Стек: python, pandas, numpy, scikit-learn, opencv, PyTorch, keras, Tensorflow, XGBoost, spark, catboost, matplolib\seaborn, git, SQL, docker.
Портфолио:
- semantic segmentation - обнаружение рельс по фото - точность(IoU) 0.83 - небольшой набор данных.
Код: https://github.com/Golden-dreamer/railway-segmentation;
- Всероссийский Хакатон (http://hackathon-rf.ru/) - 3 место - Декабрь 2022, задача " Определение местоположения БВС в условиях отсутствия GPS\ГЛОНАСС сигнала"
Глубокое понимание классических алгоритмов машинного обучения - Linear\Logistic Regression, SVM, KNN, Decision Tree, Random Forest, Gradient Boosting и др.
Понимание архитектур нейронных сетей (читал научные статьи на английском): Yolo, U-Net, ResNet, MobileNet, EfficientNet; GAN, autoencoder; word2vec, Transformers, BERT, GPT, и др.
- Построение и доработка моделей машинного обучения для решения задач OCR и классификации изображений;
В команде с нуля разработали сервис по распознаванию текста с фотографий документов, интегрировали в существующую инфраструктуру, написали документацию, развернули с помощью fastapi, docker.
Направление - прикладная математика и информатика.