Data Scientist (Computer Vision)

Есть контакты

Telegram: @gypsy_it Стаж: 3 года 1 месяц Опыт: Разработка исследовательских прототипов систем компьютерного зрения для оптимизации ритейл-процессов 1. Проект по автоматизации учёта товаров (Computer Vision для инвентаризации) Исследование возможности автоматического распознавания и категоризации товаров non-food категорий (инструменты, запчасти) по изображениям для оптимизации процессов приёмки и инвентаризации. - Дообучил (fine-tuned) модель YOLO-cls для классификации типов товаров. Accuracy модели составило 96% (Top1) / 99% (Top5) - Полностью создал и подготовил датасет с нуля: ручной сбор изображений, разметка и валидация в Roboflow, применение аугментаций для увеличения разнообразия данных. - Ввел в модель дополнительный негативный класс 'unknown', что снизило уровень ложноположительных срабатываний (FP) на 36% и повысило надёжность системы в условиях разнородного товарного окружения. 2. Проект privacy-safe аналитики покупательского трафика Создание прототипа системы для сбора метрик покупательского потока с полным соблюдением требований к приватности данных за счёт автоматической анонимизации. - Сфокусировался на задаче детекции лиц на статических изображениях. Дообучил модель YOLO на датасете Face-Detection-Dataset, добившись mAP@0.5: 89%. - Реализовал алгоритм постобработки для применения Gaussian Blur к bounding box'ам обнаруженных лиц с использованием OpenCV. - Провёл анализ ошибок модели: выделил слабые места, собрал дополнительный датасет для целенаправленного дообучения по проблемным классам. 3. Проект анализа контента для цифровых дисплеев в ритейле Разработка прототипа системы для автоматической классификации и тегирования визуального контента, отображаемого на цифровых экранах в торговых залах (реклама, инструкции, развлекательный контент). - Дообучил модель MobileNet для мультиклассовой классификации. Использовал transfer learning с заморозкой части слоёв и аугментацию данных, что позволило достичь Accuracy в 95% на отложенной тестовой выборке. - Упаковал пайплайн в Docker-контейнер и создал REST API на FastAPI. Реализовал веб-интерфейс на Streamlit для демонстрации и внутреннего тестирования, позволяющий загружать изображение и получать топ-1 предсказание с confidence score. О себе: Я - Data Scientist. Имею опыт реализации проектов: от сбора данных и обучения моделей до развертывания работающих прототипов. Интересуюсь современными подходами в CV Стремлюсь развиваться в сильной команде, работать над интересными задачами, принося реальную пользу продукту. Хочу развивать свои навыки в CV не только в классических подходах(классификации, детекции, сегментации), но и в обработке видео, трекинге, etc. В свободное время смотрю лекции по CV, изучаю архитектуры моделей

Похожие резюме