Data Scientist

1. Обучал нейросетевые модели (one-stage, two-stage) для детекции людей в
лесных массивах при разных условиях погоды с использованием данных с БПЛА (беспилотные
летательные аппараты). Больше всего работал с YOLO.
2. Отвечал за EDA (Exploratory Data Analysis). Разработал и внедрил скрипты для автоматизации
предобработки данных, что на 70% сократило время подготовки данных.
3. Организовывал полный цикл работы с данными: сбор, разметку, аугментацию и управление
датасетами (AWS S3 (Amazon Web Services)).
4. Спроектировал ETL(Extract, Transform, Load) для данных с дронов. Отвечал за предобработку,
валидацию и тестирование модели.

Цель проекта: Создание системы для проведения дефектоскопии строительных конструкций.
Спроектировал 3-этапную архитектуру.
1. Использовал трансформер компьютерного зрения (ViT) для фильтрации изображений по
качеству (устранение размытия, бликов), сократив объем нерелевантных данных на 45%.
2. ResNet-50 — бинарная классификация («бетон» vs. «другие поверхности»), достигнув
точности 97% (F1-score)
3. Обнаружение дефектов бетонных поверхностей с помощью моделей семейства YOLO (You
Only Look Once), с последующим подбором гиперпараметров (Optuna, Ray Tune): повысил
mAP50-95 с 0.18 до 0.34 (+89%).