Middle 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