Эрнест Ю. , Middle, ML-инженер
- Middle
- Опыт работы:
- От 3 до 6 лет
О специалисте
Разработал и внедрил модели для диагностики возрастной макулярной дегенерации (OCT-изображения) с использованием SOTA-архитектур на PyTorch, адаптированных под задачу. Создал end-to-end CV-решения для промышленности и медицины (YOLOv8, ResNet, Autoencoder), включая деплой и оптимизацию через ONNX Runtime. Построил OCR-пайплайн (OpenCV + Tesseract → BERT) для автоматизированной обработки медицинских карт. Реализовал CV-систему анализа сварочных швов в реальном времени, сократив время контроля на 70% и снизив процент брака. Разработал пайплайн распознавания транспортных средств при въезде на объект, достигнув точности 94%. Построил RAG-систему с использованием LLM (LLaMA) и реализовал векторный поиск на FAISS. Участвовал в оптимизации тяжёлых вычислений на суперкомпьютерах. Является соавтором 2 научных статей в Q1-журналах (Applied Sciences).
Примеры работ
Диагностика возрастной макулярной дегенерации: Разработка и интеграция SOTA-моделей (PyTorch, ResNet, Autoencoder) для анализа OCT-изображений. Создание backend-модуля для интерпретации результатов врачами. CV-система анализа сварочных швов: Реализация решения для контроля качества сварки в реальном времени, сократившего время проверки на 70% и уменьшающего количество брака. Распознавание транспортных средств: Построение пайплайна компьютерного зрения (OpenCV, YOLOv8) с точностью распознавания 94%. OCR-пайплайн для медицинских карт: Автоматизация обработки текстов (OpenCV + Tesseract → BERT), повышение точности и скорости извлечения данных. RAG-система на базе LLM (LLaMA): Построение Retrieval-Augmented Generation решения и реализация векторного поиска FAISS.
- Разработка и интеграция SOTA-моделей (PyTorch, ResNet, Autoencoder) для анализа OCT-изображений.
- Создание backend-модуля для интерпретации результатов врачами.
- Реализация решения для контроля качества сварки в реальном времени, сократившего время проверки на 70% и уменьшающего количество брака.
- Построение пайплайна компьютерного зрения (OpenCV, YOLOv8) с точностью распознавания 94%.
- Автоматизация обработки текстов (OpenCV + Tesseract → BERT), повышение точности и скорости извлечения данных.
- Построение Retrieval-Augmented Generation решения и реализация векторного поиска FAISS.
Разработка скриптов для анализа и обработки данных (pandas, NumPy). Автоматизация сбора данных из внешних источников. Подготовка визуализаций (Matplotlib, Seaborn) и SQL-запросов для PostgreSQL. Участие в оптимизации вычислений и работе с Git.
- Разработка скриптов для анализа и обработки данных (pandas, NumPy).
- Автоматизация сбора данных из внешних источников.
- Подготовка визуализаций (Matplotlib, Seaborn) и SQL-запросов для PostgreSQL.
- Участие в оптимизации вычислений и работе с Git.
Образование
Оставьте заявку и, наша команда в кратчайшие сроки подберёт необходимого специалиста за вас!
Помните, что заключение договора и оплата услуг происходит после того, как вы выбрали специалиста
