поиска потерянных животных по фото и дедупликации карточек животных в БД: обучение InceptionV3, выделение эмбеддингов, сравнение через cosine similarity; система предотвращает задвоение карточек и увеличивает точность поиска
Стек специалиста на проекте
Pandas, Numpy, PyTorch, yolov5, pgvector
Отрасль проекта
AI & Robotics
Период работы
Январь 2022 - Январь 2023
(1 год 1 месяц)
Другие проекты (GitHub)
Роль
ML Engineer / Researcher
Обязанности
Описание проекта: Исследовательские и pet-проекты в области CV и ML.
Обязанности:
• Исследование и обучение моделей для антифрода в биометрии, распознавания лиц, оценки расстояний и подсчёта объектов
• Работа с публичными датасетами (CelebA-Spoof, VGGFace2, COCO)
• Адаптация моделей под новые задачи и оптимизация качества
• Тестирование различных loss-функций и архитектур
Достижения
• Biometrics (2023): fine-tuning MobileNetV3 для защиты от атак предъявления, очистка данных CNN deduplicator, конвертация модели в onnx; Accuracy = 0.88
• Count distance to the car (2022): алгоритм оценки расстояния до автомобиля, обучение CatBoostRegressor, подбор гиперпараметров; R2 = 0.95
• Face Recognition (2022): обучение InceptionResnet (VGGFace2) с использованием TripletLoss и ArcFace loss; Accuracy = 0.92
• Parking places (2020): решение для подсчёта свободных мест на парковке на основе YOLOv3, интеграция с реальными данными
Стек специалиста на проекте
Tensorflow, PyTorch, CatBoost, ClearML, YOLOv4, arcface, inceptionresnet, mobilenetv3
Отрасль проекта
AI & Robotics
Период работы
Январь 2020 - Январь 2023
(3 года 1 месяц)
Формат работы
Тип занятости
Фулл-тайм
Формат работы
Удаленно
Командировки
Не готов
Релокация
Не готов
Готов работать на зарубежных проектах
Нет
Дипломы и сертификаты
LLM, Deep School 2025 г.
Computer Vision Rocket, Deep School 2023 г.
Deep Learning, МФТИ 2022 г.
Python for Computer Vision with OpenCV and Deep Learning, Udemy 2021 г.
Образование
Высшее
Учебное заведение
Санкт-Петербургский государственный университет Специальность: Бакалавриат — Прикладные математика и физика; Магистратура — Математические и информационные технологии
Специальность
Бакалавриат — Прикладные математика и физика; Магистратура — Математические и информационные технологии
Завершение учебы
2014 г.