Используя машинное обучение, я могу помочь в решении широкого спектра задач, связанных с преобразованием данных в полезную информацию путем автоматизации принятия решений и прогнозирования результатов, что обеспечит вам конкурентное преимущество. Независимо от того, представляете ли вы компанию или просто работаете над независимым проектом, я могу внедрить, обновить или поддерживать (на постоянной или разовой основе) статистические алгоритмы, модели нейронных сетей или ML-пайплайны для классификации, регрессии, кластеризации, уменьшения размерности, обнаружения аномалий и других (смешанных) задач.
В данном списке представлены некоторые мои проекты, связанные с машинным обучением (исключая вклад в open-source и прочие проприетарные или небольшие проекты).
Промпт-инжиниринг, MLOps
Автоматический промпт-инжиниринг, тестирование и балансирование нагрузки ИИ-моделей для продакшена и R&D
— Автоматический промпт-инжиниринг, тестирование и балансирование нагрузки ИИ-моделей для продакшена и R&DГенерация контента, цифровой маркетинг
Персонализированный email-маркетинг с сегментацией пользователей и аналитикой
— Персонализированный email-маркетинг с сегментацией пользователей и аналитикойКомпьютерное зрение, дашборды
Обработка медицинских изображений/видео: оптический поток (Farneback, Lucas-Kanade, глубокое обучение), поиск похожих изображений (SIFT/ORB/CNN-эмбеддинги), определение объектов и интерактивный дашборд (Dash)
— Обработка медицинских изображений/видео: оптический поток (Farneback, Lucas-Kanade, глубокое обучение), поиск похожих изображений (SIFT/ORB/CNN-эмбеддинги), определение объектов и интерактивный дашборд (Dash)Рычночный анализ, рекомендательные системы
Оптимизация цен и динамический профайлинг пользователей для онлайн-коммерции
PoC-инструмент для прогнозирования спроса, регрессии и оптимизации динамического ценообразования на основе ансамбля; профилирование пользователей на основе ML с системами персонализированных рекомендаций для оптимизации продаж/вовлеченности в реальном времени. Прогнозирует продажи на основе исторических данных, цен конкурентов и сезонности, используя модели временных рядов, и динамически рассчитывает оптимальные цены. Профилирование осуществляется путем кластеризации пользователей на основе отслеживания их поведения (клики, время пребывания на странице, история покупок). Пользователи сегментируются для получения персонализированных рекомендаций с использованием методов коллаборативной фильтрации.
— Оптимизация цен и динамический профайлинг пользователей для онлайн-коммерцииАнализ текста, анализ изображений
Телеграм-бот на основе ViT/NLP, в реальном времени определяющий и модерирующий сообщения, с логгированием и авто-удалением/предупреждением. Предназначен для групп.
— Телеграм-бот на основе ViT/NLP, в реальном времени определяющий и модерирующий сообщения, с логгированием и авто-удалением/предупреждением. Предназначен для групп.Выявление аномалий, анализ рисков
PoC-приложение для обнаружение финансового мошенничества и скоринга кредитных рисков, использующее ансамблевые методы и глубокое обучение
— PoC-приложение для обнаружение финансового мошенничества и скоринга кредитных рисков, использующее ансамблевые методы и глубокое обучениеГенерация контента, RAG
PoC-чатбот, сочетающий LLM и техники RAG. Использует текстовые эмбеддинги, векторный поиск (ElasticSearch) и интеграцию языковых моеделй (OpenAI API или open-source альтернативы) для генерации ответов в службе поддержки клиентов.
— PoC-чатбот, сочетающий LLM и техники RAG. Использует текстовые эмбеддинги, векторный поиск (ElasticSearch) и интеграцию языковых моеделй (OpenAI API или open-source альтернативы) для генерации ответов в службе поддержки клиентов.Цифровой маркетинг, веб-скрпинг
Решение для маркетинговой аналитики: скрапинг сайтов для получения SEO-факторов и предсказания показателей кликабельности (CTR) рекламы
— Решение для маркетинговой аналитики: скрапинг сайтов для получения SEO-факторов и предсказания показателей кликабельности (CTR) рекламыРекомендательные системы
Простой пайплайн, который собирает, предобрабатывает и размечает сырые данные (взаимодействие user-item) для построения гибридной рекомендательной системы, использующей коллаборативную фильтрацию (SVD, ALS) и обучение ранжированию (XGBoost ranking)
— Простой пайплайн, который собирает, предобрабатывает и размечает сырые данные (взаимодействие user-item) для построения гибридной рекомендательной системы, использующей коллаборативную фильтрацию (SVD, ALS) и обучение ранжированию (XGBoost ranking)Временные ряды, предсказательная аналитика
Предсказание временных рядов в реальном времени с использованием ARIMA/SARIMA, Prophet, LSTM-сетей и feature engineering (lag-фичи, rolling statistics, date-time компоненты)
— Предсказание временных рядов в реальном времени с использованием ARIMA/SARIMA, Prophet, LSTM-сетей и feature engineering (lag-фичи, rolling statistics, date-time компоненты)Тематическое моделирование
Пайплайн для классификации текста и тематического моделирования с использованием латентного размещения Дирихле, spaCy, NLTK, модели BERT и FastAPI-интерфейса
— Пайплайн для классификации текста и тематического моделирования с использованием латентного размещения Дирихле, spaCy, NLTK, модели BERT и FastAPI-интерфейсаАналитика клиентов
End-to-end приложение для аналитики, объединяющее прогнозирование оттока/CLV, сегментацию клиентов и lead scoring в решение с пайплайнами данных и дашбордом
— End-to-end приложение для аналитики, объединяющее прогнозирование оттока/CLV, сегментацию клиентов и lead scoring в решение с пайплайнами данных и дашбордомРазведка по открытым источникам, NLP, веб-агенты, веб-скрапинг
OSINT-инструмент, предназначенный для проведения глубокого поиска в Интернете путем объединения нескольких веб-агентов, использующих SOTA-методы машинного обучения. Программа краулит веб-страницы, собирая огромные объемы открытых данных, а затем использует языковые модели для выполнения NLP-задач по этим данным.
— OSINT-инструмент, предназначенный для проведения глубокого поиска в Интернете путем объединения нескольких веб-агентов, использующих SOTA-методы машинного обучения. Программа краулит веб-страницы, собирая огромные объемы открытых данных, а затем использует языковые модели для выполнения NLP-задач по этим данным.Глубокое обучение
TensorFlow-реализация и демонстрация работы сети Колмогорова-Смирнова, предложенной в апреле 2024 года (arXiv:2404.19756)
— TensorFlow-реализация и демонстрация работы сети Колмогорова-Смирнова, предложенной в апреле 2024 года (arXiv:2404.19756)Анализ звука
Архитектура Mixture of Experts для преобразования речи в текст и распознавания языка, реализованная на PyTorch
Система сочетает в себе архитектуры трансформера, RNN и CNN. Она поддерживает различные аудио- и видеоформаты и может работать с несколькими языками и диалектами. Изначально проект разрабатывался как пет-проект по распознаванию речи с целью получить навыки работы с PyTorch. Модель была обучена на приватных данных, состоящих из тысяч часов речи.
— Архитектура Mixture of Experts для преобразования речи в текст и распознавания языка, реализованная на PyTorchВременные ряды, поиск аномалий
Алгоритм выявления аномалий для временных рядов на основе модели динамической генерации порогов
— Алгоритм выявления аномалий для временных рядов на основе модели динамической генерации пороговКомпьютерное зрение
Комплексная система анализа дорожного движения на кольцевых развязках: обработка данных с нескольких камер в реальном времени, интеграция с Kafka для обмена сообщениями, InfluxDB для хранения временных рядов и Grafana для интерактивных дашбордов. Обрабатывает потоки RTSP или локальные .mp4-файлы, вычисляет количество и интенсивность движения (автомобилей в минуту), поддерживает параллелизм.
— Комплексная система анализа дорожного движения на кольцевых развязках: обработка данных с нескольких камер в реальном времени, интеграция с Kafka для обмена сообщениями, InfluxDB для хранения временных рядов и Grafana для интерактивных дашбордов. Обрабатывает потоки RTSP или локальные .mp4-файлы, вычисляет количество и интенсивность движения (автомобилей в минуту), поддерживает параллелизм.QA-системы, анализ больших данных
QA-приложение на основе LLM для работы с большими массивами предварительно загруженных документов, файлов данных, статей Википедии и спарсенных веб-страниц, реализующее графы знаний, аналитику, диаграммы и Streamlit-интерфейс
QASATIK — это приложение, помогающее исследовать большие объемы документов, файлов данных и веб-страниц. Созданное на основе Streamlit, оно поддерживает загрузку файлов, онлайн-скрапинг статей и запросы с использованием настраиваемых языковых моделей (OpenAI, LangChain, LlamaIndex). Кроме того, инструмент оснащен интерактивными визуализациями в виде графов знаний, различной аналитики и диаграмм, помогающими лучше разобраться в природе данных.
— QA-приложение на основе LLM для работы с большими массивами предварительно загруженных документов, файлов данных, статей Википедии и спарсенных веб-страниц, реализующее графы знаний, аналитику, диаграммы и Streamlit-интерфейсАнализ звука
Докеризированная бенчмарк-модель с API для классификации музыки по жанрам, созданная с помощью TensorFlow и Essentia
— Докеризированная бенчмарк-модель с API для классификации музыки по жанрам, созданная с помощью TensorFlow и EssentiaРекомендательные системы
Реализация полноценного пайплайна рекомендательной системы на PyTorch с использованием Elasticsearch, Redis, Flask, Feast и Triton: от обработки данных и обучения модели до развёртывания и выдачи предсказаний
— Реализация полноценного пайплайна рекомендательной системы на PyTorch с использованием Elasticsearch, Redis, Flask, Feast и Triton: от обработки данных и обучения модели до развёртывания и выдачи предсказанийКомпьютерное зрение
Моя выпускная работа: легковесная и быстрая модель распознавания текста на сложных графических сценах, основанная на архитектуре EAST с добавлением слоёв MobileNet
— Моя выпускная работа: легковесная и быстрая модель распознавания текста на сложных графических сценах, основанная на архитектуре EAST с добавлением слоёв MobileNet
