специалист по машинному обучению

Интерсвязь

Инженер в отделе машинного обучения

С 01.10.2020 по настоящее время (4 года 4 месяца)

- постановка ML-гипотез - сбор и аналитика данных - проведение экспериментов по проверке ML-гипотез - разработка и поддержка сервисов Знания и навыки: - выстраивал, внедрял и популяризировал в команде технические практики решения ML-задач (организация работы с данными, шаблон для экспериментов, формулировка и обкатка ресёрч гайдлайнов) - работа по ML System Design Doc фреймворку - занимался продумыванием ML-систем, составлением и согласованием дизайн документов - использую Git (github workflow, conventional commits), работаю на Linux (bash) - математика. Основы математического анализа, линейной алгебры, теории вероятностей и математической статистики; - теория машинного обучения. Обработка (нормализация, очистка) данных, типы задач, алгоритмы обучения, feature extraction/engineering, аугментация, валидация моделей, оценка и улучшение качества; - Python 3.x, ООП, многопоточное и асинхронное программирование - знание SQL. В основном работал с реляционными БД, но есть опыт и с Clickhouse и MongoDB - в частности, умею взаимодействовать с БД из Python - работа с Ceph (s3) - проведение EDA с pandas - математические библиотеки в Python (numpy, scipy, statsmodels) - библиотеки для визуализации в Python (seaborn, plotly, bokeh, matplotlib) - знание и работа с DL (основы НН, базовые понятия и архитектуры, transfer learning, методы борьбы с переобучением) - работал как с базовыми (sklearn), так и более продвинутыми (Pytorch, Keras, Tensorflow, HuggingFace) библиотеками и фрейморками для ML - выстраивание пайплайнов обучения с помощью DVC, MLFlow, Determined, ClearML, мониторинг экспериментов с помощью Tensorboard, Wandb - в том числе, развёртывание (k8s) и администрирование ClearML Service - основы NLP (базовая предобработка, TF-IDF, LSTM, transformers, BERT); работа с pymorphy - работа с LLM - промпт-инжиниринг под доменные задачи (консультации пользователей, суммаризация) - работа с langchain - собирал небольшие RAG-приложения - работаю с аудио задачами в ML - VAD, разделение спикеров, классификация, денойзинг - распознавание речи (Conformer, QuartzNet, Whisper) - синтез речи (Tacotron2, WaveGlow, XTTS, VITS, Bark) - знание основ теории обработки сигналов (необходимо для решения DL задач в аудиодомене) - работа с линтерами (flake8), форматеррами (black) - понимание основ REST, разработка API с помощью flask, FastAPI - есть опыт в разработке сценариев для голосовых ассистентов на основе DeepPavlov Agent - разработка микросервисных приложений (docker-compose) - использование ORM (SQLAlchemy) - запуск и конфигурирование БД (PostgreSQL), настройка миграций в проекте (alembic) - работа с очередями (Celery, rabbitmq) - разработка простых интерфейсов с помощью Streamlit - работал с helm-чартами и деплоем приложений в k8s (ArgoCD)

Интерсвязь

Инженер в отделе машинного обучения

С 01.10.2020 по настоящее время (4 года 4 месяца)

- постановка ML-гипотез - сбор и аналитика данных - проведение экспериментов по проверке ML-гипотез - разработка и поддержка сервисов Знания и навыки: - выстраивал, внедрял и популяризировал в команде технические практики решения ML-задач (организация работы с данными, шаблон для экспериментов, формулировка и обкатка ресёрч гайдлайнов) - работа по ML System Design Doc фреймворку - занимался продумыванием ML-систем, составлением и согласованием дизайн документов - использую Git (github workflow, conventional commits), работаю на Linux (bash) - математика. Основы математического анализа, линейной алгебры, теории вероятностей и математической статистики; - теория машинного обучения. Обработка (нормализация, очистка) данных, типы задач, алгоритмы обучения, feature extraction/engineering, аугментация, валидация моделей, оценка и улучшение качества; - Python 3.x, ООП, многопоточное и асинхронное программирование - знание SQL. В основном работал с реляционными БД, но есть опыт и с Clickhouse и MongoDB - в частности, умею взаимодействовать с БД из Python - работа с Ceph (s3) - проведение EDA с pandas - математические библиотеки в Python (numpy, scipy, statsmodels) - библиотеки для визуализации в Python (seaborn, plotly, bokeh, matplotlib) - знание и работа с DL (основы НН, базовые понятия и архитектуры, transfer learning, методы борьбы с переобучением) - работал как с базовыми (sklearn), так и более продвинутыми (Pytorch, Keras, Tensorflow, HuggingFace) библиотеками и фрейморками для ML - выстраивание пайплайнов обучения с помощью DVC, MLFlow, Determined, ClearML, мониторинг экспериментов с помощью Tensorboard, Wandb - в том числе, развёртывание (k8s) и администрирование ClearML Service - основы NLP (базовая предобработка, TF-IDF, LSTM, transformers, BERT); работа с pymorphy - работа с LLM - промпт-инжиниринг под доменные задачи (консультации пользователей, суммаризация) - работа с langchain - собирал небольшие RAG-приложения - работаю с аудио задачами в ML - VAD, разделение спикеров, классификация, денойзинг - распознавание речи (Conformer, QuartzNet, Whisper) - синтез речи (Tacotron2, WaveGlow, XTTS, VITS, Bark) - знание основ теории обработки сигналов (необходимо для решения DL задач в аудиодомене) - работа с линтерами (flake8), форматеррами (black) - понимание основ REST, разработка API с помощью flask, FastAPI - есть опыт в разработке сценариев для голосовых ассистентов на основе DeepPavlov Agent - разработка микросервисных приложений (docker-compose) - использование ORM (SQLAlchemy) - запуск и конфигурирование БД (PostgreSQL), настройка миграций в проекте (alembic) - работа с очередями (Celery, rabbitmq) - разработка простых интерфейсов с помощью Streamlit - работал с helm-чартами и деплоем приложений в k8s (ArgoCD)

Intellion

Преподаватель машинного обучения

С 01.11.2022 по 01.05.2023 (6 месяцев)

Преподаватель ML курса для школьников 8 -11 кл. - проработка программы курса - сбор материалов и подготовка занятий - проведение занятий в формате вебинаров с теорией - разработка и проверка домашних заданий - индивидуальные консультации со студентами

Челябинский Трубопрокатный Завод, (ЧТПЗ) ОАО

Инженер группы машинного обучения и анализа данных

С 01.11.2018 по 01.10.2020 (1 год 11 месяцев)

Специфика задач: оптимизация производственных и бизнес-процессов с помощью ML/DS технологий: – анализ задачи, сбор массива данных; – обработка, первичный анализ и очистка данных, формирование выборок; – построение и валидация модели; – внедрение и поддержка модели.

Университет

Южно-Уральский государственный университет (Национальный исследовательский университет)

Университет

Южно-Уральский государственный университет (Национальный исследовательский университет)

Университет

МФТИ

Университет

Алтайский государственный аграрный университет

Университет

МФТИ

Родной язык

Русский

Иностранные языки

Английский

Ключевые навыки

• Математическая статистика

• теория машинного обучения

• Знаком с python

• Ms sql

• Знание git

• Администрирование серверов linux

• Понимание принципов ооп

• Sql postgresql

• Навыки работы с docker/docker-compose

• Django 2.1-4+ drf; fastapi; aiohttp

• sqlalchemy

• Phyton, angular, postgres sql, rest api, rabbitmq, celery, linux, умение разбираться в devops, docke

• Владение pandas, numpy, scikit-learn, pytorch

• Django rest pandas

Дополнительная информация

Участие в соревнованиях: 1 место в городских соревнованиях разработчиков , трек Machine Learning (CV-задача по распознаванию автомобильных номеров), г. Челябинск. (2019 г.) 3 место в хакатоне по искусственному интеллекту “Цифровой прорыв”, кейс Росаккредитации «ИИ на страже качества российских товаров» (NLP-задача по классификации наименований товаров), г. Челябинск (2021 г.)