Резюме: RU
Сертификат «Data Science, нейронные сети, машинное обучение и искусственный интеллект» — Университет Искусственного Интеллекта
Сертификат: RU
- Благодартсвенное письмо "Автозавод Урал": https://ai-hunter.ru/ural
- Благодартсвенное письмо "Айкон Софт": https://ai-hunter.ru/iconsoft
| # | Наименование проекта (Cсылка на проект.) | Описание | Стек | Дедлайн, Статус |
|---|---|---|---|---|
| 1. | NLP. Диагностика порока сердца на основе таблицы с данными о пациентах. | Модуль AI для doct24, который определяет порок сердца на основе справок и диагнозов врачей. Цель проекта: наука, развитие телемедицины. Заказчик: Экосистема Альфа https://salfa.ru/ |
Pandas, Keras, Tensorflow, Sklearn, Catboost | 07.03 - 07.06.2023 Завершено |
| 2. | Компьютерное зрение. Диагностика рассеянного склероза по МРТ снимкам. | Модуль AI для doct24, который определяет вероятность рассеянного склероза по снимкам МРТ головного мозга. Цель проекта: наука, развитие телемедицины. Заказчик: Экосистема Альфа https://salfa.ru/ |
Keras, Tensorflow, Pydicom, Pillow, Numpy, Matplotlib | 10.08 - 15.11.2023 Завершено |
| 3. | Регрессионная модель временного ряда. Анализ активности клиентов AlfaBank. | Модель прогнозирования временного ряда в рамках соревнования AlfaBank Campus, которая предсказывает будущие траты клиента, используя информацию о совершенных тратах. Цель: оценка платежеспособности клиента. Заказчик: АО «Альфа-Банк» https://alfabank.ru/ |
Pandas, Keras, Tensorflow, Sklearn, Catboost, Xgboost | 01.09 - 20.09.2023 Завершено |
| 4. | Object Detection. Детекция СИЗ и курения по видео. | Веб-приложение с Fast API интерфейсом и YOLOv9-c моделью обученная детектировать курение и средства индивидуальной защиты (СИЗ) в условиях Автозавод Урала. Цель проекта: снижение рисков для здоровья и жизни на предприятии. Заказчик: Автозавод «УРАЛ» https://uralaz.ru/ |
PyTorch, Ultralitics, Streamlit, FastAPI, OpenCV, Pillow, Datetime, Uvicorn, Vidgear | 07.02 - 01.05.2024 Завершено |
| 5. | Automatic Speech Recognition & Audio Classification. Распознание аварийного вызова. | Разработал веб-приложение с нейронной сетью по распознанию аварийных вызовов и речи. Цель проекта: повышение эффективности диспечера аварийной службы. Заказчик: IconSoft https://iconsoft.ru/ |
Streamlit, Sounddevice, Soundfile, Io, Numpy, Librosa, Os, Speech_recognition, Tempfile | 07.05 - 01.08.2024 Завершено |
| # | Наименование проекта (Cсылка на проект.) | Описание | Стек | Статус |
|---|---|---|---|---|
| 1. | Анализ интересов пользователей “Яндекс.Музыка” из СПБ и Москвы. | На основе таблицы сравнить поведение, предпочтения пользователей двух столиц — Москвы и Санкт-Петербурга. | Pandas | Завершено |
| 2. | Исследование надёжности заёмщиков — анализ банковских данных. | Исследовать влияние семейного положения и количество детей на вероятность возврата кредита в срок. | Pandas, Numpy, IPython | Завершено |
| 3. | Продажа квартир в Санкт-Петербурге — анализ рынка недвижимости. | Используя данные сервиса Яндекс.Недвижимость, определить рыночную стоимость объектов недвижимости и типичные параметры квартир. | Pandas, Matplotlib, Numpy, Datetime, IPython | Завершено |
| 4. | Определение выгодного тарифа для телеком компании. | На основе данных клиентов оператора сотовой связи проанализировать поведение клиентов и поиск оптимального тарифа. | Pandas, Matplotlib, NumPy, SciPy | Завершено |
| 5. | Компьютерное зрение. Классификация по возрасту. | Определение возраста по фотографии. | Keras, Numpy, Matplotlib, Pandas, Scikit-learn, Tensorflow | Завершено |
| 6. | Классификация клиентов. | На основе данных телеком компании, предложить клиенту тариф. | Pandas, Matplotlib, Scikit-learn, Xgboost, Fast_ml | Завершено |
| 7. | Прогнозирование оттока клиентов. | Анализ и прогнозирование оттока клиентов банка на основе базы данных. | Pandas, Matplotlib, Scikit-learn | Завершено |
| 8. | Алгоритм анализа региона нефтедобычи. | Определение района добычи нефти на основе данных гео. разведки. | Pandas, Scikit-learn, Numpy, Xgboost, Imblearn, Collections | Завершено |
| 9. | Исследование технологического процесса очистки золота. | Прогнозирование концентрации золота при проведении процесса очистки. | Pandas, Matplotlib, NumPy, Scikit-learn, Seaborn, Xgboost, Datetime | Завершено |
| 10. | Защита данных клиентов страховой компании. | Алгоритм анонимизации персональных данных. | Pandas, NumPy, Scikit-learn | Завершено |
| 11. | Система расчета стоимости авто. | Разработка системы рекомендации стоимости автомобиля по его параметрам. | Pandas, LightGBM, Numpy, Time, Re, Datetime, Sklearn, Fast_ml, Catboost, Matplotlib | Завершено |
| 12. | Система расчета количества заказов такси на следующий час. | Разработка алгоритма расчета объема заказа. | Pandas, Scikit-learn, Statsmodels, Lightgbm, Catboost | Завершено |
| 13. | Классификация комментариев. | Разработка алгоритма определения токсичности комментариев. | BERT, Numpy, Pandas, Re, Transformers, Torch, Collections, Catboost, Imblearn, Lightgbm, Scikit-learn, Tqdm, Xgboost | Завершено |