ML Engineer

Мультиагентная система управления БПЛА:

- Участвовал в проектировании и внедрении архитектуры автономных ИИ-агентов для планирования и управления циклом задач.
- Реализовал логику принятия решений в условиях неопределенности и динамической среды, что позволило автоматизировать рутинные операции.
- Проводил селекцию и квантование (Int8/FP16) открытых LLM для достижения минимального latency на локальных серверах.
- Стек: Python, LangGraph, Llama 3 (квантованная локальная модель), Scikit-learn, NATS, Docker, vLLM, Poetry

On-premise RAG-система для технической поддержки:

- Разработал систему извлечения знаний из массивов неструктурированных данных (PDF, чертежи, регламенты) объемом в десятки тысяч страниц.
- Сократил время поиска решений по ремонту и обслуживанию техники на 70%, обеспечив работу в закрытом контуре.
- Разработал Desktop-интерфейс на PySide6 для конечных пользователей, работающих без доступа к внешней сети.
- Стек: LangChain, PyTorch, Transformers, Qdrant (Vector DB), Unstructured, FlashRank, SQLite, PySide6

Разработка систем компьютерного зрения (CV)

- Обучал модели детекции и классификации объектов для систем мониторинга, достигнув точности mAP [0.5:0.95] > 0.85 на сложных датасетах.
- Реализовал алгоритмы семантической сегментации и устойчивого трекинга (Object Tracking), снизив количество ошибок переключения ID на 40%.
- Адаптировал тяжелые архитектуры под ограниченные ресурсы через Pruning и квантование, увеличив пропускную способность системы в 3.2 раза (до 40+ FPS).
Стек: Python, PyTorch, OpenCV, YOLO (v5, v7), DeepSORT, UNet, TensorRT, ONNX, Albumentations