Widok CV

Middle Inżynier ML

Do negocjacji

Rosja

Sankt Petersburg

Pełny etat

Zdalnie

Doświadczenie zawodowe

3 lata 3 miesiące

Ostatnie doświadczenie zawodowe

Firma pod NDA

ML-инженер

3 lata 3 miesiące

O mnie

ML-инженер с опытом около 3 лет в Computer Vision и анализе данных. Разрабатываю ML-решения полного цикла от обработки данных и построения моделей до интеграции в готовые сервисы. Специализируюсь на видеоаналитике: анализ поз, распознавание движений, подсчёт повторений и оценки техники. Разработал сервис для видеоаналитики на Python FastAPI с точностью 94% на 100+ видео и сократил время обработки кадра с 5 до 1,5 секунды. Работаю с MediaPipe, OpenCV, YOLO, PyTorch, HuggingFace, Docker, Git и SQL. Английский B2: свободно работаю с технической документацией и веду переписку. Ищу позицию в области прикладного ML, Computer Vision и MLOps

Doświadczenie afiliacyjne

Brak danych

Doświadczenie zawodowe
3 lata 3 miesiące

Kwiecień 2023 - Czerwiec 2026

(3 lata 3 miesiące)

Firma pod NDA

ML-инженер

Разработка MVP-сервиса для анализа техники выполнения упражнений по видеозаписям. Обязанности и достижения Разработал пайплайн видеоаналитики для фитнес-приложения: - Снизил время обработки кадра с 5 до 1.5 секунд (оптимизация на CPU). - Обучил модель распознавания 7 упражнений с точностью 94% (100+ видео). - Внедрил модуль оценки техники и подсчёта повторений, сервис протестировали 50+ пользователей. - Спроектировал REST API на FastAPI (до 100 RPS) и схему данных на SQLite + SQLAlchemy. - Работал в команде из 3 человек: code review, архитектура, помощь коллегам. Стек: Python, OpenCV, MediaPipe, PyTorch, FastAPI, SQLAlchemy, SQLite, Docker, Git. Дополнительные проекты Computer Vision - Обучил YOLO для детекции животных (mAP = 0.87, аугментация, Robo¬ow). - Разрабатывал модели классификации изображений (PyTorch, CNN). NLP - Дообучил BERT для классификации новостей (F1 = 0.92, Hugging Face). Machine Learning - Сравнивал KNN, SVM, Random Forest с подбором гиперпараметров (GridSearchCV). Лучший Random Forest (F1 = 0.81). - Применял линейные модели (Ridge, LASSO) и кластеризацию (K-Means, DBSCAN). Стек: Python, PyTorch, YOLO, Hugging Face Transformers, Scikit-learn, Pandas, NumPy, OpenCV

Umiejętności

HuggingFace Transformers

Numpy

Pandas

Matplotlib

OpenCV

Mediapipe

YOLO

Django Framework

REST API

SQL

Git

Atlassian Jira

Python

Docker

Agile

FastAPI

REST API

Scrum

PyTorch

Scikit-learn

Znajomość języków

Początkujący Kazachski

Zaawansowany Angielski

Ojczysty Rosyjski

Typ zatrudnienia

Pełny etat, Projektowo

Tryb pracy

Zdalnie, Biuro

Grafik pracy

5/2

Relokacja

Możliwa

Wyjazdy służbowe

Możliwe wyjazdy służbowe