Резюме
AI разработчиков
AI разработчиков
Стреколковский Максим
AI разработчик
Образование
Университет искусственного интеллекта Terra AI 2023
«Data Science, нейронные сети, машинное обучение и искусственный интеллект»
«Дообучение СhatGPT на собственной базе»
«Интеграция в Production»
«Курс по ChatGPT»
«Data Science, нейронные сети, машинное обучение и искусственный интеллект»
«Дообучение СhatGPT на собственной базе»
«Интеграция в Production»
«Курс по ChatGPT»
Навыки
Проекты с дообученным Chat GPT:
Нейро-помощник Sense Sync - Личный инструмент продаж и выставочный бот, предназначенный для ознакомления клиентов с возможностями продукта
Нейро-продавец для магазина Selena Jewelry - Внедрение привело к увеличению продаж магазина на 17%
Нейронный Эйнштейн для выставки «Квантовый Путь» - Для осенней выставки современного искусства «Квантовый путь»
Нейро-продавец для компании «Me In 3D» - Возможность продавать продукцию в разных странах на многихязыках (США)
Нейро-помощник Sense Sync - Личный инструмент продаж и выставочный бот, предназначенный для ознакомления клиентов с возможностями продукта
Нейро-продавец для магазина Selena Jewelry - Внедрение привело к увеличению продаж магазина на 17%
Нейронный Эйнштейн для выставки «Квантовый Путь» - Для осенней выставки современного искусства «Квантовый путь»
Нейро-продавец для компании «Me In 3D» - Возможность продавать продукцию в разных странах на многихязыках (США)
Профессиональный опыт
- Python
- C# (ООП)
- HTML
- CSS
- Genetic Algorithms
- Unity, Unreal Engine
- Text2image
- ChatGPT
- Llama
- Object Detection
- ResNet
- Git
- REST Framework
- Requests
Сорокин Андрей
О себе
В сфере IT уже более 15 лет, имею богатый опыт управления командами в области разработки ПО. Есть опыт программирования. Сейчас очень увлекаюсь разработкой AI и все свободное время уделяю этому.
AI engineer
Профессиональный опыт
Образование
Университет искусственного интеллекта | 2023
«Дообучение Chat GPT на собственной базе»
«Курс Auto ML»
«Дообучение Chat GPT на собственной базе»
«Курс Auto ML»
Навыки
- Python
- Numpy
- Pandas
- Matplotlib
- Seaborn
- Librosa
- Gensim
- Pymorphy2
- Keras
- Pytorch
- Tensorflow
- Text2Image
- GPT (языковое моделирование)
- OpenAI API
- LangChain
- DeepSpeech
- Object Detection
- OOП
- GIT
- Json
Стажер Chat GPT
OOO «Киа Россия и СНГ»
Проект: «Нейропомощник КИА»
Задачи:
OOO «Киа Россия и СНГ»
Проект: «Нейропомощник КИА»
Задачи:
- Реализовать интерфейс взаимодействия для пользователя
- Выбрать структуру Базу знаний
- Создать текстовую Базу знаний
- Протестировать решения
- Модифицировать решения для устранения ошибок
- Requests
- HTML/CSS
- VueJS
- NGINX
- MVS
- Sqlite
- PostgreSql
- MySQL
- SQLAlchemy
- Linux
- Django REST Framework
- Flask
- Docker
- Agile
- Scrum
- Jira
- YouTrack
Достижения:
- Разработан Telegram бот
- Выбран MarkdownHeaderTextSplitter для формирования Базы знаний
- Разработан редактор на Vue для работы с Базой знаний
- Реализована память чата
- Сохранение диалогов пользователя в Базу данных MySQL
- Подсчет затрат при обращении к ChatGPT
Навыки
- Python
- Java
- NumPy
- Pandas
- Matplotlib
- Seaborn
- Librosa
- Scikit-learn
- Keras
- Pytorch
Александр Григорук
О себе
Опытный инженер-программист с опытом разработки ПО для автоматических систем управления. Владею фронтендом и бэкендом на базе систем SCADA, а также специализируюсь на лабораторных испытательных комплексах. Стремлюсь профессионально развиваться в области искусственного интеллекта, чтобы помочь внедрять его в повседневные задачи, бизнес-процессы и АСУ-приложения. Меня интересуют проекты, которые представляют реальную пользу и развитие человечества.
Data Science
Профессиональный опыт
Результат: Создан модуль на Python для обучения нейронной сети на основе lightGBM и последующего предсказания
Стек: LightGBM, Numpy, Pandas, Plotly, Python
Стек: LightGBM, Numpy, Pandas, Plotly, Python
- Tensorflow
- NLP
- Seq-2-Seq
- Q-learning
- REINFORCE
- GAN
- CGAN
- WGAN
- DeepSpeech
- Object Detection
- VGG
- ResNet
- Streamlit
- ООП
- Git
- Json
- Requests
- HTML/CSS
- Bootstrap
- MVC
- Sqlite
- PostgreSql Django
- ORM
- Mixins
- Django REST Framework
- Flask
- PHP
- Vue.js
Образование
2020 Университет искусственного интеллекта
«Data Science, нейронные сети, машинное обучение и искусственный интеллект»
«Data Science, нейронные сети, машинное обучение и искусственный интеллект»
ООО «Медиа Байер» 09.2022-12.2022
«Система прогнозирования эффективности ТВ рекламы»
Создать систему, реализующую следующий функционал:
«Система прогнозирования эффективности ТВ рекламы»
Создать систему, реализующую следующий функционал:
- Предсказание количества звонков, которое поступит в call-центр после выхода рекламы на ТВ
- Проведение корреляционного анализа для выявления признаков, влияющих на определение целевого параметра - количества звонков
Разработана: Разработана система в виде веб-сервиса, предоставляющего возможность выполнения как одиночного, так и комплексного предсказания
Стек: Tensorflow, Numpy, Pandas, Matplotlib, Streamli, Django rest framework, Vue.js, Axios
Стек: Tensorflow, Numpy, Pandas, Matplotlib, Streamli, Django rest framework, Vue.js, Axios
ПАО «Совкомбанк» 01.2023-04.2023
«Предсказание нагрузки на сервера»
«Предсказание нагрузки на сервера»
- Провести анализ данных серверов
- Получить предсказание нагрузки на сервера компании по историческим данным
Навыки
- Python
- NumPy
- Pandas
- Matplotlib
- Pymorphy2
- Keras
- Tensorflow
- NLP
- Seq-2-Seq
- REINFORCE
Профессиональный опыт
Деген Юлия
О себе
Имею опыт работы с анализом данных и внедрением приложений для мобильных платформ и виртуальной реальности. Склонна к нахождению простых решений для сложных задач. Люблю самостоятельно решать задачи, в том числе нерешаемые. Также имею опыт работы со вспомогательным софтом и расширениями для приложений.
Data Science
- GAN
- ООП
- Git
- Unittest
- Pytest
- Json
- Requests
- SQL
- linux
- Docker
Система машинного зрения для сервиса 3d моделей на базе Numpy
Образование
Университет искусственного интеллекта Terra AI | 2022
«Python – Разработчик»
«Python – Разработчик»
Since writer – собственный проект
Задачи: Создание IT решения на базе собственной технологии анализа текстов: разбор на различные уровни смысла, выявление подтекста
Задачи: Создание IT решения на базе собственной технологии анализа текстов: разбор на различные уровни смысла, выявление подтекста
- Отделение объекта от фона
- Определение преобладающих цветов изображения в RGB
- Ранжирование большого объема данных под запрос по принципу близости цветового решения
Достижения: Создала систему, способную со скоростью 0.1 сек на запрос выдать из библиотеки в 100 000 айтемов ранжирование по любому набору любых заданных на входе цветов в цветовом диапазоне 16 000 000
Стек: Numpy
Стек: Numpy
Стек: Python, Pymorphy3, Pandas, Numpy
Чат-бот для Telegram «Психолог»
Задачи: Реализация метода выхода из схемы с проверками шагов выхода в формате чат-бота
Достижения: Бот работает с 07. 2022 г.
Стек: Python3, Pymorphy3, Numpу
Задачи: Реализация метода выхода из схемы с проверками шагов выхода в формате чат-бота
Достижения: Бот работает с 07. 2022 г.
Стек: Python3, Pymorphy3, Numpу
(включен с 11:00 до 19:00 по рабочим дням)
- Создала блок анализа
- Написала сервис аналитики постов для VK
- Стадия MVP
- Проект приносит продажи
Достижения:
Винокуров Борис
О себе
Начинающий специалист в сфере искусственного интеллекта. Увлечен AI как инструментом оптимизации технологических процессов и систематизации потоков данных в сферах строительства и производства. Стремлюсь применять свои знания, навыки для решения сложных задач и развиваться в своей профессиональной сфере.
Data Science
ПАО «КАМАЗ» 08.2022 - 01.2023
Проект: «Контроль состояние водителя. Идентификация водителя»
Задачи:
Достижения:
Стек - Python, Pandas, Numpy, Matplotlib, Math, Seaborn, Keras, Tensorflow
Проект: «Контроль состояние водителя. Идентификация водителя»
Задачи:
- Получение тестовых результатов от YoloV3
- Разработка блока «Распознавание сонливости, частота зевания, частота моргания (ключевые точки на лице), микросон, отвлечение взгляда.»
- Разработка визуализации результатов посредством Matplotlib и Seaborn
Достижения:
- YoloV3 показала низкую точность распознавания в сравнении с YoloV5
- Блок распознавания состояний водителя на основе библиотек OpenCV и Dlib показал высокое качество определения изменений состояния водителя
- Блок отвлечения водителя на основе библиотек OpenCV и Dlib показал высокое качество обнаружения лица водителя в фронтальной проекции
- Визуализация результатов получилась информативной и помогла в анализе работы модели
Стек - Python, Pandas, Numpy, Matplotlib, Math, Seaborn, Keras, Tensorflow
Образование
Университет искусственного интеллекта 2023
«Data Science, нейронные сети, машинное обучение и искусственный интеллект»
Дипломный проект: «Определение сорной растительности в сельскохозяйственных культурах»
Стек: Python, Pandas, Numpy, Matplotlib, Math, Seaborn, Keras, Tensorflow
«Data Science, нейронные сети, машинное обучение и искусственный интеллект»
Дипломный проект: «Определение сорной растительности в сельскохозяйственных культурах»
Стек: Python, Pandas, Numpy, Matplotlib, Math, Seaborn, Keras, Tensorflow
Навыки
- Python
- NumPy
- Pandas
- Matplotlib
- Keras
- Pytorch
- Tensorflow
- GAN
- CGAN
- WGAN
- GIT
- Object Detection
- ООП
Профессиональный опыт
Ламыкина Анна
О себе
Начинающий специалист в сфере искусственного интеллекта. Обладаю знаниями и умениями для работы с нейронными сетями и анализом данных. В совершенстве владею английским и итальянским языком. Я ищу работу в качестве Data Scientist, чтобы продолжать расти и развиваться в этой сфере.
Data Science
Профессиональный опыт
Стажер Data Science
ГК «Самолет»
Проект: «Детектирование и отслеживание людей, проходящих через КПП, а также детекция каски и жилета на них»
Результат: Работающая нейронная сеть
Стек: Python, Tensorflow, Keras, PyTorch, Pandas, Matplotlib, Seaborn, NumPy, Pyplot, OpenCV, PIL
ГК «Самолет»
Проект: «Детектирование и отслеживание людей, проходящих через КПП, а также детекция каски и жилета на них»
- Изучение и корректировка готового кода на Python
- Создание, разметка базы данных
- Обучение нейронных сетей для детекции и трэкинга объектов
- Использование алгоритмов YOLO, SORT, DeepSORT
- Написание кода для пост-обработки данных
Результат: Работающая нейронная сеть
Стек: Python, Tensorflow, Keras, PyTorch, Pandas, Matplotlib, Seaborn, NumPy, Pyplot, OpenCV, PIL
Навыки
- Питон
- Scikit-Learn
- CatBoost
- Линукс
- ЛайтГБМ
- Гит
- Панды
Бархатов Сергей
О себе
Получил образование в сфере искусственного интеллекта. Имею опыт написания кодов и алгоритмов, а также построения сложных нейронных сетей с помощью различных программ. Умею программировать на Python. Обладаю определения контроля работы нейронных сетей, архитектуры, функций активации и методов обучения.
Data science
- HTML
- Нампи
- CSS,
- Керас
- НЛП
- SQL
- Тензорфлоу
- PyTorch
- САП
- ГАН
- MySQL
- Scikit-обучение
- АвтоМЛ
Профессиональный опыт
Создал бота для OpenAI
«4ma_chatGPT_bot»
Поиск решений для быстрого и удобного доступа к новому сервису ChatGPT
Цель: Создание бота Telegram с помощью сервиса ChatGPT для доступа к самому сервису ChatGPT
Результат: Организован непрерывный доступ к ChatGPT в Телеграм-канале
Cтек: ChatGPT, Colab, Python, Docker.
«4ma_chatGPT_bot»
Поиск решений для быстрого и удобного доступа к новому сервису ChatGPT
Цель: Создание бота Telegram с помощью сервиса ChatGPT для доступа к самому сервису ChatGPT
- Обучение основам работы с ChatGPT
- Регистрация на портале OpenAi для получения API токенов
- Взаимодействие с ChatGPT для получения кода Telegram бота
- Создание нового чата бота в Телеграме
- Запуск Docker на домашнем сервере Synology и упаковка бота в контейнер
- Проверка работы бота на разных устройствах в режиме 24*7
Результат: Организован непрерывный доступ к ChatGPT в Телеграм-канале
Cтек: ChatGPT, Colab, Python, Docker.
Образование
Университет искусственного интеллекта
«Data Science, нейронные сети, машинное обучение и искусственный интеллект»
Проект: Модель машинного обучения для классификации ремонтных операций
Достижения: Построена модель для многоклассовой классификации ремонтных операций на основе анализа текстового описания, числовых и категориальных данных. Достигнутая точность классификации 95%.
Стек: Python, библиотеки Pandas, фреймворк Keras, Scikit-learn, NumPy, AutoML.
«Data Science, нейронные сети, машинное обучение и искусственный интеллект»
Проект: Модель машинного обучения для классификации ремонтных операций
- Программирование на Python (Scikit-Learn, SciPy, Pandas, Numpy), сбор, обработка и анализ данных из разных источников (EDA, предварительная обработка, применение методов статистического анализа)
- Построение и оценка качества классических моделей машинного обучения, построение нейронных сетей (Keras, TensorFlow, PyTorch), улучшение качества моделей
- Предварительный просмотр данных (matplotlib, seaborn), работа с SQL (на уровне подзапросов)
Достижения: Построена модель для многоклассовой классификации ремонтных операций на основе анализа текстового описания, числовых и категориальных данных. Достигнутая точность классификации 95%.
Стек: Python, библиотеки Pandas, фреймворк Keras, Scikit-learn, NumPy, AutoML.
Профессиональный опыт
Geekshop_2 - проект по выводу товара на маркетплейс
Стек: Python, Django, HTML, CSS, JavaScript, Ajax
Стек: Python, Django, HTML, CSS, JavaScript, Ajax
Мартынов Дмитрий
О себе
Начинающий специалист в области Data Science, который увлечен анализом данных и построением моделей машинного обучения. Успешно создаю AI- решения с использованием различных методов машинного обучения. Готов обучаться новым инструментам и технологиям.
Data Science
Образование
Университет искусственного интеллекта
«Data Science, нейронные сети, машинное обучение и искусственный интеллект»
Проект: Определение наличия пневмонии по рентгеновским снимкам
Достижения: В ходе проделанной работы был создан проект, который достиг целевой показатель предсказания нейросетью наличия заболевания органов грудной клетки с точностью в 98%
Стек: Python, Sklearn, Keras, Matplotlib, Numpy, Tensorflow
«Data Science, нейронные сети, машинное обучение и искусственный интеллект»
Проект: Определение наличия пневмонии по рентгеновским снимкам
- Сбор достаточной и сбалансированной базы из рентгеновских снимков грудной клетки
- Обработка и нормирование данных, разделение на обучающую, проверочную и тестовые выборки
- Определение гипер-параметров нейронной сети для получения целевых показателей
Достижения: В ходе проделанной работы был создан проект, который достиг целевой показатель предсказания нейросетью наличия заболевания органов грудной клетки с точностью в 98%
Стек: Python, Sklearn, Keras, Matplotlib, Numpy, Tensorflow
Restapi – проект по совместному управлению деятельности
Стек: Python, Django REST Framework, JavaScripts, Docker, PostgresSQL, Nginx
Стек: Python, Django REST Framework, JavaScripts, Docker, PostgresSQL, Nginx
Xray – интернет сайт по определению пневмонии по рентгеновскому снимку грудной клетки
Стек: Python, Django, Tensorflow, Keras, Numpy, Matplotlib, Sklearn, HTML, CSS, JavaScript, Ajax
Стек: Python, Django, Tensorflow, Keras, Numpy, Matplotlib, Sklearn, HTML, CSS, JavaScript, Ajax
First – фриланс проект по расчету остатков нефтепродуктов на складе
Стек: Python, Django, HTML, CSS
Стек: Python, Django, HTML, CSS
CNN Xray – проект CNN по определению пневмонии
Стек: Python, Tensorflow, Keras, Numpy, Matplotlib, Sklearn
Стек: Python, Tensorflow, Keras, Numpy, Matplotlib, Sklearn
Joabboard – проект интернет сайта по автоматической транскрибации аудио в текст
Стек: Python, Django, HTML, CSS, JavaScript, Ajax
Стек: Python, Django, HTML, CSS, JavaScript, Ajax
Навыки
- Python
- Keras
- Pytorch
- NumPy
- Pandas
- Sklearn
- OpenCV
- Matplotlib
Профессиональный опыт
Николаев Алексей
О себе
Начинающий специалист в области машинного обучения с опытом работы в области обработки звука, изображений и видео. Хорошо адаптируюсь к новым технологиям и быстро обучаюсь новым навыкам. В данный момент я ищу работу в сфере Data Science, где смогу продолжать улучшать свои знания и навыки.
Data Science
ГК «Самолет»
Проект: «Детектирование и отслеживание людей, проходящих через КПП, а также детекция каски и жилета на них»
Результат: Система подсчёта входящих и выходящих рабочих и проверка наличия на них спецодежды
Стек: Python, Numpy, Pandas, Matplotlib, OpenCV, YOLOv8, OC-SORT
Проект: «Детектирование и отслеживание людей, проходящих через КПП, а также детекция каски и жилета на них»
- Изучение и корректировка готового кода на Python
- Разметка базы данных Finetuning YOLOv8 для детекции и трэкинга объектов
- Поиск и настройка подходящего трекера
- Написание и тестирование алгоритма подсчёта входящих и выходящих рабочих и проверка наличия на них спецодежды по данным с трекера
Результат: Система подсчёта входящих и выходящих рабочих и проверка наличия на них спецодежды
Стек: Python, Numpy, Pandas, Matplotlib, OpenCV, YOLOv8, OC-SORT
Образование
Университет искусственного интеллекта 2022
«Data Science, нейронные сети, машинное обучение и искусственный интеллект»
Дипломный проект: Вычисление импульсной характеристики корректирующего FIR-фильтра с помощью свёрточной нейросети
«Data Science, нейронные сети, машинное обучение и искусственный интеллект»
Дипломный проект: Вычисление импульсной характеристики корректирующего FIR-фильтра с помощью свёрточной нейросети
АО «НИЖЕГОРОДСКИЙ МАСЛО-ЖИРОВОЙ КОМБИНАТ»
Проект: «Разработка системы, оптимизирующей порядок загрузки фур на продовольственном складе»
Результат: Инструмент, позволяющий сконструировать среду, эмулирующую процессы отгрузки и приёмки товара на складе, а также ввести систему оценки эффективности этих процессов
Стек: Python, Numpy, Pandas, OpenCV, Scikit-learn
Проект: «Разработка системы, оптимизирующей порядок загрузки фур на продовольственном складе»
- Разработка среды эмулирующей работу склада для оценки эффективности различных логистических стратегий
- Разработка алгоритмов оптимальной погрузки/разгрузки фур на складе с помощью генетических алгоритмов
Результат: Инструмент, позволяющий сконструировать среду, эмулирующую процессы отгрузки и приёмки товара на складе, а также ввести систему оценки эффективности этих процессов
Стек: Python, Numpy, Pandas, OpenCV, Scikit-learn
- Computer Vision
- NLP
- GANs
- Reinforcement learning
- Transformres
- Git
- SQ
Авилин Марк
О себе
Программист с опытом кодирования. Интересуюсь Наука о данных, Разработка программного обеспечения, Разработка Python, Веб-разработка. Мастерски владею Python для извлечения ценной информации из сложных данных и создания эффективных решений.
data science
Навыки
- Pandas
- NumPy
- Beautiful Soup
- Selenium
- Requests
- JSON
- Keras
- Tensorflow
- Torch
- SciKitLearn
Профессиональный опыт
Разработчик программного обеспечения
Проект: «Распознание автора с использованием модели «Мешок слов» (НЛП)
Проект: «Распознание автора с использованием модели «Мешок слов» (НЛП)
- Разработка проекта «Определение авторов» на основе НЛП с использованием нейронной сети «Мешок слов»
- Сбор качественных текстов и оптимизация токенизации
- Реализация TensorFlow Keras и Tokenizer для преобразования текста в последовательность целых чисел
- Создание наборов данных для обучения и тестирования для многоклассовой классификации
- Проектирование НС с использованием регулирования отсева
- Обучение модели с использованием оптимизатора RMSprop и функции потерь «кросс-энтропия»
- Достижение среднего курса валют 98%
- Оценка точности и полноты с помощью отчета о классификации. Предварительный просмотр прогресса обучения с помощью графиков.
Образование
Университет искусственного интеллекта 2022
«Data Science, нейронные сети, машинное обучение и искусственный интеллект»
«Data Science, нейронные сети, машинное обучение и искусственный интеллект»
- MySQL
- PostgreSQL
- SQLite
- NLTK
- OpenCV
- Matplotlib
- Tkinter
- Turtle
- Django
- Flask
- HTML
- CSS
- Wordpress
- Bootstrap
- Git
- JavaScript
- jQuery
- Java
- PHP
Проект: «Сбор и предобработка данных для прогнозирования заработной платы»
- Собраны данные соискателей с hh.ru
- Очищены данные, обработаны пропущенные значения
- Обработаны зарплатные значения, конвертированы в рубли
- Извлечены характеристики: возраст, пол, город, тип присутствия, график.
- Закодированы категориальные признаки, преобразующие зарплаты в числовые значения.
- Токенизированные описания должны быть проиндексированы в соответствии с последовательностью и заполнены данными.
- Разработана, обучена НС с использованием оптимизатора Adam и функции потери MSE в течение 80 эпох.
- Оценена модель стратегических и валидационных наборов с MAE
- Создана точная модель прогнозирования заработной платы.
Проект: «Обнаружение дефектов на изоляторах свечей зажигания автомобилей»
- Использование библиотек OpenCV, TensorFlow и Keras для создания сверточной нейронной сети (CNN)
- Предобработка тренировочных и тестовых наборов, включая технику увеличения данных
- Обучение модели CNN с использованием функции потерь бинарной кроссэнтропии и на наборе тестов
- Достигнута точная классификация дефектов с помощью модели
- Внедрение режима обнаружения дефектов на начальном этапе с использованием веб-камеры и OpenCV
- Предоставление обратной связи роботу для обработки дефектных и недефектных изоляторов
- Сохранение и загрузка обучаемой модели для дальнейшего использования
- Успешное применение моделей компьютерного зрения в практических промышленных приложениях
Алтынбаев Фанис
О себе
Начинающий специалист в сфере искусственного интеллекта. Обладающий знаниями и умениями для работы с нейронными сетями и анализом данных. Являюсь кандидатом физических и математических наук. Обладаю аналитическим и математическим складом ума. Стремлюсь получить опыт и применить свой потенциал для решения сложных задач в этих областях.
data csience
Профессиональный опыт
Стажер AI-разработчик
Университет искусственного интеллекта Terra AI
Университет искусственного интеллекта Terra AI
Образование
Университет искусственного интеллекта 2022
«Data Science, нейронные сети, машинное обучение и искусственный интеллект»
Проект: «Определение рейтингов фильмов»
Описание: в качестве основных входных данных используется текстовое описание фильма, из дополнительных данных - жанр, год, страна выпуска
Результат: у каждого фильма прогнозируется рейтинг по шкале от 0 до 10
Стек технологий: Python, Pandas, Matplotlib, NumPy, Keras, Tensorflow
«Data Science, нейронные сети, машинное обучение и искусственный интеллект»
Проект: «Определение рейтингов фильмов»
Описание: в качестве основных входных данных используется текстовое описание фильма, из дополнительных данных - жанр, год, страна выпуска
Результат: у каждого фильма прогнозируется рейтинг по шкале от 0 до 10
Стек технологий: Python, Pandas, Matplotlib, NumPy, Keras, Tensorflow
Навыки
- SQL
- Oracle
- Python
- Matplotlib
- NumPy
- Keras
- Tensorflow
- Object Detection
- Seq-2-Seq
- GAN
- CGAN
- WGAN
- Pymorphy2
- Librosa
- Transformers
- Jira
- Confluence
- Git
- Agile
- Scrum
- Kanban
- Программирование на Python
- Сбор, обработка и анализ данных из разных источников (библиотек)
- Визуализация промежуточных и конечных результатов анализа данных (Matplotlib)
- Построение и оценка качества моделей машинного обучения, построение нейронных сетей (Keras), улучшение качества моделей
- Генерация признаков, выбор метрик
Стек: Python, Pandas, Matplotlib, NumPy, Keras, Tensorflow
БАГУРИН МАКСИМ
О себе
Начинающий специалист в области Data Science с желанием развиваться в сфере искусственного интеллекта. Данная сфера слишком интересна и необъятна, чтобы оставлять её без внимания. Только представьте сколько всего можно тут сделать, посему с удовольствием займусь созданием проектов.
data csience
Навыки
- Python
- NumPy
- Pandas
- Keras
Профессиональный опыт
Стажёр Data Science
ПАО «Пермнефтегеофизика»
Проект: «Предсказание параметров для оценки результатов бурения»
ПАО «Пермнефтегеофизика»
Проект: «Предсказание параметров для оценки результатов бурения»
Образование
Университет искусственного интеллекта 2022
«Data Science, нейронные сети, машинное обучение и искусственный интеллект»
Проект: «Определение стадии болезни Альцгеймера»
«Data Science, нейронные сети, машинное обучение и искусственный интеллект»
Проект: «Определение стадии болезни Альцгеймера»
- Классификация коллекторов (DL)
- Предсказание параметра KPEF
Стек: Python, Pandas, Numpy, Random, Keras, Scikit-learn
- Matplotlib
- DL
- Scikit-learn
- SQL
Классификация изображений
Стек: Python, Keras, Numpy, Scikit-learn, Random, os, PIL, Matplotlib
ВЕРЕЩАГИН АЛЕКСЕЙ
О себе
Профессиональный многопрофильный программист с более чем 20-ти летним стажем. Имею более сотни самостоятельных разработок в разных сферах деятельности на разных языках программирования. Имею опыт работы с психометрическими данными, анализом данных в R, в совершенстве знаю Python.
Data Science
Навыки
Профессиональный опыт
Образование
Университет искусственного интеллекта 2022
«Data Science, нейронные сети, машинное обучение и искусственный интеллект»
«Data Science, нейронные сети, машинное обучение и искусственный интеллект»
- Python, R, С/С++, С# (ML.net), Delphi, Assembler, SQL, VB, Java Script, NumPy, Pandas, LAD
- Data Science and ML: gbm, RandomForest, KNN, SVM, Sklearn, XGboost, Seaborn, SciPy, tidyverse, psych, lavaan
- Neural networks and AI: TensorFlow, Keras, PyTorch, genetic algorithm, Q-learning, GAN, CGAN, WGAN, Recommendation system
- Computer Vision: Object Detection, Segmentation, OpenCV, Pillow, Albumentation, Segmentation Models, Transfer Learning, Attention and Transformers in Computer Vision, Классические алгоритмы, Фотограмметрия
- Natural language processing: Pymorphy2, Librosa, Attention, Transformers
Клиника «Семейное Здоровье»
Программист
Программист
- Поддержка и доработка программного обеспечения медицинского учреждения
- Прогнозирование потока пациентов
- Составление расписания кабинетов генетическим алгоритмом
«1С-Архитектор Бизнеса»
Программист 1С
Программист 1С
- Разработка в рамках командных проектов
ООО «Раумплюс»
Программист
Программист
- Настройка учета в мебельном производстве ресторанном и гостиничном бизнесе
- Система распределения ресурсов
- Обмен 1С со сторонними программными комплексами (Micros, Opera)
- Поддержка бухгалтеров - внутренней бухгалтерии и аудиторской службы
ВОЛОШЕНКО СЕРГЕЙ
О себе
Увлеченный разработчик по искусственному интеллекту с большим опытом работы в области компьютерного зрения и моделей прогнозирования временных рядов. Работал с эволюционными моделями, обработкой аудио и текста, генеративными сетями, генетическими алгоритмами, обучением с подкреплением, а также кластеризацией данных. Стремлюсь расширять свои знания в ИИ. Ищу работу в качестве разработчика по ИИ, которая включает в себя проектирование и внедрение высокоэффективных решений для разработки продуктов и решения аналитических проблем.
data csience
Образование
Университет искусственного интеллекта 2022
«Data Science, нейронные сети, машинное обучение и искусственный интеллект»
Проект: «Предсказание курса биржевого инструмента»
«Data Science, нейронные сети, машинное обучение и искусственный интеллект»
Проект: «Предсказание курса биржевого инструмента»
Навыки
- Python
- OpenCV
- TensorFlow
- PyTorch
- NumPy
- Matplotlib
- ChatGPT
Профессиональный опыт
PET - ПРОЕКТЫ
Проект: «Голосовой чат-бот на базе ChatGPT»
Чат-бот в Telegram, использующий сервисы STT и TTS для обмена голосовыми сообщениями с ChatGPT
Проект: «Виртуальный ассистент на базе ChatGPT, дообученного на собственных данных»
Чат-бот в Telegram, строящий ответы на основе текстового документа и заданной модели поведения
Проект: «Голосовой чат-бот на базе ChatGPT»
Чат-бот в Telegram, использующий сервисы STT и TTS для обмена голосовыми сообщениями с ChatGPT
Проект: «Виртуальный ассистент на базе ChatGPT, дообученного на собственных данных»
Чат-бот в Telegram, строящий ответы на основе текстового документа и заданной модели поведения
- Scikit-learn
- Plotly
- OCR
- Docker
- SQL
- Linux
- AWS
ПАО «КАМАЗ»
AI Engineer
AI Engineer
- Сбор, анализ, обработка данных с загрузкой через API
- Изучение, корректировка, доработка готового кода на Python
- Обучение и анализ результатов предсказательных моделей
- Обработка, анализ, разметка данных
- Обучение и анализ результатов нейронных сетей
- Изучение и корректировка готового кода на Python. Написание скриптов по обработке выходных данных
Стек: Python, библиотеки Pandas, NumPy, TensorFlow, Scikit-learn, Matplotlib, Plotly
ПОО «MOVE ON LLP»
ML Engineer
ML Engineer
- Изучение, корректировка, доработка готового кода на Python
- Сбор и анализ данных
- Упаковка приложений в контейнеры
Воронин АЛЕКСАНДР
О себе
Имею опыт в создании и настройке нейронных сетей с использованием
различных программ. Целеустремленный и ориентированный на
результат, ищу работу в сфере Data Science для продолжения своего
профессионального роста.
различных программ. Целеустремленный и ориентированный на
результат, ищу работу в сфере Data Science для продолжения своего
профессионального роста.
Data Science
Профессиональный опыт
Университет искусственного интеллекта Terra AI
Разработал набор утилит для обучения детекторов изображений с элементами
AutoML на основе yolov5
Разработал набор утилит для обучения детекторов изображений с элементами
AutoML на основе yolov5
- Запуск обучения
- Подготовка датасета
- Анализ результатов
образование
Университет искусственного интеллекта
«Data Science, нейронные сети, машинное обучение и искусственный
интеллект»
Проект: «Определение расстояния до впереди идущего автомобиля на основе изображений»
«Data Science, нейронные сети, машинное обучение и искусственный
интеллект»
Проект: «Определение расстояния до впереди идущего автомобиля на основе изображений»
- Обучение модели
- Расширение датасета
- Обучение предсказывающих моделей, анализ обученных моделей
Стек: Python, Pandas, Yolov5m
Навыки
- Python
- NumPy
- Pandas
- Matplotlib
- Gensim
- Pymorphy2
- Scikit-learn
- SciPy
- Keras
- Pytorch
- Tensorflow
- NLP
- Seq-2-Seq
- Attention
- Transformers
- GAN
- VGG
- ResNet
- Inception
- ООП
- Git
- Pytest
- Json
- Requests
- Sqlite
- PostgreSql
- ORM
- SQLAlchemy
- Mixins
- linux
- Docker
- Asyncio
ГАВРИЛЮК ИВАН
О себе
Начинающий специалист в сфере искусственного интеллекта. Имею исключительные способности определять, понимать и преобразовывать программные требования в устойчивые, передовые технические решения через Python и другие программы для
постоянного совершенствования искусственного интеллекта. Имею успешный опыт в создании нейронных сетей.
постоянного совершенствования искусственного интеллекта. Имею успешный опыт в создании нейронных сетей.
data csience
Навыки
- Python
- Object Detection
- NLP
- Seq-2-Seq
- Attention
- Transformers
- Q-learning
- GAN, CGAN , WGAN
- Keras
- TensorFlow
- PyTorch
Профессиональный опыт
Образование
Университет искусственного интеллекта 2022
«Data Science, нейронные сети, машинное обучение и искусственный интеллект»
Проект: «Дипломный проект: Распределение деталей по классам»
Достижения:
«Data Science, нейронные сети, машинное обучение и искусственный интеллект»
Проект: «Дипломный проект: Распределение деталей по классам»
Достижения:
Стажер Data Science
ГК «Самолет»
ГК «Самолет»
- Изучение и корректировка готового кода на Python
- Создание, разметка базы данных
- Обучение нейронных сетей для детекции и трэкинга объектов
- Использование алгоритмов YOLO, SORT, DeepSORT
- Написание кода для пост-обработки данных
- Sklearn
- Pymorphy2
- Librosa
- Transformers
- Matplotlib
- Seaborn
- NumPy
- SciPy
- Pandas
- SQL
- В ходе дипломного проекта были отработаны разные гипотезы
- Выбрана подходящая архитектура нейронной сети
- Достигнута поставленная цель по точности распознавания - 99,7%
Проект: «Детектирование и отслеживание людей, проходящие через КПП, а также
детекция каски и жилета на них»
детекция каски и жилета на них»
Результат: Работающая нейронная сеть
Стек: Python, Tensorflow, Keras, PyTorch, Pandas, Matplotlib, Seaborn, NumPy, Pyplot,
OpenCV, PIL
Стек: Python, Tensorflow, Keras, PyTorch, Pandas, Matplotlib, Seaborn, NumPy, Pyplot,
OpenCV, PIL
ГИЛЯЗЕВ ИЛЬШАТ
О себе
Специалист в нефтедобывающих и нефтеперекачивающих организациях. Успешно организовывал работы в области ИТ, АСУТП, НИОКР и технического регулирования. Имею опыт разработки WEB и VBA приложений для автоматизации рутинных задач отдела. В данный момент я ищу работу в сфере Data Science, где смогу продолжать улучшать свои знания и навыки.
A I - DEVELOPER
Профессиональный опыт
Создал сайт ICP - сайт интернационального клуба Пуэблы
Описание: Сайт выполнен с поддержкой английского, испанского и русского языков на фреймворках React-Next, с размещением и хранением данных (мероприятия клуба, контакты, новости, фотографии и т.д.) на платформе Notion (доступ через API)
Описание: Сайт выполнен с поддержкой английского, испанского и русского языков на фреймворках React-Next, с размещением и хранением данных (мероприятия клуба, контакты, новости, фотографии и т.д.) на платформе Notion (доступ через API)
Стек: Node.js, React, Next, Rest API, MUI, HTML, CSS, TypeScript
образование
Университет искусственного интеллекта
«Data Science, нейронные сети, машинное обучение и искусственный
интеллект»
Проект: «Предсказание цены финансового инструмента с помощью нейросети»
«Data Science, нейронные сети, машинное обучение и искусственный
интеллект»
Проект: «Предсказание цены финансового инструмента с помощью нейросети»
- Обработка входных данных финансового инструмента на одном из таймфреймов
- Формирование расчетных данных для определения экстремальных значений цены и классов восходящего и нисходящего трендов на участках между экстремумами
- Проверка результатов прогнозирования на различных моделях нейросетей с различными параметрами (полносвязные, сверточные, LSTM, сеть LinearRegression из библиотеки Skilear)
Стек: Python, Pandas, Numpy, Matplotlib
Навыки
- Python
- NumPy
- Pandas
- Matplotlib
- Scikit-learn
- Keras
- Q-learning
- GAN
- CGAN
- WGAN
- VGG
- ООП
- Requests
- HTML/CSS
- Bootstrap
- Linux
- JavaScript
- Pascal
Создал Web-приложения для автоматизации задач
Решенные задачи:
- Получил модели, предсказывающие цену различных финансовых инструментов с различной точностью
- Провел анализ эффективности различных архитектур или параметров нейросетей для решения задач
- Автоматизация сбора и обработки данных с нефтепромыслов (со скриптами для UNIX систем)
- Учет компьютерной техники предприятия
- Формирование сводных заявок на покупку материалов и оборудования
- Формирование протоколов и контроль исполнения решений селекторных совещаний
ГУБСКИЙ ДМИТРИЙ
О себе
Начинающий специалист в области Data Science с опытом написания кода на Python и построения нейронных сетей с использованием различных программ. Моя цель - изучение принципов построения нейронных сетей в сочетании с другими технологиями и их практическое применение в анализе данных и обнаружении объектов.
data csience
Навыки
- Python
- NumPy
- Pandas
- Matplotlib
- Seaborn
- Keras
Профессиональный опыт
Образование
Университет искусственного интеллекта 2022
«Data Science, нейронные сети, машинное обучение и искусственный интеллект»
Проект: «Определение стоимости земельного участка в московской области»
«Data Science, нейронные сети, машинное обучение и искусственный интеллект»
Проект: «Определение стоимости земельного участка в московской области»
Стажер Data Science
Digital Marketing Integrator
Digital Marketing Integrator
- Прогнозирование продаж карточек товаров
- Поиск корреляции по всем параметрам статистики для определения работы алгоритмов в категориях
- Анализ зависимости параметров друг от друга и их последние изменения
- Seq-2-Seq
- Q-learning
- GAN
- CGAN
- Pix2Pix
- Object Detection
- Сбор базы данных по продаваемым земельным участкам
- Парсинг, параметризация базы , приведение ее в удобный для работы вид
- Построение пробной архитектуры нейросети, подбор слоев для дальнейших исследований
- Выбор способа и методики , определение какие данные влияют на точность сети (регрессия , классификация)
Проект: «Прогнозирование продаж товара на маркетплейсах»
- VGG
- ResNet
- Inception
- ООП
- Git
- Requests
- ЧHTML
- CSS
- Sqlite
- PostgreSql
- Django ORM
- Flask
Стек: Python, Requests, Senenium, Geopy, Beautiful soup, Api yandex, Pandas, Numpy,
Keras, Flask, Sklearn, Генетические алгоритмы
Keras, Flask, Sklearn, Генетические алгоритмы
ДУНАЕВ АРТЕМ
О себе
Начинающий специалист в сфере data science с образованием в области медицины. Ищу проекты связанные с медициной, чтобы применять свои знания и внести свой весомый вклад. Стремлюсь получить опыт и решать сложные задачи.
DATA SCIENTIST
Профессиональный опыт
образование
Университет искусственного интеллекта
«Data Science, нейронные сети, машинное обучение и искусственный
интеллект»
Проект: «Классификация аритмий посредством сверточной нейронной сети»
«Data Science, нейронные сети, машинное обучение и искусственный
интеллект»
Проект: «Классификация аритмий посредством сверточной нейронной сети»
- Автоматизация классификаций патологий ритма сердца
- Упрощение работы медицинских работников
- Возможность ранней диагностики нарушений ритма при использовании автоматических устройств (смарт-часы, переносные ЭКГ-аппараты)
Стек: Свёрточная нейронная сеть (convolutional neural network, CNN)
Навыки
- Python
- NumPy
- Pandas
- Matplotlib
- Seaborn
- Keras
Стажер Data Science
INSPECTRUM CLINIC
Проект: «Рекомендательная система для профпатолога»
INSPECTRUM CLINIC
Проект: «Рекомендательная система для профпатолога»
Достижения:
- Нормальный ритм (точность на проверочной выборке) - 69 %
- Желудочковая экстросистола - 71 %
- Предсердная экстрасистола - 93 %
- Сливной комплекс - 93 %
- Остальные нарушения ритма -76 %
- Изучение и корректировка готового кода на Python
- Анализ базы данных, полученной от заказчика и выделение обучающего набора данных
- Обучение нейросетей для решения задачи классификации результатов прохождения медицинской комиссии
- Использование DL и ML алгоритмов классификации
- Написание кода для постобработки данных
Стек: Python, библиотеки Tensorflow, Keras, Pandas, Numpy, Matplotlib, Seaborn, OpenCV, Sklearn, Pickle
ЗАДРУТCКИЙ АЛЕКСАНДР
О себе
Имею успешный опыт в разработке систем машинного обучения. Применяю нейросети в трейдинге. Имею успешный опыт создания биржевых индикаторов и торговых роботов. Постоянно занимаюсь повышением своей квалификации в сфере Data Science.
DATA SCIENTIST
Профессиональный опыт
ГК «ОТР»
Проект по распознаванию документов (паспорт, СНИЛС, ИНН)
Проект по распознаванию документов (паспорт, СНИЛС, ИНН)
образование
Университет искусственного интеллекта
«Data Science, нейронные сети, машинное обучение и искусственный
интеллект»
Проект: «Предсказание цен на акции»
«Data Science, нейронные сети, машинное обучение и искусственный
интеллект»
Проект: «Предсказание цен на акции»
Создать торгового робота для внутридневной торговли на российском рынке акций с доходом с торгового оборота 20%, средним количеством сделок - 1 сделка в день или выше для одного инструмента. В качестве основного торгового таймфрейма использовать H1 или ниже. Сделать рабочие версии и проверить статистику для 3х акций
Стек: MT5(С++) - парсинг данных, торговля. Keras - нейросети. Python + MT5 (C++) + named pipe обмен данными между терминалом и нейросетью
Навыки
- Python
- MQL 4
- MQL 5
- C++
- С++ Builder
- С++ VS 2015
- NumPy
- Matplotlib
- Librosa
- Gensim
- Pymorphy
- Scikit-learn
- Gensim
- Pymorphy
Достижения:
- Сбор и предварительная обработка базы данных, подготовка данных для обучения моделей распознавания
- Подготовка данных для тренировки EASY OCR и обучения моделей
- Проработка первого варианта с CTC Loss
- Генерация синтетического датасета для чисел для Паспортов, ИНН, СНИЛС, и обучение модели для чисел
- Сбор конечного класса из моделей
Протестировано около 50 моделей на 11 акциях, Некоторые модели на 5 акциях достигли требуемого показателя доходности, при использовании для обучения склееного датасета размером 2500000-3500000 записей
- Keras
- PyTorch
- Tensorflow
- Tensorflow Serving
- YOLO
- Pandas
- Sklearn
Проект: «Классификатор с применением нейросети поверх TFIDF c ngram=1-2»
В классификатор подавалась ссылка на сайт, классификатор скачивал текст страницы и относил сайт к одной из
71 категории.
В классификатор подавалась ссылка на сайт, классификатор скачивал текст страницы и относил сайт к одной из
71 категории.
- Keras2cpp
- ООП
- Git
- Linux
- SQL
- Docker
- Object Detection
Проект: «Web сервер для обмена данными между торговыми терминалами внутри одного компьютера или через интернет»
На стороне MT4/MT5 формировались пакеты с информацией о котировках и состоянии счета, и передавались на сервер с меткой торгового счета и терминала. На сервере сохранялись в Pandas dataframe. По запросу любого терминала выдавалась информация о состоянии счета любого из терминалов, и его котировках. Обмен позволял осуществлять синхронную торговлю по двум алгоритмам на разных парах счетов
На стороне MT4/MT5 формировались пакеты с информацией о котировках и состоянии счета, и передавались на сервер с меткой торгового счета и терминала. На сервере сохранялись в Pandas dataframe. По запросу любого терминала выдавалась информация о состоянии счета любого из терминалов, и его котировках. Обмен позволял осуществлять синхронную торговлю по двум алгоритмам на разных парах счетов
Проект: «Написание обмена между нейросетью на Python 3.6+Keras и терминалом MT5 через named pipe»
Со стороны терминала MT5 подготовка данных о истории движения цены и отправка в named pipe, со стороны Python, распаковка данных, анализ нейросетью, возврат ответа в MT5
Со стороны терминала MT5 подготовка данных о истории движения цены и отправка в named pipe, со стороны Python, распаковка данных, анализ нейросетью, возврат ответа в MT5
Проект: «Написание обмена по API МТ4/5 c Spectre платформа торговли бинарными опционами с использованием криптоконтрактов. Формат сообщений JSON»
На стороне MT4 определялся момент входа в серию сделок, формировался запрос в JSON на сервер, Далее запрос отправлялся по namedpipe в приложение шлюз присоединенное к серверу брокера. Приложение писал другой разработчик. У приложения была одна задача передавать запросы на сервер как есть и возвращать ответы. Дополнительно на сервер регулярно отправлялись запросы о состоянии счета и открытых сделках.
На стороне MT4 определялся момент входа в серию сделок, формировался запрос в JSON на сервер, Далее запрос отправлялся по namedpipe в приложение шлюз присоединенное к серверу брокера. Приложение писал другой разработчик. У приложения была одна задача передавать запросы на сервер как есть и возвращать ответы. Дополнительно на сервер регулярно отправлялись запросы о состоянии счета и открытых сделках.
Проект: «Упаковка нейросети «FANN» из готового исходного кода в DLL библиотеки»
Нa С++ Builder 6 версия x32 и на VisualStudio 2015 версия x64. Написание кода, использующего упакованную сеть из DLL библиотек для предсказания движения цены, для платформ MT4 и Multicharts (C++ и Powerlanguage)
Нa С++ Builder 6 версия x32 и на VisualStudio 2015 версия x64. Написание кода, использующего упакованную сеть из DLL библиотек для предсказания движения цены, для платформ MT4 и Multicharts (C++ и Powerlanguage)
Проект: «Приложения для анализа статистической вероятности события (паттерн на графике цены)»
Приложение загружало историю из файлов MT4. 4-9млн записей. На основании истории считалось матожидание и среднеквадратическое отклонение, строилось распределение вероятности. Статистика отправлялась в терминал, где робот принимал решения о входах в сделки
Приложение загружало историю из файлов MT4. 4-9млн записей. На основании истории считалось матожидание и среднеквадратическое отклонение, строилось распределение вероятности. Статистика отправлялась в терминал, где робот принимал решения о входах в сделки
Зубков Виктор
О себе
Я являюсь специалистом по разработке на Python с глубоким пониманием алгоритмов и построения сложных нейронных сетей. Моя страсть к искусственному интеллекту побуждает меня изучать новые концепции машинного обучения и применять их на практике. Разработка моделей нейронных сетей - это для меня не только возможность экспериментировать, но и шанс работать в различных областях, используя свои навыки и знания Python для создания решений на основе данных..
PYTHON DEVELOPER
Профессиональный опыт
образование
Университет искусственного интеллекта
«Data Science, нейронные сети, машинное обучение и искусственный интеллект»
«Data Science, нейронные сети, машинное обучение и искусственный интеллект»
Навыки
- Python
- NumPy
- Pandas
- Matplotlib
- Seaborn
- Librosa
- Scikit-learn
- SciPy
Стажер Data Science
ГК «Самолет»
Проект: «Детекция униформы работников предприятия средствами видеонаблюдения»
ГК «Самолет»
Проект: «Детекция униформы работников предприятия средствами видеонаблюдения»
- Изучение и корректировка готового кода на Python
- Создание, разметка базы данных
- Обучение нейронных сетей для детекции и трэкинга объектов
- Использование алгоритмов YOLO, SORT, DeepSORT
- Написание кода для пост-обработки данных
Результат: Работающая нейронная сеть
Стек: Python, Tensorflow, Keras, PyTorch, Pandas, Matplotlib, Seaborn, NumPy, Pyplot, OpenCV, PIL
Стек: Python, Tensorflow, Keras, PyTorch, Pandas, Matplotlib, Seaborn, NumPy, Pyplot, OpenCV, PIL