ML Engineer, CV Engineer

Улучшила детекцию рекламы: mAP@50 с 0.69 до 0.81, F1 с 0.64 до 0.77. Использовала Unsupervised Domain Adaptation (UDA) на CycleGAN для переноса знаний между доменами без разметки. Изучала статьи, ставила эксперименты. Реализовала пайплайн: предобработка, трансляция, детекция (YOLOv8). Код на PyTorch, Docker, Git.
Stack: Python, PyTorch, YOLOv8, CycleGAN, Git, Linux.

Реализовала нейросеть для регистрации SAR-оптических изображений: достигла точности 96,9% с ошибкой геопривязки менее 100 метров, работала с геопривязанными данными, координатами и CRS. Создала классификатор качества SAR-изображений, улучшивший точность основной модели на 10%, анализировала ошибки и подбирала улучшения. Разработала Flet-приложение для фильтрации изображений, сократив время создания датасетов на 30%. Автоматизировала загрузку и обработку GeoTIFF из QGIS, сократив подготовку данных на 80%, работала с тайловой нарезкой. Оптимизировала модели для инференса с помощью ONNX, ускорив обработку. Воспроизводила SOTA-модели из статей для сегментации, детекции и регистрации. Управляла командой разметчиков: контролировала качество разметки, балансировала классы, работала с CVAT.
Stack: Python, PyTorch, OpenCV, MATLAB, QGIS, CVAT, Docker, Git, ONNX, Linux.

Проводила лекции и семинары по алгоритмам и структурам данных, компьютерному зрению и машинному обучению. Разработала базовый курс по машинному обучению, который был официально внедрён в программу повышения квалификации сотрудников корпоративных партнёров с сентября 2023 года. Обновила учебные программы по нескольким дисциплинам.
Stack: Python, Jupyter Notebooks.