ML-инженер

Был вчера в 17:50

По договорённости

22 года (родился 31 июля 2003)

Ростов-на-Дону

Занятость

полная занятость

Гражданство

Россия

Контакты

Телефон

Почта

Будут доступны после открытия

Профессиональные навыки

Python
SQL
PostgreSQL
Git
Обучение и развитие
Нейронные сети
HTML
CSS
Показать еще

Фото, имя и контакты доступны только авторизованным пользователям

Образование

- Бакалавр
- 2025
Донской государственный технический университет, Ростов-на-Дону
Факультет: Информатика и вычислительная техника
Специальность: Информатика и вычислительная техника

Обо мне

Дополнительные сведения:

Начинающий специалист в области машинного обучения, студент 1-го курса магистратуры Донского государственного технического университета. Уже около года интересуюсь обработкой данных, а также построением и оптимизацией ML-моделей. Активно изучаю современные методы и frameworks машинного обучения, стремлюсь развиваться в этой области. Ключевые навыки: 1. Базовые знания Python и основных библиотек для анализа данных (NumPy, Pandas, Matplotlib/Seaborn); 2. Опыт работы с Scikit-learn; 3. Изучение архитектур нейронных сетей и TensorFlow/Keras; 4. Умение писать SQL-запросы (PostgreSQL, SQLite) для работы с данными; 5. Работа с системами контроля версий (Git, GitHub); 6. Умение разрабатывать frontend. Имею опыт в решении учебных задач, связанных с классификацией, регрессией и предсказательным моделированием. Готов углубленно изучать новые технологии (например, PyTorch, Spark, Docker) и применять их в реальных проектах. С большим удовольствием вливаюсь в мир нейронных сетей и очень хочу прокачать свои навыки в создании более сложных моделей. Начал интересоваться машинным обучением после прохождения акселерационной программы, в которой я со своей командой реализовал проект, целью которого было определение болезней различных плодовых растений по изображениям. Также за последние полгода реализовал три проекта на языке MATLAB, основанные на машинном обучении. Первым был классификатор сортов винограда по листьям, вторым – классификатор музыкальных инструментов по аудио, третьим – реконструктор изображений, удаляющий шум с изображений. Последним из моих проектов является интерпретатор медицинских анализов, целью которого было по показателям крови определять отклонения и выводить возможное заболевание (мультиклассовая классификация) с рекомендациями и возможными причинами его появления. Реализовывался он на Python с использованием TensoFlow/Keras, Scikit-learn, Matplotlib/Seaborn. Для системы разрабатывался web-интерфейс. Python, SQL, PostgreSQL, Git, Обучение и развитие, Нейронные сети, HTML, CSS