Владислав Довгаль

Мои достижения:

1) Спроектировал архитектуру нейронных сетей, в которой разрозненные модели стали работать в рамках одного пайплайна, что позволило ускорить работу программного комплекса в 1,5 раза. Также занимался интегрированием архитектуры в существующий программный комплекс.

2) Внедрил стандарт работы с моделями через DVC и ClearML.

3) В одиночку занимался полным циклом разработки более 8 проектов ML (обсуждение бизнес целей -> формирование требований и постановка задачи -> ресёрч моделей и алгоритмов -> файнтюнинг и оптимизация инференса моделей -> внедрение моделей в программный комплекс -> сопровождение и дообучение моделей. Некоторые среди таких проектов:

- Создание системы обнаружения нарушений, связанных с человеком в автомобиле (отсутствие ремня безопасности, наличие телефона в руках);

- Создание системы обнаружения и распознавания госномеров у автомобилей разных типов (гражданские, спецномера, иностранные номера) с точностью классификации и распознавания текста до 99%;

- Создание системы обнаружения транспортных средств, включая их классификацию и трекинг, с AP50_95 = 0,79;

- Создание системы обнаружения дорожных знаков, включая их классификацию, с AP50_95 = 0,81;

- Создание системы обнаружения пешеходов и людей, передвигающихся на средствах индивидуальной мобильности, AP50_95 = 0,8;

-Создание системы классификации положения автомобиля в парковочной зоне, AP50_95 = 0,76;

- Создание системы обнаружения и трекинга лиц, AP50_95 = 0,75.

- С помощью модификации архитектуры, применением ONNX или OpenVINO на некоторых моделях удавалось достичь прирост в скорости инференса до 1,5 - 2 раз.

Стек: OpenCV, PyTorch, TensorFlow, Keras, YOLOv4, YOLOX, LeYOLO, YOLOv11, SSD, SORT, ByteTrack, ONNX, OpenVINO, ClearML, DVC, CVAT, LabelStudio, Python, C#

В мои обязанности входило:
- Исследование новых архитектур машинного обучения, поиск и изучение статей по ним
- Поиск, анализ и обработка данных
- Поиск моделей машинного обучения по поставленную задачу
- Проведение исследований, направленных на улучшение моделей, а так же выявление лучше модели
- Создание пайплайнов обучения и тестирования моделей