Резюме на английском (Чаще обновляю) https://disk.yandex.ru/d/oKya6wGrN6KMZA На данный момент интересен NLP и LLM Красный диплом бакалавра, средний балл 4.71, по всем техническим предметам имею оценки отлично, не испытываю проблем с математикой, из-за того, что знаю, каждая задача решаема, нужно только в ней разобраться, а не бросать На данный момент обучаюсь в магистратуре по направлению Мобильные технологии, в данной программе уделяется важное место нейросетям, от рассказа про легкие архитектуры, до оптимизации и ускорения нейросетей Также, дипломная работа была на тему reverse image search, где я провел исследование, собрал датасеты, выбрал модель и обучил ее ---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- Дальше будет довольно подробно про проекты, которые я делал на первых курсах и не возвращался к ним, ни для рефактора, ни для улучшения подходов. ---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- 1) Semantic Segmentation Крайним моим проектом является решение задачи сегментации лиц человека. Для задачи я взял CelebAMask-HQ датасет, на 16 классов на которых обучал модель. Была имплементирована U-net модель. После обучения модель давала качество в ~63% по метрике IoU, когда случайная маска давала качество в 1,9%. 2) Classification + Detection Имплементировал ResNet с двумя головами, где одна голова предсказывала собака или кошка на изображении, вторая голова предсказывала координаты бокса описывающего морду животного. По условию, на картинке было только одно животное 3) Multiclass classification (table data) Попал в топ 12% участников на Kaggle в соревновании, задачей которого было предсказывать мультиклассификацию с 206 классами на разряженном датасете, в своем решении использовал PCA, добавлял фичи и подбирал количество скрытых слоев у нейросети, помимо нейросетей написанных на PyTorch использовал нейросеть TabNet, также поскольку датасет был разряжен, было принято решение обучить несколько моделей на разных сидах и усреднить их ответы для получения более робастного решения. 4) Age regression + Sex classification Реализовал проект телеграмм бота, который предсказывает возраст и пол людей на загружаемом фото. Для предсказания возраста, была выбрана, resnet18, которая была дообучена на датасете который я собрал из 2х открытых датасетов которые нашел и отфильтровал от выбросов, возраст в проекте предсказывается регрессией. Для предсказания пола была выбрана resnext50_32x4d модель, которая хорошо себя показала в распознавании лиц, датасет был предоставлен компанией. В проекте использовалась СУБД PostgreSQL, в которую записывается уникальный номер фото и предсказания к нему, сделанные 2мя моделями. Проект был завернут в Docker и установлен на AWS server. 5) Reverse image search Делал проект для вуза, который распознавал плагиат среди картин, для которого были найден готовый датасет и датасет, который я спарсил из открытой галереи, из датасетов были взяты самые популярные классы для обучения.Мною была обучена обучена модель InceptionV3, после обучения из модели был срезан последний слой, для получения векторов изображений предсказанных нейросетью, после для поиска самых похожих картинок на данную использовался KNN, алгоритм c косинусоидальной мерой близости. В итоге проект с некоторыми дополнениями стал моей дипломной работой, по которому получил "отлично". Также есть учебные проекты по предсказанию зарплат, предсказание выживет ли человек в катастрофе Титаника, Распознавание цифр и предсказание грязная/чистая тарелка на фото GitHub: https://github.com/Windmen05 Kaggle: https://www.kaggle.com/windmen