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.
Разрабатываю модели, способные решать задачи классификации и регрессии. Моя основная цель - помочь решить проблемы в области прогнозирования, компьютерного зрения и анализа текстовой информации. Владею классическими и глубокими методами машинного обучения. Занимаюсь анализом данных и визуализацией результатов с помощью библиотек Pandas, Numpy, Matplotlib, Seaborn, Plotly. Строю модели глубокого обучения с помощью фреймворков Keras и PyTorch. Уверенно разрабатываю на Python. Есть опыт работы с Flask, SQLAlchemy, а также опыт написания юнит-тестов с помощью библиотек PyTest и UnitTest. Совершенствую свои навыки, читая профессиональную литературу и публикуя научные статьи и статьи на Хабре.
Статьи:
1. Прикладная математика и вопросы управления, 2023, Пермь: Метод определения уровня схожести изображений по цветовой составляющей на основе корреляционного
анализа и квантования цветового пространства
https://elibrary.ru/item.asp?id=54951039
2. Вестник Южно-Уральского государственного университета, 2023, Челябинск:Разработка системы определения перемещения рабочих на производстве на основе OpenCV и алгоритма одностадийного детектора
https://elibrary.ru/item.asp?id=51254937
3. USBEREIT, 2023, Yekaterinbug: Application of Ensembles of Neural Networks for Deepfake Recognition
4. Хабр, 2023: Почему Data Science не для вас?
https://habr.com/ru/users/TourmalineCore/articles/
5. Applied Human Factors and Ergonomics, 2024, Nice: Development of Neural Networks for Deepfake Recognition
https://clok.uclan.ac.uk/id/eprint/52098/1/978-1-958651-98-8_14.pdf
7. Хабр, 2025: To Docker or not to Docker? Вот в чём JupyterLab
https://habr.com/ru/articles/911298/
Монография:
1. Южно-Уральский государственный университет, 2024: Управление промышленными предприятиями как фактор эффективного развития региона
https://elibrary.ru/item.asp?id=79614873
Проекты
(3 года 2 месяца)
Разработка корпоративного LLM-помощника для работы с документацией компании
Роль
ML-инженер / Team Lead
Обязанности
Разработка поисковой системы по документации компании на основе архитектуры Retrieval-Augmented Generation (RAG)
Результат работы:
- Cбор и анализ требований.
- Провела исследование наилучших практик, применяющихся в разработке RAG-систем.
- Построила базовый пайплайн RAG-системы с помощью фреймворков Langchain, Ollama и LLM серии Qwen3.
- Реализовала API-сервис для работы с базовым RAG-пайплайном с помощью фреймворка FastAPI.
- Изучила и реализовала деление на чанки и векторизацию как этапы препроцессинга данных в RAG-системе.
- Изучила и реализовала сохранение векторных данных в базу, поиск по базе и извлечение наиболее подходящих результатов поиска с помощью векторной базы данных Qdrant.
- Развернула в изолированном локальном контуре систему, включающую API-сервис, Ollama и базу данных Qdrant.
- Организация работы команды.
- Проводила код-ревью коллег.
R&D по системам автоматического распознавания речи (ASR)
Роль
ML-инженер / Team Lead
Обязанности
Исследования в рамках разработки системы перевода речи в текст для автоматического обнаружения ошибок автоматического обнаружения ошибок и определения уровня соответствия переговоров внутреннему регламенту.
Результаты работы:
- Провела сравнение различных подходов к автоматическому распознаванию речи.
- Проанализировала существующие способы оценки качества ASR и на их основе разработала концепцию смешанной метрики.
- Исследовала существующие модели ASR.
- Изучала методы распознавания именованных сущностей и их применение в задачах ASR.
- Разработала пайплайн распознавания шаблонов в тексте в соответствии с заданными протоколами.
- Провела сравнительный анализ различных способов улучшения качества звука, включая работу с частотами, алгоритмические подходы и модели глубокого обучения.
- Проводила дообучение модели Whisper c помощью адаптера LoRA с целью повышения качества работы модели на данных, специфичных предметной области: на существующих аудиоданных с применением ресемплирования, а также на искусственно сгенерированном датасете с помощью моделей перевода текста в речь.
- Организация работы команды.
- Проводила код-ревью коллег.
Бизнес-аналитика процессов в компании, занимающейся покупкой и продажей автомобилей. Добавление алгоритмов, совершенствующих бизнес-процесс.
Обязанности:
- Работа с базами данных, анализ данных и построение отчетов,
отвечающих на бизнес-запросы.
- Реализация алгоритма классификации ТС по габаритным параметрам.
- Реализация алгоритма по определению цены ТС по его характеристикам
и комплектациям.